数据治理误区一：必须有工具平台才能进行数据治理。

　　我经常听到一些朋友在进行数据治理时说，先做一整套工具，然后进行数据治理，这是一个极端。另一个极端是，没有数据治理平台工具，数据治理直接作为咨询项目，往往结果是花了很多钱，早期可能有一些效果，但随着时间的推移，远远达不到原来的预期。事实上，数据治理是一项与管理深度相结合的活动。有了工具后，效率可以加快，没有工具也可以进行数据治理。

　　例如，在信息化程度低、数据量小、数据类型少的情况下，制定一些合理的处理过程和制度可以取得良好的效果。相反，工具增加了成本和管理过程，此时不需要工具。

　　对于经过多年信息发展的企业来说，平台工具是进行数据治理的必要条件。作为数据治理的四大核心要素之一，工具的作用是提高数据治理的效率，工具往往与组织、系统和流程相辅相成。它将我们的数据治理咨询成果落地到平台上，确保数据治理活动的正常运行，不断提高企业的数据管理能力。

　　数据治理误区二：开展数据治理前必须启动正式项目。

　　错了，事实上，无论是it部门还是业务部门，只要今天制定了一个与数据相关的系统或据相关的系统或流程，这都是在进行数据治理。例如，技术部门规定，在核心系统中，客户号码只能用ID来表示，这实际上是一个数据标准。事实上，数据治理的门槛并不高。许多部门甚至团队都有这样的数据规范，这些规范可以在一段时间内发挥良好的积极作用。

　　我谈论这个误解的目的是告诉你不要害怕数据治理，数据治理的门槛并不像我们想象的那么高，每个人都可以做一些有利于数据积极发展的工作。但当我们进行大规模的数据治理时，我们仍然应该启动一个项目，结合企业的战略规划、业务需求、市场发展等因素，制定合理的数据治理实施路径。

　　数据治理误区三：发现数据质量问题，然后呢？

　　这个问题的根本原因是没有形成数据质量问责的闭环。要实现数据质量问题的问责，首先要确定数据质量问题的责任。责任确定的基本原则是：谁生产，谁负责。数据来自谁，谁负责处理数据质量问题。责任确定后为问责，问责后为整改和反馈，然后是新一轮质量问题评估，直至形成绩效评估和排名。只有形成这种闭环工作，才能真正提高数据质量。