“數據治理那點事”系列之一：那些年我們一起踩過的坑

大數據時代，數據成為社會和組織的寶貴資產，像工業時代的石油和電力一樣驅動萬物，然而如果石油的雜質太多，電流的電壓不穩，數據的價值豈不是大打折扣，甚至根本不可用不敢用，因此，數據治理是大數據時代我們用好海量數據的必然選擇。

但大家都知道，數據治理是一項長期而繁雜的工作，可以說是大數據領域中的臟活累活，很多時候數據治理廠商做了很多工作，客戶卻認為沒有看到什么成果。大部分數據治理咨詢項目都能交上一份讓客戶足夠滿意的答卷，但是當把咨詢成果落地到實處的時候，因為種種原因，很可能是另一番截然不同的風景。如何避免這種情況發生，是每一個做數據治理的企業都值得深思的問題。

cdn.xitu.io/2019/7/24/16c2292f15f1b496?w=865&h=487&f=jpeg&s=54959">

筆者涉獵大數據治理領域有6年多的時間，負責過政府、軍工、航空、大中型制造企業的數據治理項目。在實踐當中有過成功的經驗，當然也經歷過很多失敗的教訓，在這些過程中，我一直在思考大數據治理究竟是在治理什么？要達到什么樣的合理目標？中間應該怎么避免走一些彎路？今天就借這個機會跟各位分享一下我曾經趟過的坑，希望對大家有一些借鑒意義。

誤區一：客戶需求不明確

客戶既然請廠商來幫助自己做數據治理，必定是看到了自己的數據存在種種問題。但是做什么，怎么做，做多大的范圍，先做什么后做什么，達到什么樣的目標，業務部門、技術部門、廠商之間如何配合做······很多客戶其實并沒有想清楚自已真正想解決的問題。數據治理，難在找到一個切入點。

誤區二：數據治理是技術部門的事

數據問題產生的原因，往往是業務>技術，如：數據來源渠道多，責任不明確，導致同一份數據在不同的信息系統有不同的表述；業務需求不清晰，數據填報不規范或缺失，等等。很多表面上的技術問題，如ETL過程中某代號變更導致數據加工出錯，影響報表中的數據正確性等，在本質上其實還是業務管理的不規范。

我在與很多客戶做數據治理交流的時候，發現大部分客戶認識不到數據質量問題發生的根本原因，只想從技術維度單方面來解決數據問題，這樣的思維方式導致客戶在規劃數據治理的時候，根本沒有考慮到建立一個涵蓋技術組、業務組的強有力的組織架構和能有效執行的制度流程，導致效果大打折扣。

誤區三：大而全的數據治理

出于投資回報的考慮，客戶往往傾向于做一個覆蓋全業務和技術域的、大而全的數據治理項目。從數據的產生，到加工、應用、銷毀，數據的整個生命周期他們希望都能管到。從業務系統，到數據中心，到數據應用，里面的每個數據他們希望都能被納入到數據治理的范圍中來。

但殊不知廣義上的數據治理是一個很大的概念，包括很多內容，想在一個項目里就做完通常是不可能的，而是需要分期分批地實施，所以廠商如果屈從于客戶的這種想法，很容易導致最后哪個也做不好，用不起來。所以，我們需要引導客戶，遵循2/8原則——80%的問題產生于20%的系統和數據——從最核心的系統、最重要的數據、最容易產生問題的地方開始著手做數據治理。

誤區四：工具是萬能的

很多客戶都認為，數據治理就是花一些錢，買一些工具，認為工具就是一個過濾器，過濾器做好了，數據從中間一過，就沒問題了。結果是：一方面功能越做越多，另一方面實際上線后，功能復雜，用戶不愿意用。

其實上面的想法是一種簡單化的思維，數據治理本身包含很多的內容——組織架構、制度流程、成熟工具、現場實施和運維——這四項缺一不可，工具只是其中一部分內容。大家在做數據治理最容易忽視的就是組織架構和人員配置，但實際上所有的活動流程、制度規范都需要人來執行、落實和推動，沒有對人員的安排，后續工作很難得到保障。建議大家在做數據治理的時候將組織架構放在第一位，有組織的存在，就會有人去思考這方面的工作，怎么去推動，持續把事情做好，以人為中心的數據治理工作，才更容易推廣落地。

誤區五：數據標準難落地

很多客戶一說到數據治理，馬上就說我們有很多數據標準，但是這些標準卻統統沒有落地，因此，我們要先做數據標準的落地。數據標準真正落地了，數據質量自然就好了。

但這種說法其實混淆了數據標準和數據標準化。首先要明白一個道理：數據標準是一定要做的，但是數據標準化，也就是數據標準的落地，則需要分情況實施。后續會有一篇專門的文章，來討論數據標準和標準化工作。

誤區六：數據質量問題找出來了，然后呢？

辛辛苦苦建立起來平臺，業務和技術人員通力合作，配置好了數據質量的檢核規則，也找出來了一大堆的數據質量問題，然后呢？半年之后，一年之后，同樣的數據質量問題依舊存在。

發生這種問題的根源在于沒有形成數據質量問責的閉環。要做到數據質量問題的問責，首先需要做到數據質量問題的定責。定責的基本原則是：誰生產，誰負責。數據是從誰那里出來的，誰負責處理數據質量問題。定責之后是問責，問責之后是整改和反饋，然后是質量問題的新一輪評估，直至形成績效考核和排名。只有形成這種工作閉環，才能真正提升數據質量。

誤區七：你們好像什么也沒做？

很多數據治理的項目難驗收，客戶往往有疑問：你們做數據治理究竟干了些啥？看你們匯報說干了一大堆事情，我們怎么什么都看不到？發生這種情況，原因往往有前面誤區一所說的客戶需求不明確，誤區三所說的做了大而全的數據治理而難以收尾等，但還有一個原因不容忽視，那就是沒有讓客戶感知到數據治理的成果，可以在成果的可視化呈現，以及平常與客戶的溝通、培訓、知識轉移等過程中，就數據治理的重要性、發揮的價值等方面對客戶進行潛移默化的影響。

【總結】

在激烈的市場競爭下，大數據廠商提出來數據治理的各種理念，有的提出覆蓋數據全生命周期的數據治理，有的提出以用戶為中心的自服務化數據治理，有的提出減少人工干預、節省成本的基于人工智能的自動化數據治理，在面對這些概念的時候，我們一方面要對數據現狀有清晰的認識，對數據治理的目標有明確的訴求，另一方面還要知道數據治理中各種常見的誤區，跨越這些陷阱，才能把數據治理工作真正落到實處，項目取得成效，做到數據更準確，數據更好取，數據更好用，真正地用數據提升業務水平。

作者簡介：蔣珍波， 6年+大數據治理經驗，擅長為客戶提供科學合理的數據治理解決方案。曾先后供職于東南融通、軟通動力、普元信息等公司，負責過數據倉庫建設、BI、大數據平臺、數據治理等售前咨詢等工作，有政府、電力、制造業等行業經驗。目前在數瀾科技擔任大數據平臺售前咨詢工作。