CMDB似乎是运维中永恒的老话题，数据质量问题甚至被称作运维人的耻辱，关系到整个项目命运成败。数据不准，常被其他部门当做投诉对象或者消极配合的借口，身在其中的项目团队往往成为背锅侠，经常要凭一己之力对抗整个组织或流程，深感无助。很多公司上了配置审计制度却发现难以考核下去，另外更新不及时、配置自留库、操作复杂、用户抵制情绪，诸多问题挥之不去。许多项目半死不活没有生命力，处于失败的边缘。

CMDB建设为何会失败，很重要原因就是数据不准：

1、数据不准在企业里面就是一个恶性循环，因为数据不准，大家不用，导致数据消费的少，更加不准，CMDB越来越边缘化。虽然有自动发现，但解决不了所有问题；

2、真实的运维工作比我们想象的复杂，总有无法标准化、自动化的地方，运维人员作为一线人员，了解这些细枝末节的需求，但是却没法标准化到CMDB中；

3、总会有一些特例，在运维工作中不断冒出来，CMDB的研发是滞后的，总不能因为CMDB没有这个功能，他们就不运维。

网上各类交流总结很多，各种最佳实践比如场景消费、应用驱动，道理似乎都很对，一旦落地却发现理想与现实间存在巨大差距。CMDB的数据治理和业务领域的数据治理有没有相同的逻辑？数据治理的本质是什么？会不会解决问题的起点就错了？有没有合适的抓手？等等一系列问题。 twt社区特别邀请嘉宾：张宏豪，现就职于中国人寿数据中心总控室技术处，负责IT架构和技术标准规范管理。多年来一直负责公司CMDB项目建设推广和运营工作。 嘉宾根据自身企业的应用经验，原创分享：大型保险企业应用CMDB平台建设的实践经验  。  

这次答疑的重点围绕企业的CMDB数据为何会不准？应该如何通过数据治理来进行解决这个难题。以下为本次探讨CMDB数据治理中的几个问题参考：

1．  如何从数据类型和过程拆解数据治理的逻辑，分而治之？

2．  何谓数据治理的水池模型？

3．  场景和流程设计有那些技巧？

4．  如何说服老板和其他部门重视数据治理，避免不必要的背锅？

5．  如何让数据审计更有成效？如何提高数据错误成本？

参与要点：  大家可以在活动时间之前结合本次答疑的重点及范围在本活动平台在线进行提问，嘉宾会在活动时间内挨个线上给与进行详细解答回复。