企业数字化转型实践 I 连载（十）数据治理

1、数据：新时代的黄金与石油

在21世纪的今天，数据已经不再是无足轻重的产物，而是成为了推动社会进步的强大引擎。回首2019年10月，中央在19届4中全会上明确提出，数据是新的生产要素，与劳动、资本、土地、技术等传统要素并驾齐驱，这无疑是对数据在当今社会中的核心地位的肯定。
数据之所以有如此崇高的地位，主要是因为其独特的价值。数据不仅自身具备创造价值的潜力，更能与其他生产要素形成合力，共同推动经济增长和生产力的发展。数据要素的魔力在于，它能够与其他生产要素协同工作，产生“1+1>2”的效应。数据不仅解决供需优化的难题，更是在创新价值链流转方式上发挥出巨大潜能。
在企业的数字化转型过程中，数据的价值更是不可估量。一个企业如果能够充分挖掘数据的价值，那么它的商业模式创新就有了源源不断的动力。而这一切的核心，就是数据的清洁与治理。通过统一的数据语言、标准、规范和源头，企业可以消除数据孤岛，建立起完整的数据链。当企业开始对数据进行深度分析和挖掘时，数据的价值就会得到充分的释放，从而为企业内部的每一个角色提供决策支持，进而提升企业的运营效率和客户满意度。

2、数据架构：企业航向的指南针

在数据的海洋中，如何才能确保航行方向正确？这就需要引入数据架构的概念。以华为为例，数据架构是一个综合性的框架，涵盖了数据标准、数据模型、数据分布和数据资产目录等多个方面。它不仅定义了数据的结构和关系，更为企业提供了一个清晰的数据视图。
数据标准是确保企业内所有数据都有共同遵循的规范，它确保了数据的准确性和一致性。而数据模型则从逻辑和物理两个层面描述了数据的属性和关系，为数据的整合、分析和存储提供了基础。数据分布关注的是数据在各个业务领域和系统之间的流动情况，旨在优化数据的流转效率和降低冗余。最后，数据资产目录为企业提供了一个总览所有数据的视图，为数据治理提供了重要的工具支持。
值得注意的是，数据架构并不是孤立的，而是基于流程架构进行构建的。它打通了端到端的数据链，确保了数据的流动性和一致性。更为关键的是，企业数据标准不仅是业务执行的规范，更是从企业整体角度进行数据源管控的重要依据。这需要企业的一把手来推动和实施，确保数据的完整性和准确性。

3、让数据治理落地生根

面对如此重要的数据资产，如何进行有效治理呢？这无疑是一个巨大的挑战。但有一点可以肯定：单纯依赖技术是远远不够的，还需要业务部门的充分参与和IT系统的严格遵从。
构筑一套完善的企业级数据综合治理体系是基础。这涉及到为关键数据资产明确业务管理责任、确保IT建设的原则和依据稳定、为作业人员提供规范的流程和指导等多个方面。当面临争议时，需要有明确的裁决机构和升级处理机制。而治理过程所需的人才、组织和预算更需要得到充分的保障。
当然，有了体系并不意味着一切都能自动运转。在实际操作中，还需要遵循一些基本原则：
建立统一的企业级数据架构和语言，确保基础数据和主数据的标准统一；
所有数字化项目必须严格遵守数据管控要求，否则数据管控组织有权进行一票否决；
应用系统的设计和开发必须遵循企业级数据架构；
数据Owner拥有最高决策权，确保数据的统一管理和调度；
数据质量问题必须在源头解决，遵循“数出一孔”的原则；
谁产生数据，谁就对数据质量负责；
数据应在满足安全前提下充分共享；
遵守法律法规和道德规范的要求，保护隐私数据；
建立问题回溯和奖惩机制。

4、数据治理：IT项目的灵魂注入

数字化时代，数据的重要性日益凸显。但若要真正释放数据的潜力，仅凭数据本身还不足够，还需要配合有效的数据治理。这就好比酿酒，数据是原料，而数据治理则是其中的关键工艺。
数据治理并不仅仅是一个理论概念，而是与IT项目建设紧密结合的实际操作。业务的数据管理需求，必须通过IT系统得以实现和固化。数据治理师在数字化项目的推进过程中，需要全程参与，确保IT项目能够真正满足数据治理的要求。
在IT项目需求调研阶段，数据治理师就应与各方深入交流，明确业务需求背后的数据标准。这意味着，不仅仅是梳理业务流程表单，更要确保这些表单的标准化建设。IT系统界面上的每一个字段，都要遵循既定的数据标准。这样，从源头上保证了数据的准确性和一致性。
而数据治理师在IT项目中的角色远不止于此。他们还需要负责统筹数据库设计和数据集成方案的设计。这一过程需要高度的专业性和细致的考虑，因为任何小的疏忽都可能影响到整个数据架构的稳定性和可靠性。
其中，数据流转分布是数据治理师关注的重点之一。通过深入了解数据在不同流程表单、不同业务领域以及不同IT系统之间的流转情况，可以为企业IT项目建设提供宝贵的逆流程设计思路。这不仅有助于提高项目建设的效率，更能确保最终的IT系统能够真正满足业务的需求。

5、流程与数据：携手共进的孪生兄弟

企业数据治理与流程治理并不是孤立存在的，而是相辅相成的。这就好比一位舞者，没有稳定的舞步基础，再华丽的舞姿也无法完美呈现。同样，没有有效的数据治理和流程治理，企业的运营和管理也将面临诸多挑战。
数据治理关注的是数据的准确性、可靠性和安全性，旨在确保企业数据的品质和可信度。而流程治理则更加关注企业业务流程的效率、流畅性和协同工作能力。两者的目标都是为了提升企业的运营效率和业务流程的执行力。
在实际操作中，数据治理和流程治理往往是同步进行的。在企业数字化项目建设过程中，为了确保数据治理能够成功落地并融入IT系统，通常会在进行IT需求调研的同时，进行数据治理的工作。这样，不仅确保了数据的规范性和准确性，同时也为业务流程的顺畅运行打下了坚实的基础。

6、打造稳健的数据治理体系

要建立一套完善的数据治理体系，需要注意多个方面：
首先，“数出一孔”是核心原则。这意味着必须确保源头数据的唯一性，避免出现数据不一致、重复或冗余的情况。这需要从数据的产生、采集、存储和使用等各个环节进行严格把控。
其次，业务数据与流程表单的紧密关联是关键。业务数据的准确性和完整性直接取决于流程表单的设计和标准化程度。因此，必须确保数据治理的成果能够真正落地到实际的流程表单中，而不是形成两张皮的现象。
最后，数据治理成果必须融入IT需求调研文档中。这样，无论是IT系统的规划、设计还是实施阶段，都能够有明确的数据治理指导和规范。从而确保整个IT项目建设的连贯性和一致性。
总结：在数字化时代，数据已成为企业的核心资产之一。而要充分发挥数据的价值，必须建立完善的数据治理体系。这不仅需要技术与专业的支持，更需要业务与管理的深度融合。只有这样，企业才能在激烈的市场竞争中立于不败之地。

---

作者本人近几年一直深度参与某大型企业的数字化转型项目，从顶层设计到落地实施全过程。在此期间，我一直坚持业务主导的数字化转型理念，力图通过梳理和优化企业业务架构（含流程架构、组织架构）、数据架构和应用架构，实现正向推进的数字化转型。我深知这是一条充满挑战的道路，但我也坚信这是一条充满希望的道路。

我非常希望能与更多志同道合的朋友们交流，分享我们的经验和思考。我相信，只有通过深入的交流和合作，我们才能更好地应对数字化转型过程中的各种挑战，共同推动企业的数字化进程。

在未来的日子里，我将继续关注数字化转型的最新动态和趋势，努力提升自己的专业能力和综合素质，为推动企业的数字化转型做出更大的贡献。同时，我也希望能与更多的朋友们一起，共同探讨数字化转型的未来方向和可能遇到的问题，共同开创数字化转型的美好未来。