数据治理的动态螺旋

  • 2022-04-06

  • 来源: ITM智能商业操作系统

我在之前为什么要进行数据治理?的章节中,有谈到:“如果说企业的数字化是给线下的企业实体打造了一套线上的、同步的数据镜像的话。那么数据治理,就是针对这个线上数据镜像的全方位管理。

 

回到我们医药流通企业,我们该怎么做数据治理呢?我们既不能仅仅做狭义的数据质量管理而无法赋能我们的主营业务,又不能深入到广义的数据治理体系而耗费巨资且掣肘主营业务。该做到数据治理体系的哪一步,完全得看我们企业的发展程度和当前的主要矛盾;脱离实际情况来谈数据治理,那本身就不符合数据治理的严谨务实原则。”

 

图片

 

人类在过去150年里取得的技术进步比在之前2000年里取得的还要多,由此产生的数据更是海量的。据大数据白皮书中统计,全世界在2020年创建、捕获、复制和消耗的数据总量为59ZB(泽字节),相当于59万亿GB,预计到2025年将达到令人难以想象的175 ZB。

 

数字化转型的大背景下,数据好比企业的“石油”,是新的最有价值的生产资料;而对海量的大数据进行有效的、高质量的治理,才能将数据这个“原油”转变为有价值的、有质量的数据“石油”,从而更好地释放数据价值,助力企业数字化转型和高质量发展。

 

数据治理,狭义上讲,就是指对数据的质量进行管理,聚焦于数据本身;广义上讲,数据治理是对数据的全生命周期进行管理,包括标准的建立、数据的获取、清洗、存储、加密、脱敏、转换、开发、应用、服务等各个环节,是围绕整个数据全生命期而展开的活动。

 

数据治理的这些过程都会耗费大量精力和时间,是有成本的;在我们的工作当中,数据无处不在,数据伴随着企业的发展随时随地、无时不刻都在产生。对企业来讲,有很多数据是无关企业重大利益的数据,或者是非常低频次使用的,是没有治理的必要的。数据治理的对象必须是重要的数据资源,是关乎企业重大商业利益的数据资源,这样的数据资源可以称其为“数据资产”。更准确点来讲,数据治理不是对“数据”的治理,而是对“数据资产”的治理。

图片

 

确定了数据治理的具体对象,如果治理的时间节点选择不对、岗位选择不对、方式选择不对,都会导致重复或冗余的人力工作,不但数据治理的结果无法保证,企业还要为此承担巨大的成本。因此,事先确定一个具体的处理流程,明确数据治什么、在哪治、让谁治、怎么治,才可以在企业的数字化转型和内部治理成本之间,找到一个最优解。

 

1)治什么

数据治理的对象是当前或可预见的未来,能够成为企业“数据资产”的数据。

 

图片

 

"数据资产“作为企业新的生产要素,其对传统的生产要素重组的不同程度,决定了企业数字化转型的不同水平和阶段。因此,我们得从实际出发,来看看我们企业当前是处于L1~L5的哪个阶段?并基于当前实际情况,来看能够定义为”数据资产“的原始数据有哪些,从而加以治理。

 

举个例子:上下游客户的市场画像数据,对于L3以上的企业,就是需要治理的原始数据且能够成为数据资产并驱动企业业务发展的;但对于L1的企业,去做这样的数据治理,其产生的治理成本是远远大于收益的,即使这个企业会低频次的使用这样的数据。

 

管理具有艺术性和科学性两个属性,不同的管理者,在做同一个决策时,所需要参照的数据资产也有可能是因人而异的;但不同的决策参照,会带来不同的数据治理成本;即使决策的最终效果一样,但因成本不同,给企业带来的直接收益也是不同的。我们在做任何事时,都应该有成本概念,包括决策本身。因此,我认为,决策的过程(决策需要依托数据资产,因此,在很多公司,决策的过程就决定了数据资产的定义范围),应该按照达成共识的标准来执行,该标准描述了谁能根据什么信息,在什么时间和情况下,用什么方法,采取什么行动或决定。

 

2)在哪治

Garbage in,garbage out,数据的治理理所当然的应该在源头就开始治理。

图片

 

 

3)让谁治

数据的生产者是企业内伴随业务交易的人或组织,生产数据的人或组织不一定是拥有数据的;数据的拥有或控制者,在很多企业会被确定为信息部。生产者、控制者、使用者的分离,往往会导致数据治理沦为各方推诿的一个三角债。因此,明确数据从哪里产生,并约束、规范产生数据岗位的工作标准,才可以让数据治理工作的成本降到最低。

 

图片

 

4)怎么治

“分布式人工+集中智能校验+非结构化智能” 形成完整的数据治理技术体系。具体可参照下图,其中多处会用到OCR识别及EIPS推送等。

 

图片

 

数据治理是一个动态的工作,永远会发生已有数据错误、不准、精细度不够、数据资产范围需要扩大的情况,这是非常正常的。数据治理是一个螺旋上升的工作,需要不断的迭代和优化。数据治理更不能一蹴而就,需要建立起长效的持续运营机制,要将数据治理变成企业的一种机制、一种习惯,而数据治理每一次的迭代优化,都是企业数字化转型向更高阶的一次迈进。

  • CIO
  • CDO
  • IT
  • 观点
  • IT/互联网
  • 数据治理

推荐

我要评论