很多年以前，企業(yè)每天都在想方設(shè)法，把手頭的數(shù)據(jù)用好。

錢來貨往，大數(shù)據(jù)和人工智能火起來之后，沉淀的數(shù)據(jù)一下子多了起來，如何管好+如何用好數(shù)據(jù)，成為大多數(shù)企業(yè)的難題。

數(shù)據(jù)發(fā)揮價值是近10-20年才有的概念，這就帶出了數(shù)據(jù)治理。

數(shù)據(jù)治理，是伴隨解決“糟心問題”而生的。

在數(shù)據(jù)開發(fā)的過程中，會冒出各種“糟心事兒”，五花八門(質(zhì)量、效率、安全等方面)。

而數(shù)據(jù)治理的任務(wù)就是，對于這種“事兒”，來一個“消滅”一個。

有的問題三年五載都消除不了，那就(也)算(得)了(干)。

一直消除不了，就一直有“痛點”。

一般來說，數(shù)據(jù)治理研究的專家不會說得這么接地氣，而是會說：“保障數(shù)據(jù)準確、全面和完整，為業(yè)務(wù)創(chuàng)造價值，同時嚴格管理數(shù)據(jù)的權(quán)限，避免數(shù)據(jù)泄露帶來的業(yè)務(wù)風(fēng)險?！?/p>

高層聽了頷首，員工聽了翻白眼。

而且數(shù)據(jù)治理不“接地氣”，工作就得“接地府”。

某位大型互聯(lián)網(wǎng)科技公司的研發(fā)負責(zé)人，和公司老總一起出差的時候，抓住時機，用全程航班的時間安利了一把“數(shù)據(jù)中臺”。

老總把知識點吸收得很好，很喜歡，把“組件化”“標準化”“不重復(fù)造輪子”都學(xué)會了，就安排研發(fā)負責(zé)人去推動。

閉門研究了一段時間后，研發(fā)負責(zé)人就拿出一個大圖，你干這個，他干那個。完全按照理想化的思路，來了個天翻地覆式的大改動，無異于重新設(shè)計。

很多管理層一看到這個“藍圖”都傻眼了，心里又氣又恨，臉上還佯裝笑容。

表面上夸創(chuàng)新，背地里和哥幾個關(guān)系好的，交換眼色，把手放在脖子上做了個橫刀一抹的動作。

數(shù)據(jù)中臺這塊蛋糕，關(guān)系到絕大部分數(shù)據(jù)資產(chǎn)的管理權(quán)限，你動了這塊蛋糕，也就是動了管理者們的核心利益。

對于各個部門、各事業(yè)群的一把手來說，這無疑相當于重新劃分“勢力范圍”。

你畫這個藍圖問過我的意見了嗎?

沒有的話，那可不行。

于是，“齊心協(xié)力”把那個研發(fā)負責(zé)人整下崗了。

最終，這位研發(fā)負責(zé)人，鎩羽而歸，離職而去。

數(shù)據(jù)中臺和數(shù)據(jù)治理是什么關(guān)系?

數(shù)據(jù)中臺是解決數(shù)據(jù)治理問題的方式之一，但不是唯一方式。

數(shù)據(jù)治理的概念20多年前就有了。

還有一個機構(gòu)，叫做數(shù)據(jù)治理研究所(DGI)。

據(jù)該所的定義，數(shù)據(jù)治理就是為了確定一系列的原則和實踐，確保數(shù)據(jù)在其生命周期中的高質(zhì)量。

之前，一聽到數(shù)據(jù)治理這四個字，人們的條件反射就是安全，管控，規(guī)章制度，條條框框。

說白了就是怎么樣確保數(shù)據(jù)安全。

普通員工一聽，這不關(guān)我的事，那是中高層的事。

公司里有資產(chǎn)放著不用，或者用不好，就是管理水平低，數(shù)據(jù)資產(chǎn)也一樣。

但是，數(shù)據(jù)越來越多，存儲和處理又很費錢。

有人開始思考：

怎么樣把數(shù)據(jù)作為一個服務(wù)提供出來，給整個公司的技術(shù)團隊，甚至說非技術(shù)團隊，用起來。

數(shù)據(jù)孤島，始終存在，員工想在公司里看到更多數(shù)據(jù)，成了一項情商測試。

得看人品，看關(guān)系。

兩個部門之間，即便一個部門的老板批了，對方部門的老板批了，提供數(shù)據(jù)的方式可能還是發(fā)郵件或者U盤拷貝，十分落后。

一些科技企業(yè)數(shù)據(jù)治理的主要“業(yè)績”，就是促進跨部門的數(shù)據(jù)合作和使用。

大部分傳統(tǒng)行業(yè)企業(yè)還沒有數(shù)據(jù)治理的意識。

即使萌生了一星半點意識，其目標也只停留在合法合規(guī)安全管控不出亂子。

甚至，不少傳統(tǒng)企業(yè)連“促進跨部門數(shù)據(jù)使用”這個意識都沒有。

典型的數(shù)據(jù)技術(shù)部門是什么呢?

比如，美團的數(shù)據(jù)科學(xué)與平臺部，京東零售下面的京東技術(shù)與數(shù)據(jù)中心，快手科技主站產(chǎn)品部下面的數(shù)據(jù)分析部。

百度科技的大數(shù)據(jù)部，以前級別挺高，現(xiàn)在在百度AI技術(shù)平臺體系內(nèi)了。

經(jīng)過數(shù)據(jù)治理的一番努力，以前唯有數(shù)據(jù)技術(shù)部門能用的數(shù)據(jù)，會有更多的部門能用。

以前用不了的數(shù)據(jù)，現(xiàn)在能用了。

但是，好處也不是白來的，權(quán)利和責(zé)任是對應(yīng)的。

原來非數(shù)據(jù)部門、非技術(shù)部門沒權(quán)利去管理，同時也沒有義務(wù)去維護這些數(shù)據(jù)的質(zhì)量。

現(xiàn)在不一樣了，有權(quán)利去用，也要有更大的責(zé)任，去維護數(shù)據(jù)質(zhì)量。

負責(zé)數(shù)據(jù)治理的團隊，即使看到了“糟心問題”在某幾個團隊之間扯皮，也不能直接介入處理。

要把問題整理成“共通的痛點”，先給決策層做提案，做建議，然后才有下一步。

如此一來，很多數(shù)據(jù)治理問題，經(jīng)年歷久，拖成了“冤案”。

短期還是依靠發(fā)郵件或者是U盤拷貝數(shù)據(jù)，如此這般，至少還能用上。

有些公司被逼做“數(shù)據(jù)治理”的動力，也是啟動數(shù)據(jù)治理的大背景，是數(shù)據(jù)質(zhì)量存在問題。

比如數(shù)倉的及時性、準確性、規(guī)范性，數(shù)據(jù)應(yīng)用指標的邏輯一致性等問題。

數(shù)據(jù)的質(zhì)量影響到使用，不得不干。

過去，企業(yè)內(nèi)部開發(fā)的大部分數(shù)據(jù)系統(tǒng)，是為了解決某一個業(yè)務(wù)的問題而開發(fā)的。

在開發(fā)數(shù)據(jù)系統(tǒng)的時候，并沒有考慮到將來這部分的數(shù)據(jù)資產(chǎn)要用在別處(其他業(yè)務(wù)、其他系統(tǒng)、其他領(lǐng)域所用)。

一段時間之后，別人用到這些數(shù)據(jù)的時候，不管從技術(shù)的性能，還是各種服務(wù) SLA (服務(wù)級別協(xié)議)的角度來講，可用性都較低。

變化一定是越來越多的，比如說數(shù)據(jù)源從單一，變成了多個。

從一朵云到多云。

種類由關(guān)系型數(shù)據(jù)庫為主，變成文檔、圖像、視頻、聲音、時間序列。

比如REI是一個美國人喜愛的戶外用品零售商，REI使用Tableau整合了來自75個數(shù)據(jù)源的數(shù)據(jù)，使得REI可以分析完整的客戶體驗。

數(shù)據(jù)的使用從BI報表、看板、大屏，到ad-hoc商業(yè)分析、數(shù)據(jù)科學(xué)分析、機器學(xué)習(xí)應(yīng)用。

還有，原來以數(shù)據(jù)倉庫為中心的技術(shù)棧相對簡單，只需要管好ETL的過程、存儲過程、查詢引擎、可視化，就可以了。

現(xiàn)在可好，技術(shù)棧爆炸式地增長，要管的東西掰著手指頭數(shù)不過來。

好的數(shù)據(jù)治理，能夠讓企業(yè)轉(zhuǎn)身就獲得新的商業(yè)模式。

Huel這家代餐食品公司就是這么說的，而且他們還說能夠以98%的準確率來預(yù)測一月份每天的銷售量(該公司業(yè)務(wù)特點是預(yù)測一月份銷量最難)。

無論出于何種無奈，數(shù)據(jù)治理遲早要做，極少數(shù)走得快的，甚至用上了“超級智能化”服務(wù)。

反正，窮的窮死，富的富死，還有很多企業(yè)焦慮得要死。