2026全球数据管理峰会·政务和大型国企数据实践分论坛｜康桥新书《数据治理实战指南》正式发布

《数据治理实战指南》是康桥数据实战沉淀之作，基于 DAMA、DCMM 标准，以 “理采存管用” 构建治理作战地图，附带全套模板与人机协同案例，面向实施人员、管理者及 AI 协作团队，让治理工作落地有据可循。本书也在2026年全球数据管理峰会上正式发布。

康桥数据从3年前就开始打造“产品+培训+陪跑”相结合的赋能体系，目的是帮助客户建立持续开展数据治理的能力。

数据治理很像家庭清洁与收纳：一次整理并不能保持长久，只有持续维护，环境才能始终有序。数据治理同样如此——组织需要建立长期负责的团队，并通过培训与实践陪跑掌握方法，形成适合自身的实施路径，才能持续推进。

《数据治理实战指南》正是这一实践思路的进一步沉淀。

全书以DAMA数据管理知识体系和DCMM国家标准为理论基础，但更重要的是把这些理论转化为具体的方法和步骤，并配套提供模板和成果物示例，帮助读者一步一步完成实际工作。

全书的实施方法，可以总结为五个字：理、采、存、管、用。在此基础上进一步细化实施步骤，形成一张数据治理作战地图。

理：明确目标与实施基础。开展数据治理之前，需要明确为什么要做、由谁来做，以及组织当前的数据管理基础。这些问题决定了后续工作的方向，也是实践中容易被忽视的环节。

采：采集所需的数据。明确治理目标之后，把工作所需的数据采集到位，为后续的存储、管理和应用做好准备。

存：选择合适的数据模型并存储数据。根据实际需求选择合适的数据模型和存储方式，为后续的数据管理与使用提供基础。

管：持续开展数据管理。围绕元数据管理、数据标准、数据质量、主数据、数据安全等领域开展工作，持续完善数据管理。

用：让数据服务于业务。数据治理不是为了治理而治理，它本身不是目的，而是一种手段。通过数据治理，让数据更好地实现共享与应用、支撑实际业务，才是治理工作的落脚点。

全书共15个章节：前两章介绍数据治理的相关趋势和整体方法论，中间部分逐步展开具体实施步骤，最后通过六个场景，把前面介绍的方法串联起来做实战演练。读者既可以了解整体框架，也可以在实际工作中根据具体任务查阅对应章节，找到可以参考的方法。

分享中介绍了一个全链路销售数据分析场景，用来展示如何把书中的方法与模板用于人和AI的协同工作。

整个任务分为规划和执行落地两个阶段。

规划阶段，治理团队先利用业务系统梳理、业务流程梳理等模板开展线下调研，再结合AI工具进行分析与设计，形成相应的规划成果。

执行落地阶段，以第一阶段的规划成果为依据，由AI协助完成数据归集、数据清洗等具体工作，并最终形成可视化看板等成果。

在这个过程中，AI可以承担大量重复、繁琐的工作，但治理团队仍然需要重点做好两件事：第一，确认AI的执行结果是否正确；第二，确认最终成果是否真正满足业务需求、是否实现了相应的业务价值。

也就是说，AI可以参与具体任务的执行，但治理团队依然要对执行结果进行检查，并判断最终成果是否符合业务需求。

结合上述实践，数据治理的落地链路可以总结为三个要素：方法论、模板和工具。

方法论是地图。有了方法论，团队就知道具体要做什么、应该怎么做。

模板是弹药。通过清单、表格等材料，团队可以直接参考和使用，不必每次都从头准备。

工具是装备。前面的方法和模板，最终要融入实际的数据治理工作流程，才能用于具体任务的执行。

沿着这个思路，康桥数据也在探索：如何把书中的方法和模板，作为AI执行任务的依据与规范，让人类团队与AI协同开展数据治理工作。

对一线实施人员，这是一份手把手的落地手册，帮助大家开展具体工作。

对管理人员，这是一份治理检查清单，为工作检查提供参考。

对与AI协同工作的团队，这是一份AI执行任务时可以参考的知识库，为相关工作提供方法和规范。

希望通过这本书，帮助读者掌握数据治理的实施方法，让数据治理工作更有章法、更易落地。