人力资源的数据治理项目是较为典型的需要业务与技术相结合的治理场景。作为人力资源从业者，数据治理到底在“治”什么？人力资源的数据治理又有何侧重？为何通常“治”数据的主要精力都会聚焦于“治”业务？这些问题都是人力资源数字化转型过程中，在数据价值实现的路径需要深入思考的问题。
一、治什么
作为从公司层面提出数据治理的概念的先驱者，IBM将数据治理定义为通过不同的策略和标准提高组织数据的可用性、质量和安全性。国际数据管理协会（DAMA）给出的定义是对数据资产管理行使权力和控制的活动集合。对于人力资源部门，简单来说，为了实现数据价值，需要对企业人力资源数据实施一套管理行为。在解释数据治理的概念时，超市商品管理会是一个比较形象直观的类比，人力资源在数据治理的工作同样也可以做如下的类比：
通常人力资源数据治理的项目会同时伴随着大量的业务治理，在这个过程中离不开对岗位、员工等主数据的标准整理以及选用育留等流程规范的梳理。狭义上的数据治理工作，会更加关注数据本身，其目标就是推进数据资源的整合与协同共享，提高数据治理，并确保数据在存储及使用过程中的安全性。
而广义上的数据治理，需要关注数据完整的生命周期，在这个过程中涉及到的业务、技术、管理工作，也都会被归入数据治理的范畴，包括业务定义与流程梳理，数据采集、存储、处理、分析应用，数据标准整理，数据质量方案设计与安全策略规划等，都是需要进行治理的工作。
二、谁来治
数据治理是一个综合性的项目，需要技术部门和业务部门的共同参与，任何一方的缺失都无法确保良好的项目结果。在人力资源数据治理的过程中，是由人力资源自己来牵头，还是由技术部门或者企业数据中心牵头，也取决于治理项目的需求和业务应用场景。
技术部门：在数据治理项目中，技术部门可以负责制订数据治理的规范和标准框架，推动数据治理的实施和应用。如果由技术部门进行项目牵头，其优势在于其更了解数据治理的落地实现，从而能够更好地制定数据治理的整体规划及路径。此外，由于技术部门通常能够深入的了解各个部门的数据工作内容，可以更好地协助人力资源部门与其他业务部门的协同工作，从而提高数据治理的整体效果。不过技术部门牵头数据治理项目也存在一定的挑战，例如规划和执行中可能会涉及到过多的技术方案和业务流程，导致项目实施的复杂度和难度增加，与此同时技术部门也容易缺乏对具体业务细节的了解，难以充分覆盖业务部门的一些专项需求。
业务部门：作为业务部门，人力资源部门在数据治理项目中可以负责提出业务需求和数据治理项目的实施目标。由人力资源部门进行项目牵头，能够基于对自身的数据业务场景的全面了解,更好地掌握业务流程和数据治理的实践，使数据治理与业务流程进行深度结合，实现数据治理在业务领域的最佳实践效果。当然，由人力资源部门牵头数据治理项目同样也存在一定挑战，例如业务视角会更局限于部门自身的应用场景，对于集团或企业层面的数据架构缺乏整体性的考虑，同时也会更侧重功能性的落地实现，不容易在实施成本和实施结果中形成最佳的平衡。
综上所述，技术部门和业务部门在数据治理项目中有各自的优势和侧重，可根据企业实际情况和业务场景来确认具体的牵头角色，在项目过程中充分发挥各自优势，共同推进数据治理项目的开展与执行。 三、怎么治
人力资源数据治理项目高度绑定自身业务，具有典型的特殊性、难点和重点，项目执行过程中也会投入大量工作成本进行流程梳理、业务确认，标准制定、架构设计，质量管理等治理工作内容。所以非常有必要对人力资源数据治理的内容有一个全面的掌握。
01人力资源数据治理的特殊性
在选用育留的全流程中，企业有着大量的各项制度和流程来确保人力资源工作的正常推行，这也必然造成了人力资源数据的多样性和复杂性。与此同时，各类员工信息，薪酬数据，乃至一些特殊企业涉密的人才信息，都对人力资源数据的安全性和隐私保护的工作提出了非常高的要求。此外，人力资源数据无论是个人填报还是事务工作中的数据收集，很多情况也只能依赖手工的录入和更新，那么数据的及时性和准确性的问题也会被重点关注。
02人力资源数据治理的难点
在中智对人力资源数据治理难点的调研中可以看出，尽管大部分企业都已着手进行EHR和相关数据基础设施的建设，但受限于自身业务复杂性及一些数据合规方面的限制，数据仍然很难进行体系化的管理。大量线下数据缺乏合适的方式进行入库，数据质量，数据标准和协同工作能力都很大程度上的制约了企业的数据应用效率。
03人力资源数据治理的重点
从中智人力资源数据治理重点的调研我们也发现，如何实现数据协同共享是治理工作的重中之重，也是降低数据使用成本，最终实现数据价值的核心基础。此外，项目中各类标准规范的梳理于建设的内容也不容忽视。一套成熟完善的人力资源主数据标准也是能够有效进行数据协同互通的前提。对于整体层面需要完整进行数据服务能力建设的企业或集团来说，人力资源数据标准和制度流程的建设也是数据治理项目中需要投入大量工作的内容。
