从数据字典来看，数据治理该怎么做？

凌晨两点，数据团队还在为“用户活跃度”吵得不可开交。

分析师说：“活跃用户就是7天内登录过的人”，

后端开发翻出数据库表结构怼回去：“登录日志表只存最近30天的记录，你说的7天逻辑根本跑不了”。

运营同事插了句嘴：“我们后台算活跃用户，还得加上消费行为呢，你们技术文档里怎么没写？”

估计90%的数据团队都遇到过这种事。表面看是大家对指标的理解不一样，其实是数据字典没起作用——这个被大家叫做“数据库说明书”的东西，早就跟不上业务变化了。

数据治理喊了这么多年，为啥总在执行上卡壳？

说白了，很多人光盯着ETL流程、数据质量监控这些看得见的活儿，却忘了最底层的“数据语言”。数据字典才是数据治理的根基，所有治理动作都得从这儿开始。

一、数据字典到底是啥？

要搞懂数据字典的价值，得先看看它是怎么来的：

20年前，

• 企业用Excel管数据，字段名可能是“A001”“客户姓名”；
• 上了ERP系统，表结构变成“CUST_NAME”“LAST_LOGIN_DT”；
• 后来数据中台上线，又多了“用户分群标签”“行为事件编码”……

说白了，数据字典就是为了解决“数据语言不通”的问题：

• 技术人员用“DT”表示日期类型，业务人员得知道这对应“交易日期”；
• 后端存的是“USER_LEVEL=3”，前端得明确这是“黄金会员”。

但现实中，很多企业的数据字典成了“摆设”：

• 技术团队写字段注释，就只写“用户标识”，但不说明这到底是手机号、设备ID还是会员ID；
• 业务团队新增了“高净值客户”标签，却不更新到字典里，分析师取数时只能瞎猜；
• 跨部门协作更头疼，销售说的“订单金额”含税费，财务说的“订单金额”不含税费，但字典里就写个“订单总金额”，谁也不知道该按哪个来。

数据治理的核心问题，从来不是技术不够强，而是业务和技术对“数据到底是啥”没达成一致。

所以我总说，数据字典不是单纯的技术文档，是双方的“约定”：

• 技术团队按约定存数据，
• 业务团队按约定用数据，

治理的所有动作，都得围绕“守住这个约定”来做。

二、数据字典的四个核心部分

一份能用的数据字典，至少得包含四个核心部分：

哪部分缺了或者说不清楚，数据治理肯定推不下去。

下面，咱们一个个说：

1. 业务定义：先搞清楚“这数据到底是啥”

之前找我咨询的一家零售企业，“复购率”指标总出错，后来一查才发现：

• 业务部门说“复购是90天内买2次以上”；
• 技术团队按“30天内买2次以上”开发的；
• 数据字典里就写了“复购率=复购用户数/总用户数”，没说清楚时间多久、买几次才算。

这就是典型的“业务定义没说透”。

所以数据字典里的业务定义，必须说清三个事：

治理的时候，就得建个“业务术语库”：

每个数据字段都得关联具体业务场景，让业务负责人和技术负责人一起确认口径。

2. 技术规格：明确“这数据该怎么用”

技术规格这部分，最容易被忽略，但直接影响数据能不能用。

它必须说清楚这些：

• 数据类型：字段是字符串（VARCHAR）、数值（INT）还是日期（DATE）？
• 长度/精度：字符串最多能存多少字符？数值保留几位小数？比如“手机号”得是11位，“金额”得保留2位小数，这些都得明确；
• 存储方式：是分区表还是全量表？是增量更新还是全量覆盖？比如日志表按天分区，订单表按小时增量，这些规则也得写清楚。

治理的时候，就得在元数据管理工具（比如Apache Atlas、阿里DataWorks）里，强制要求填技术规格。

而且开发人员建表时：

必须选好字段类型、长度这些，别等到数据乱了再治理，那可就麻烦了。

具体怎么做？

可以借助数据集成与治理工具FineDataLink，通过 RFC 接口调用 SAP 系统内已经开发好的函数、「选表」，将数据取出。取出后的数据进行数据开发后落库，可以使用「数据转换」中的「SAP ERP输入」。也可以直接落库，使用「数据同步」即可。

3. 值域标准：从源头保证“数据质量”

值域标准其实是数据质量的第一道关口，得说清楚：

• 枚举值列表：这个字段能填哪些值？比如“性别”，只能是'M'/'F'/'未知'，不能填'先生'/'女士'；
• 校验规则：数值有没有范围限制？比如“年龄”，得在0到150之间，总不能出现负数或者几百岁吧；
• 默认值定义：没输入的时候用啥填充？比如“注册渠道”没填，就默认写'未知'，别空着。

治理的时候，就得建“值域字典表”：

用数据库约束（比如CHECK约束）或者ETL规则，把不合规的值拦下来。

就拿电商的“商品类目”来说：

必须关联到一级、二级类目编码，不能让大家随便输入，不然肯定乱。

4. 血缘关系：数据出问题了，知道“找谁问”

血缘关系就像数据的“家谱”，得说清楚：

• 上游依赖：这个表的字段来自哪些库表？比如“用户标签表”里的“消费频次”，是从“订单表”的“订单时间”和“用户ID”算出来的；
• 下游应用：这个表被哪些场景用了？比如“会员等级表”，营销系统、客服系统、数据分析平台都在用；
• 变更影响：改了字段名或者类型，会影响哪些下游？比如删了“用户手机号”字段，短信营销任务可能就全废了。

治理的时候，通过FineDataLink可以通过解析SQL日志、ETL任务配置等，自动采集血缘关系，并且可视化展示出来。

这样数据出问题时：

能快速找到“问题字段→影响表→下游应用”的链路，把排查时间从几小时缩到几分钟。

三、从数据字典到数据治理，三步就能落地

数据字典不是建一次就完事的，得跟着业务变，一直维护。用过来人的经验告诉你，数据治理的落地可以分三个阶段：

1. 先“扫雷”：把数据字典的基础补全

如果企业数据基础比较差，第一步就得“抢救式”梳理现有数据：

• 用元数据扫描工具，自动把数据库表结构、字段注释这些信息采出来；
• 组织业务、技术、运营一起开会，把GMV、DAU这些常用指标的业务定义和技术规格对齐；
• 对那些值域乱的字段（比如“用户等级”“商品类目”），赶紧定统一的编码规范，比如一级类目用2位数字，二级用4位。

关键是得设个“数据字典管理员”：

可以让数据治理专员兼任，他负责审核新增或修改的条目，确保符合规范。

2. 再“固化”：让数据字典融入日常工作

数据治理做得好的企业，都是让规范成了习惯。把数据字典放进数据生产的全流程，就能从“被动维护”变成“主动治理”：

• 开发阶段：建表时必须填业务定义、技术规格，不然ETL任务提交不了；
• 变更阶段：要改字段名、类型，得写清楚“为啥改”“会影响哪些下游”，还得走审批，通知相关的人；
• 使用阶段：分析师取数前，必须看数据字典确认字段口径，不然算出来的结果不认。

关键是在数据开发平台里，加“数据字典校验”的规则。没填必要信息的任务就不让运行，从技术上逼着大家按规范来。

3. 最后“增值”：让数据字典帮企业盘活数据资产

等数据字典完善了，它就不只是“治理工具”了，还能变成“资产工具”：

• 数据搜索：业务人员搜“高净值用户”，就能直接找到对应的字段（比如'user_level=3'）和技术表（比如'customer_info'）；
• 数据定价：根据数据字典里的血缘关系和值域复杂度，评估数据值多少钱。比如经常用的核心指标表，肯定比临时日志表值钱；
• 数据创新：看看数据字典里哪些字段被调用最多、哪些表经常一起查，找到有价值的数据链路，指导后面开发数据产品。

关键是把数据字典和数据资产目录打通：

• 业务人员能通过“业务术语”找数据，
• 技术人员能通过“技术规格”定位表结构，

真正做到“找数不难、用数不乱”。

总结

回到开头对“活跃用户”的争吵，问题根本不在技术，而在这几点：

• 业务方觉得“活跃”是“有行为”，技术方觉得是“登录过”；
• 运营加了“消费”这个条件，却没写到数据字典里；
• 跨部门干活，没有统一的“数据语言”。

说白了，数据治理的本质，就是通过完善数据字典，让全公司对数据有共识。

——技术知道业务要啥，业务知道数据从哪来，所有人都用同一套“数据语言”协作。

所以真别把数据字典当成“应付检查的文档”。

它是数据治理的起点，是业务和技术的约定，更是企业数据资产的底子。你把数据字典写清楚、用起来、管到位了，数据治理的那些麻烦事儿，自然就少了。

毕竟，再复杂的技术问题，最后都是“人”的共识问题——而数据字典，就是解决这个问题最实在的工具。