关于数据治理的一些思考

数据治理的目的？

数据治理只是手段，不是目的。

判断与决策，必须依赖于事实和逻辑，对于大机构而言，数据是反应事实的重要手段。

对于大机构而言，各部门、角色对于数据的统一理解是对事实的统一理解的基础。

交易系统负责产生数据，数据仓库、大数据负责分析数据。而数据治理就是打通两头的基础。

数据治理的目标是让数据更好的为“我”所“用”。

“我”是谁？如何“用”？这是两个核心话题。

传统数据治理的问题：

数据治理分为三个环节：

1、内容的制定：组织架构、数据标准（抽象用数据描述业务）、质量规范…此部分主要是业务+数据咨询为主

2、内容的承载：将业务咨询的交付物转化为IT系统（文档系统＋OA）

3、内容的落地：承载内容的系统与交易系统、分析系统间的无缝衔接和良性互动

厂商和实施商往往会错误的把内容的承载描述为内容的落地，这是一个基本概念的错误。不能直接作用于（要靠人来衔接）生产的系统，就是文档系统，和Word、Excel文档没有本质的区别。

管控：

对于不能进行过程控制的系统，只能实现弱管控：事后审计，及时发现问题并给出整改意见

对于可以进行过程管控的系统，尽量实现强管控：事前把关、事中控制、事后审计

一体多面：

数据治理、数据管理、数据处理，都是服务于“让数据为我所用”这个目标的手段，可以视为同一事物的不同视角，“整体大于局部之和”的特性明显。

如果把数据治理、数据管理、数据处理分为独立的系统各自独立设计、独立实现，必将出现三者无法有效协同的后果，过往的所有实践已经充分证明了这一点。

必须要有将这三者的设计和实现有机整合的方法论和支撑手段，既要支持统一规划、统一设计、统一实现，又要支持统一规划、分步设计、分步实现，最终确保三者的有效协同，机构内各相关角色都可以简单有效的驾驭和使用数据，让数据更好的服务于工作。

数据4.0：

如果把最终服务于工作的数据视为产品，不难发现，要想实现“让数据为我所用”这个目标，快速、高质量、规模化定制数据产品的能力是成败的关键。

我们可以把对标工业4.0的“快速、高质量、规模化定制数据产品”的能力称为数据4.0