数据生产力|数据治理,是不是一道“送命”题?( 二 )


数据孤岛,始终存在,员工想在公司里看到更多数据,成了一项情商测试 。
得看人品,看关系 。
两个部门之间,即便一个部门的老板批了,对方部门的老板批了,提供数据的方式可能还是发邮件或者U盘拷贝,十分落后 。
一些科技企业数据治理的主要“业绩”,就是促进跨部门的数据合作和使用 。
大部分传统行业企业还没有数据治理的意识 。
即使萌生了一星半点意识,其目标也只停留在合法合规安全管控不出乱子 。
甚至,不少传统企业连“促进跨部门数据使用”这个意识都没有 。
典型的数据技术部门是什么呢?
比如,美团的数据科学与平台部,京东零售下面的京东技术与数据中心,快手科技主站产品部下面的数据分析部 。
百度科技的大数据部,以前级别挺高,现在在百度AI技术平台体系内了 。
经过数据治理的一番努力,以前唯有数据技术部门能用的数据,会有更多的部门能用 。
以前用不了的数据,现在能用了 。
但是,好处也不是白来的,权利和责任是对应的 。
原来非数据部门、非技术部门没权利去管理,同时也没有义务去维护这些数据的质量 。
现在不一样了,有权利去用,也要有更大的责任,去维护数据质量 。
【数据生产力|数据治理,是不是一道“送命”题?】负责数据治理的团队,即使看到了“糟心问题”在某几个团队之间扯皮,也不能直接介入处理 。
要把问题整理成“共通的痛点”,先给决策层做提案,做建议,然后才有下一步 。
如此一来,很多数据治理问题,经年历久,拖成了“冤案” 。
短期还是依靠发邮件或者是U盘拷贝数据,如此这般,至少还能用上 。
有些公司被逼做“数据治理”的动力,也是启动数据治理的大背景,是数据质量存在问题 。
比如数仓的及时性、准确性、规范性,数据应用指标的逻辑一致性等问题 。
数据的质量影响到使用,不得不干 。
过去,企业内部开发的大部分数据系统,是为了解决某一个业务的问题而开发的 。
在开发数据系统的时候,并没有考虑到将来这部分的数据资产要用在别处(其他业务、其他系统、其他领域所用) 。
一段时间之后,别人用到这些数据的时候,不管从技术的性能,还是各种服务 SLA (服务级别协议)的角度来讲,可用性都较低 。
变化一定是越来越多的,比如说数据源从单一,变成了多个 。
从一朵云到多云 。
种类由关系型数据库为主,变成文档、图像、视频、声音、时间序列 。
比如REI是一个美国人喜爱的户外用品零售商,REI使用Tableau整合了来自75个数据源的数据,使得REI可以分析完整的客户体验 。
数据的使用从BI报表、看板、大屏,到ad-hoc商业分析、数据科学分析、机器学习应用 。
还有,原来以数据仓库为中心的技术栈相对简单,只需要管好ETL的过程、存储过程、查询引擎、可视化,就可以了 。
现在可好,技术栈爆炸式地增长,要管的东西掰着手指头数不过来 。
数据生产力|数据治理,是不是一道“送命”题?
文章图片

好的数据治理,能够让企业转身就获得新的商业模式 。
Huel这家代餐食品公司就是这么说的,而且他们还说能够以98%的准确率来预测一月份每天的销售量(该公司业务特点是预测一月份销量最难) 。
无论出于何种无奈,数据治理迟早要做,极少数走得快的,甚至用上了“超级智能化”服务 。

推荐阅读