數據治理，即為了提升數據質量，我們需要從指標、人、工具、數據源四方面著手。在我看來，指標治理是最顯性也是最優先的。以指標治理為核心（這是決策層最有體感的部分），才能形成從上至下的壓力，進而將人的意識和習慣、工具的應用和維護、數據源的擴展和萃取三部分的工作可持續地做好。所謂“由上推下”。
又一個大前提需要說明：指標治理是有范圍的，并不能武斷地進行全公司或者全事業部的指標統一；建議是先在具體部門或者業務線中，做好指標治理工作，進而尋求更大范圍統一的可能性。所謂“由小及大”。
指標治理的步驟說明
首先，我們追求指標的同名同義。從兩個方面來達成：
第一，當我們遇到兩個相同名稱的指標，數值卻不相同時，需要做檢查，若是計算錯誤就及時修正，若是口徑不同，則將兩個名稱區別開，記住一定要規范命名（規范命名的方式在下一篇中會說明）；
第二，當我們在做數據產品或者研究時，需要定義某種指標的時候，要優先與現有的指標進行對照，如果重疊，在不產生理解歧義的情況下，繼承現有指標命名；若繼承名稱不合適或者不存在類似的指標，則采用規范的命名方式，將自己所使用的指標與現有的指標區別開。
當然，在同名同義階段，有一種最討巧而實用的方式，就是都按命名規范，先定義成與其他指標不同名字，并在產出結果中給出詳細的口徑說明。
接著是同義同名。在這個過程中，需要由指標治理的負責人，有規律地對各業務人員和分析師在使用的指標進行遍歷檢查。發現有計算口徑或者業務含義相同或接近的指標，進行名稱上的整合。需要非常注意，并不是所有意義相同或者相近的指標都要整合，我們千萬不能一根筋做事情。比如完全處在兩個業務線或者兩種主題下的指標，就沒有必要非得統一成一個名稱。這反而導致本業務線內的指標名稱體系的混亂。
最后，是追求異名異義。為什么說“追求”？因為這個狀態只要去接近就可以，而沒必要真的達到。我們真正要達到的是“不存在同名異義，而存在異名同義”。
指標治理的必要條件
首先是人的意識。不管是管理者、決策者還是執行者，都要具備數據質量意識，在日常接觸數據產出時，腦中始終有所“戒備”，養成“遇數三問”的好習慣。
其次，需要有指標維護的工具，可成為指標平臺的工具，由指定人員進行管理和維護。在這個工具上，數據使用者能方便的查閱具體指標的名稱、計算口徑、樣例代碼、負責人、變更歷史等信息。
接著，指標變更需要有一定的流程，尤其是如上篇所說的“評價流”中的指標。應該有一個上至決策層的審批流程，畢竟這是決策層重要的判斷依據。
最后，也是最重要的，分析師或者其他數據結果的生產者，一定要具備良好的習慣（也可以上升為職業素養）：
在任何數據產出中，一定標注規范的指標名稱、計算口徑。
在取數代碼或者分析代碼中，要有清晰的注釋來說明計算邏輯和字段定義。
當發現其他人的產出中，有忽視數據質量的情況時，一定要給予當事人和數據使用方提醒；必要的時候向上反饋。
