数据治理路上的“四个魔鬼”

及时获取最新文章

Froc推荐语：2019年我参与了二十多个业务的数据治理，深知数据治理的难度和痛苦。大鱼先生从更高纬度总结数据治理的难度，给我很大的启发，推荐给大家阅读。

正文开始

公司的2021年工作会议刚刚开完，老板对于数字化转型充满期待，而大鱼则感受到了很大的压力，作为数据团队的负责人，其实自己也不知道能不能完成这些任务，有时真想做个纯粹的技术人员，可以简单一点。

在数据治理前进的路上，始终守着四个小鬼，只要不赶走它们，就很难到达那个彼岸。

1、业务：数字化颠覆业务流程不好玩

15年前数据仓库刚起来的时候，只知道通过数据归集和建模可以支撑好取数和报表，甚至在分析和决策上也有用武之地。然后大鱼吃惊的发现报表的天花板是BI，而BI仅仅是个分析工具，它的确可以让分析做的快一点，但没法直接提升生产力。

因为BI的成果还是需要通过各类管理者的大脑过滤，然后通过管理者的发号施令产生价值。但到底这个发号施令是哪个BI产生的价值，也许无人知道，也无人Care，反正是领导的要求。

这种数据驱动业务的效率太低了。

10年前互联网在数字化营销上的成就让我眼前一亮，从那个时候开始，大鱼就知道数据的能力必须嵌入在生产流程中才能发挥更大的价值，这么多年来一直尝试着用数据来颠覆公司的线下营销模式。

为了客户洞察（比如取数）更快，大鱼打造了自助取数工具，然后是标签平台；

为了营销流转更快，大鱼尝试着打造营销流程平台；

为了渠道投放更快，大鱼尝试着去对接各种渠道，最后还要努力把这些流程节点串接起来。

但最大的阻力还是来自于不需要。

因为那个时候公司发展的很好，业务人员“线下生活”也很滋润，大鱼做的就被当成了亮点，需要的时候show一下，不需要的时候就被晾在一边。但即使这样，通过多年的努力，营销人员还是被数字化洗了一遍脑，等到真的需要数字化的时候，营销是第一个成功的。

可惜公司要进行数字化转型的不仅仅是营销，而是整个经营管理体系，从规划开始。

虽然老板力挺数据团队，在各种场合为数字化转型背书，但战略的正确不代表就能执行到位，因为负责各个流程节点的人还是那些人，没有人愿意主动改变，老板说一下，当然会动一下，但显然不是长久之计。数据团队纵然有巨大的热情去做事，但挑战前所未有，规划、采购、供应链、仓储、物流等等，每一个都不是省油的灯。

其实最好的方式是让业务人员自身觉醒，因为其对自己的业务和流程最清楚，而数据团队做好指导和支撑就可以了，但一方面业务革自己的命很难，另一方面公司没有耐心，再者数据团队也不甘心。

公司需要一个打破熵的人，数据团队是唯一的选择。

2、数据：数据归集短期很难实现共赢

当你做了10多年数据仓库，突然发现企业还有那么多的数据没有采集的时候，的确会感到失落。最可悲的不是你不知道，而是你不知道自己不知道，等到真要大干一场的时候，才发现路才走了一半。没有业务驱动的数据采集很多属于自嗨，不信可以看看采集的数据有多少发挥了价值，20%都算多了吧。

这次为数字化转型而来，有明确的的业务诉求，数据归集的迫切性跟以前完全不同。

我们一头要跟业务人员了解业务，拿到业务需求，另一头则要将这些业务需求转化成数据需求，然后去采集这些数据。虽然理论上业务人员要负责所辖业务领域的数据供给，但现实中业务人员往往没有这个职责，只会告诉你，这个数据来自于那个部门，去那个部门要吧。

那个部门不情愿是正常的，因为这些数据一向是其私有财产，虽然数据团队有老板的背书，但别人也有自己的难处和有限的供数能力，没现成数据要重新部署采集怎么办？有数据没现成接口怎么办？要先扩容才能供数怎么办？

在别人那里，经常是问题比办法多。

不是每个公司都是阿里和华为，能有一堆堆的规范和流程为数字化保驾护航，他们的规范和制度，其实也是一堆堆人铺上去后用血和泪换来的，也许第一批做数字化的人，早已经被拍死在沙滩上。

谁都不想倒在黎明之前。

3、生态：数据团队存在天然生存劣势

数字化首先需要信息化，即业务流程的在线化，这样才能有效留存数据，然后基于留存的数据提供决策支持，从而更好的优化业务流程，最终为企业创造效益。

一般来讲，服务业务流程是业务中台干的事情，而要提供决策支持是数据中台干的事情，以前两者泾渭分明，前者做流程，后者做报表分析。数字化转型第一次涉及到了业务中台和数据中台协同的问题，合二为一的趋势越来越明显。

这就涉及到一个问题，谁主谁辅。

在数字化起步之时，业务流程的在线化是第一位的，因此，业务中台往往是数字化的核心，但做业务中台的人，往往没有数据思维，比如基于全流程数据考虑问题，导致号称是在做数字化，但其实仅仅做了信息化，对于业务中台来讲，大多数时候决策支持是非必选项。

但数字化要的不仅是流程效率，更要智能化，要能提高决策的质量和效率。数据中台的人有天然的驱动去做这个事情，但仅靠自己又干不成，得依托业务中台才能实现这个理想，这种依赖体现在三个方面：

一是要理解业务和流程，这需要业务中台的配合；

二是依赖业务供给数据，然后才能分析问题，发现问题，研发模型，这也依赖业务中台；

三是要将模型部署到业务流程上，形成模型运营的闭环，这更依赖业务中台。

康威定理说得好，组织架构决定系统架构，只要数据和业务中台无法在组织上做出融合，就会产生协同的问题，因为两者做事的节奏完全不同。

什么叫节奏？

数据中台一贯的节奏是想上就上，因为创新是第一位的，稳定性是第二位的，业务中台则是反过来的；数据中台人员的使命是数据驱动业务，而业务中台人员的使命则不一定，大多时候想得是流程如何驱动业务；数据中台做数据的融合相对是简单的，业务中台做业务的融合则要难得多，而要对其双方的思维需要很长的时间。

因此，数据中台想要鲤鱼跳龙门，得先过了业务中台再说，这需要有很强的外力、智慧的协调和足够的耐心。

4、人才：留不住找不到可用的数据人才

不同专业的数据从业者，培养的周期是不同的。

培养一个数据开发人员相对简单，在短期内就可以达到一定的高度，因为有最佳实践，有东西可COPY，有导师可拜，有大量实践反馈的机会，只要愿意花功夫。

培养一个数据分析人员要难很多，因为光懂数据技术不够，还要理解企业的业务和数据，要能跟着业务与时俱进，更要懂得沟通和表达，也许5年才能入门，10-15年才能有所成。

培养一个数据管理人员则更难了，一般都要有数据仓库的开发和运维经历、BI的经历、数据分析和挖掘的经历、甚至有数据产品的经历，然后当你踏上数据管理岗位后，才能理解数据治理到底难在哪里，才能给出综合的数据解决方案。

懂业务、懂数据、懂技术、懂管理，决定了这类人才培养难度很高，能成才者，十之一二。

即使好不容易培养了，这类人才也很容易流失。一是往外跑，因为市场的稀缺性，只要年纪不是太大，谁都需要，互联网是现实版的数据人才黑洞；二是往别的部门跑，最牛的数据分析师最后都成了市场部经理，这类人不会呆在一个缺乏出口的团队。

这些问题很难解决。

但大鱼还是相信，办法总比困难多，只是过程会很不舒服，这就是成长所需要的吧，纵然是失败了，也要写出失败的原因，与所有的数据治理者共勉！