“数据治理”这个10多年前就已经出现的名称,在最近这几年时间一下子火了起来。不知何时,江湖中流传出了:“数字化转型、治理先行”的说法。 数据治理体系,数据治理包括哪几个方面,大数据治理,数据治理方案  于是乎,我们看到:不仅是传统提供数据仓库、BI、主数据管理、元数据管理、数据集成等数据服务的软件供应商在说数据治理,阿里腾讯等互联网公司,大型国企也都在谈数据治理,很多企业都将数据治理作为数字化战略的一项必要举措,列入了企业的战略行动计划。 在众多谈论数据治理的企业或个人中,笔者发现大家对数据治理有着一个普遍的共识,那就是:“数据治理说起来容易,做起来难”!

一、为什么要做数据治理,真的想透了吗?

在做数据治理咨询的过程中,经常会遇到以下对话场景: 请问你们为什么要做数据治理? 常见回答:我们要建立数据标准,提升数据质量,实现数据资产统一管理。 接着问:为什么要建立数据标准、提升数据质量,不做会怎样? 常见回答:数据质量问题比较多,无法提供准确的数据报表,影响业务效率,无法支撑企业的数字化转型。 再次问:都影响到了哪些数据报表、哪些业务? 常见回答:XX报表不准确、统计口径不一致、系统之间数据孤岛,数据集成困难……吧啦吧啦…… 接着追问:为什么会造成数据报表不准确,口径不一致,系统集成难? 常见回答:因为数据标准一致,数据源的数据质量差。 数据治理体系,数据治理包括哪几个方面,大数据治理,数据治理方案  我们仔细分析这样的调研结果是浮于表面的,围绕数据的问题在原地打转,没有将为什么要做数据治理真正想透。 因此数据治理的第一步不是分析数据问题,而是分析业务问题,找到企业的核心业务诉求,定义数据治理的目标和范围。

二、数据治理不是什么高大上的东西,基本是脏活、累活!

数据治理很火,在DAMA 数据管理知识体系指南中,数据治理位于数据管理“车轮图”的正中间,是数据架构、数据建模、数据存储、数据安全、数据质量、元数据管理、主数据管理等10大数据管理领域的总纲,为各项数据管理活动提供总体指导策略。 数据治理体系,数据治理包括哪几个方面,大数据治理,数据治理方案  谈到数据治理,我们经常讲它是一个涉及到企业战略、组织架构、数据标准、管理规范、数据文化、技术工具的一个综合体。没有数据治理实践经验的,一定会认为:哇,数据治理好“高大上”呀!又是战略、又是标准、又是文化的,听起来很高深吗! 然而,只有你真正做过数据治理人才知道:数据治理不仅都是苦活、累活,还是个受累不讨好,经常背锅,领导看不见价值的活。 数据治理过程中,有时候是不被理解的。数据治理是个地基性工程,人们看到的永远是数据应用的“高楼大厦”,数据治理团队天天忙忙碌碌的,领导也不知道“这伙人”到底都在干啥?但是,只要数据出现问题,第一个被问责的就是数据治理团队。

三、做了数据治理,为什么数据质量依然很差,咋办?

我们公司两年前就做了数据治理,建立了数据治理平台,元数据管理、数据质量管理等功能都有了,但是我们的数据质量问题还是很多,导致建设的BI系统基本都没人用,请问有什么好的方式解决? 这个问题,我没有答复。原因是数据质量差、BI用不起来,这个问题虽然常见,但是10家有相同问题的企业中,有9家的原因是不一样的。在没有经过详细调查,不了解具体背景的情况下,不敢贸然给出建议。 做过了数据治理,企业的数据质量就一定能提升吗?其原意是要问:上过了数据治理系统或实施了数据治理项目,为什么还会有数据质量问题。 这个问题很复杂。正如上文中的项目型数据治理,点到为止,治标不治本。 数据治理体系,数据治理包括哪几个方面,大数据治理,数据治理方案  有的企业认为数据治理就是上一套强大的数据治理平台,只要平台功能强大,就能管好数据,这恰恰是陷入了另一个误区——唯工具论,岂不知数据治理的本质是管理数据,而不是管理程序、脚本和任务。 另外,还有很多企业是出现了数据问题,并且对业务造成很大影响之后才去进行治理的——被动式治理,失去了治理数据的主动权,常常是解决了一个问题又引出了更多的问题。

四、数据治理之道是什么,要怎么做?

数据治理需要体系建设:为发挥数据价值需要满足三个要素:合理的平台架构、完善的治理服务、体系化的运营手段。 数据治理不是一蹴而就的,它是一个漫长而持续的过程,没有一针顶破天的诀窍,也没有立竿见影的途径。只有将数据治理变成一种常态化机制,就如同我们每天吃饭、睡觉一样,形成一种习惯、一种文化、持之以恒、不忘初心、不懈努力,才能达到预期目标。

比如,目前主流的软件——FineDataLink,它小到数据库对接、API对接、行列转换、参数设置,大到任务调度、运维监控、实时数据同步、数据服务API分享,应有尽有,功能很强大。最重要的是,因为这个工具,整个公司的数据架构都可以变得规范。而且它是java编写的,类流程图式的ETL开发模式,上手都很简单:数据对接、任务复用简直都是小case,大大降低了数据开发的门槛。在企业中被关注最多的任务运维,FineDataLink大运维平台,支持文件夹式开发模式,报错任务可一键直达修改,报错优化清晰易懂;通过权限控制,保障系统安全。

fdl-免费试用

用FineDataLink串联您的企业数据,数据成为生产力

加入标杆客户阵营,分享您所在企业的数据故事