全球范围内的数字化时代，挑战和价值有哪些？

近年来，数字经济的发展趋势越来越明显，尤其是随着疫情的影响，加速了传统产业向数字化、网络化和智能化产业的转型和升级。全球数字经济规模不断扩大，体量连年增长，根据中国信息通信研究院报告显示，2019年全球数字经济规模达到39.2万亿美元，占GDP比重达到41.5%，同比增长5.4%，数字经济在国民经济中的地位持续提升。

数据治理的挑战

数据治理是一个复杂的、需要对企业全体员工、业务流程、组织建设等进行沟通协调的长期项目。哪怕你对数据治理不了解，看到这些也应该能明白数据治理工作的特殊性，所以不管数据治理团队是由谁负责，亦或是以哪个部门为牵头人展开，都需要高层管理人员持续进行关注，并给予适当的权限。否则的话数据治理团队没有话语权，那么进行数据治理的过程中势必会困难重重，并且非常容易出现各部门不配合工作，不在乎治理目标和治理措施的情况。

数据可视化 - 派可数据商业智能BI可视化分析平台

此外数据治理因为需要对企业数据进行全面的统筹规划，所以需要整合企业各部门、各业务线的数据。因为这些数据基本上都存储在不同的业务信息系统中，彼此不能互通共享，还可能会有很多手动记录在Excel中的数据，所以需要解决这个问题，才能对数据进行统一的管理。

这其实也是经常提到的“数据孤岛”“信息孤岛”问题，之前文章中说的商业智能BI数据仓库就能够极大程度上解决企业的这些问题，将这些异构数据源统一整合到数据仓库，并通过ETL、数据模型进行数据清理处理，提高数据质量，做好数据治理工作。

业务流程 - 派可数据商业智能BI可视化分析平台

还有就是数据治理团队需要对企业的管理制度进行一定程度上的调整，因为数据治理是需要动员全体员工，并通过长期坚持才能不断提高数据质量的过程，所以很大程度上需要让员工拥有自觉性，通过数据文化或数据考核KPI等明白数据治理工作的重要性，在业务过程中能够遵守相关工作制度，在日常中以规范、标准化的姿态面对数据。

数据治理需要的措施

1、建立数据规则，推动数据文化

数据治理往往需要一系列的数据标准手册、数据规范文档等，进一步延伸就是针对各部门具体员工的工作调整。这就需要数据治理团队要给各部门员工开展知识讲座以及培训工作，将数据治理的重要性和数据治理带给工作效率的提升向员工讲清楚，并建立完善的奖惩制度，通过数据KPI考核来让员工在业务流程中能够遵循数据治理工作的逻辑，做好数据管理。

数据可视化 - 派可数据商业智能BI可视化分析平台

2、开展信息化建设，利用数据治理工具

工欲善其事，必先利其器。其实很多时候，数据治理团队在进行治理工作时，经常会发现很多流程也是可以通过软件、工具来进行管理的，所以就会出现发现很多时候不是数据治理工作没有做到位，而是缺少能够让员工使用的各种工具。

所以数据治理团队可以通过信息化建设，也就是应用ERP、OA、CRM等业务信息系统实现业务流程的线上化、规范化、标准化转型，自动将业务数据存储到业务系统中，沉淀数据资产。后续再借助商业智能BI，经过ETL和数据模型对数据进行处理，并统一存储到数据仓库，提升数据治理效果，完成高质量数据的价值转换。

数据可视化 - 派可数据商业智能BI可视化分析平台

3、规划数据指标体系，完善数据分类分级

对于企业来说，数据规模已经达到了一个新的量级，这些数据形成的数据资产需要有一个能够便于查询、访问、调取等的数据指标体系。数据指标体系是对业务流程整个系统体系的汇总分析，可以全面展现企业整体的发展状况，并通过一级、二级、三级指标体系的建立，更好的对核心数据指标，也就是企业的核心业务优先做好治理工作，监控异常数据的出现。

数据可视化 - 派可数据商业智能BI可视化分析平台

数字化时代的运维挑战

为了实现运维价值，需要解决运维面临的一些复杂性因素问题，

技术架构：业务迭代需求、商业模式创新、技术创新等因素，驱动IT能力的持续提升，带来新技术与新架构模式的引入，运维在新技术选择时机、技术成熟度、架构及数据高可用的评估能力、对存量技术架构的影响、新技术附带的选择成本等方面面临挑战。

应用逻辑：越来越复杂的业务逻辑关系、更细粒度的原子服务、外部监管政策要求的风险控制要求等因素，驱动业务逻辑越来越复杂，呈现动则生变的常态化风险，以及新风险引发的组织人员对应用逻辑知识掌握、产品设计、性能容量评估、故障应急、快速恢复、影响分析、故障定位等能力的新要求。

变更交付：在线感知客户体验、更快的产品或服务创新、更快的迭代速度、更短的技术评审时间、更复杂的版本管理、无序的变更计划等因素，驱动运维进行更全面的技术平台的建设，交付协同模式的变化，绩效考核的调整等新要求。

海量连接：移动化、物联网、开放平台等新业务模式的引入，以及全数字化协同网络的产生，带来海量数据、海量连接、海量终端，每个连接节点之间在线连接质量以及节点的可用性都将大幅增加运维业务连续性保障的范围，甚至重塑运维业务连续性保障的定义。

操作风险：外部网络攻击形势、政策法规要求、应急操作管理、应急处置能力、运维操作性工作量大幅增加等因素，带来更多的操作风险。应对更多操作风险带来了更多的自动化工具，自动化工具的引入又带来新的操作风险，以及人员操作技能下降带来的风险。

协同机制：DevOps、一切皆服务、应用运营等工作模式的变化，带来新的协同机制的建立，如何选择合适时机，有节奏地推进组织、流程、平台有序建设，考验运维体系建设者的全局设计与落地能力。

技能与文化：新需求、新技术、新机制带来新知识，组织面临建立新的学习型文化以更快适应变化，以及学习型文化对现有人员角色重塑，能力培养等配套机制挑战。

外部因素：政策及监管趋严、全线上在线监管等因素，驱动IT运维精细化能力不断提升，需要在现有人力资源基本不变的基础上，分离更多资源进行精细化能力的建设。

（免责声明：本公众号所发布的文章为本公众号原创，或者是在网络搜索到的优秀文章进行的编辑整理，文章版权归原作者所有，仅供读者朋友们学习、参考。对于分享的非原创文章，有些因为无法找到真正来源，如果标错来源或者对于文章中所使用的图片、链接等所包含但不限于软件、资料等，如有侵权，请直接联系后台，说明具体的文章，后台会尽快删除。给您带来的不便，深表歉意。）