数据治理之死 （三）

数据治理之死 （三）

假设有一个公司，刚起步，老板招齐了队伍，有产品，有研发，有测试，想好了整个系统，画好了蓝图，研发照图实现，测试上线，业务在此基础上运营推广，然后挣钱盈利，整个过程自上而下，全部数据线上化，有完整的数据，业务在使用中有问题和需求就改产品，迭代上线，整个过程产生的数据都已入库，管理规范。

假设有另一个公司，一开始干工厂，卖材料或产品，建立了自己的销售网络，但没有对应的IT系统，经过多年的发展，通过项目的方式，建了OA系统、财务系统、CRM系统、SRM系统、SCM系统、NC系统等，这些各自分立的系统之间又有各种种类的相互联系，数据也是各自存储，随着规模的扩大，技术的进步，迫切需要数据化转型，把各个环境拉通，各种数据融合，建成统一的大数据系统，对公司的各种管理需求和报表报告能直观的获得，但是数据又五花八门，缺胳膊少腿，很多手工数据，没有规范和标准。

上面第一个公司类似于互联网公司，基本上不需要数据治理，可以很方便地拿到各种数据，建好数仓、或数据中台，进行数据挖掘，数据分析，以数据来驱动业务，第二个公司类似于传统制造企业，如果无法抛弃所有的IT系统重新开发（一般不会），就不得不面临数据整合的压力，所以才需要数据治理。

对于互联网公司，是先搭窝再养鸡，再收蛋的方式，窝可以搭的很好，而传统制造业是先养鸡下蛋，再搭窝，可能建了很多各种各样的窝，不统一，有的时砖造的，有的是柴禾造的，有的是泥土造的，有的甚至没窝直接蛋下到地上的。

数据治理的难度取决于制造企业的信息化程度及历史包袱有多重，如果企业做的各种IT系统有统一的技术规范、技术栈，有相应的标准，各系统之间的对接有统一的平台，业务结构不太复杂，则数据治理就容易取成成效。否则，各种系统正在照常运转，你去搞个标准，让别人按你定的标准来改，对不起，造成的生产损失谁来承担？出标准不难，难的是怎么按照标准把旧的系统改了，有时需要停机、生产停止来升级的，更不用说你要协调几乎整个公司的各大业务部门，人家的业务部门还要完成年度KPI，还有自己的IT系统升级计划，还有一大堆正在进行的项目。

对于互联网公司，它是IT驱动的，而制造业是业务驱动的，这有明显的不同。比如，在制造企业，业务说他要什么需求，IT是要想尽各种办法实现的，有时做出来的功能很奇怪，比如用户可能习惯了Excel，他让你做一张报表，这个报表里面的功能非常复杂，就像开发一个在线化的Excel一样，你要显示几十上百个字段，几万个数据，加上多行表头、冻结、下钻、排序、编辑、合并、颜色等等；有时业务要的很急，你做完了他们未必用，业务变化很快，而且业务变化时根本不会找IT商量，比如业务在销售产品时对产品渠道划分做调整，他们开个会商量一下就变了，不会考虑到对应的IT系统、BI系统也要对应调整，历史数据要不要也调整等，一个红头文件发出来，IT蒙圈了，各种忙，各种加班。

有人可能问了，为什么这些系统不在实现时就考虑到渠道变更的可能呀，或者在渠道变更后升级成可配置的，这样下次就不会大动干戈了。

事情哪有这么简单，这些系统是在业务需求提出时火急火燎的开发实现的，不是互联网那种产品详细调研、规划设计的很完善才落地的，也许一开始是有考虑渠道变更的可能的，但考虑到项目周期，业务也告诉IT说渠道在2年内是不会改变的，即使改变也将是很大的动作，会留足时间的，但是项目上线后，项目人员解散了，调走了，业务负责人也换了好几波了，等你接手时，就遇到这种坑了。

在传统制造业，业务部门就是甲方，IT是乙方，即使你要改造旧系统，也得去问金主爸爸愿不愿出钱改造。你想建一个统一的大数据平台，好呀，高层领导都支持，业务也认可，让你成立个项目去干吧，你能推动各项目按你的要求和思路来吗？

所以，一般的实现方式是优先保证每年的项目进行，在做项目时积累，虽然一个个项目像烟囱，但我们定好标准，这些项目都按照标准来，比如都把数据抽到指定的数仓，规划好分层、命名规范，有专人负责各层处理，沉淀出公共层，有专人负责ADS层，整理好血缘，各数据关系，各指标明确定义，形成大宽表，提供统一的口径，等等。

这些做起来比互联网企业难的多，因为原有的IT系统信息化并不完整，可能有大量的手工数据，也可能有多口径、多来源的数据，无法粘到一块去，需要反过来推动各IT系统升级改造，没有信息化的部门还要规划做系统支持，这样一晃好多年，可能领导都换了几届了。

我们公司从2017年做BI，2018年开始数据治理。项目是公司战略级的，CEO亲自挂帅，每周开会，IT领导、HR总监、业务老大们经常在一块碰，下面的人自然支持，即使这样推动起来也很困难，如今做了3年了，虽然标准都有了，业务也理顺了，实际落地的不过五分之一，如今CEO也换了，IT总监也换了，新的IT领导都是阿里、腾讯出来的，他们认为根本不需要数据治理这个项目，哪里不标准，让他们改的标准，哪里不规范，做个系统让他规范，招个牛逼的产品，规划起来，画些牛逼的图，把华为、平安这些公司的规划拿来做就行了。

思维方式变了，数据治理也就没了.

但问题仍然存在。新的领导懂IT，但不懂业务，业务提的需求，每年的项目仍然得干，但不做数据治理，那乱七八糟的数据都入数仓，在数仓里做处理、规范，搞不定的还去升级原有系统，补充信息化的缺失，补完了，数仓就建完了，看似也没问题。

的确，专门为了数据而做数据治理本来就是很难成功的事情。

可是我们仍需要标准和规范，没有了公司层面的统一的要求，各业务系统仍然按照自己的计划伺候金主爸爸，但要建统一的大数据平台就难以协调，要把这些脏乱差的数据拿来生成一张张美丽的报表就很难，可能结果是数据不准、不及时，有很多数据不是对接系统的，业务想给领导看什么数据就可以导入什么数据，反正可以手工调整。再后来，领导发现数据平台部门出的报造几乎都是不可信的，也就不再看了，领导想看真的数据，就打个可靠点的下属帮他收集，生成报告，回到Word、Excel、PPT的时代去。什么数据分析、数据挖掘、人工智能也就谈不上了。

所以，数据治理也可以没有，但大数据平台部门遇到的问题必须在高层得到充分的认识，因为数据平台要整合全企业的数据，并且做到这些数据自动化运营，因此要打通所有IT系统，在可靠、及时、完整的数据层面才可能做的更加智能，想想你无论在何时何地，打开手机就可以清楚的知道公司的运行状态，销量、收入、毛利、净利、成本、费用、生产、采购数据想看什么看什么，有问题及时收到预警或提醒，随时掌握.

畅想下未来，一切都是值得的。

业务数据化，数据资产化，资产服务化，服务业务化，这是一个圆，圆的起点是企业的信息化，只有企业完成了信息化，数据才可以在线化，而互联网企业一开始就做了信息化，所以它不需要数据治理，或者说网上相传的数据中台、大数据平台、业务中台、数据仓库（what erver)成功的案例也基本都是互联网企业的，真正制造业做数据治理或数仓成功的就是华为了，华为是一家非常注重研发投入的公司，所以我们学习的主要对象就是华为，把华为的规划图拿来复制，把华为的做法拿来炮制，甚至招来一些华为的人，以为这样就可以成功？

没有轻易而举的成功，数据治理无法通过抄几个图或系统工具就可以成功的。数据治理本质上是一个业务变革与转型的过程，业务模式不变，没有建立起数据化的思维，就不可能完成数字化转型。如果业务部门仍然盯着自己的KPI，追着市场快速变化，强压着IT实现需求，做项目，那么更多的山头，更多的烟囱将竖立起来，没人愿意跟着数据治理的长周期慢收益的长远目标走，业务的领导心里想的是也许今年目标达不到，就得拿着铺盖混蛋，至于5-10年数据治理好与不好，和他的人生有什么关联吗？

数据治理这种项目非常依赖于组织机构的可靠，数据治理的第一步是业务调研与梳理，在大厂，每个业务（计划、财务、市场、销售、分公司、费用专员、采购员、研发各个环节、工厂车间、模具厂、设计部、用户服务部、售后部门、法务部…)，各个地方都会产生数据，有的细分领域也许每个人都不熟悉整个环节或整件事情，这也是分工带来的缺点，分工自然能带来各个节点的效率提升，但会阻碍整体效率的提升。你想想，如果你调研的部门人都换了几波了，来的新人根本不了解情况，你会是怎么一种心情？

业务调研好了，你需要总结整理，找出问题，制定标准，这个过程要求你不仅懂业务（计划、生产、销售、财务都要懂），还要懂IT，总之，你要出标准文档，让别人信服，和业务、IT达成一致。即使这样，当你要某个系统，比如负责生产计划排班的SCM改系统（这可能涉及数据库表的变动，业务流程的变动、项目团队开发等），但业务领导告诉你，这么大规模的改动不在计划之内，而且系统改动升级需要5天的停机，意味着工厂这几天无法生产，大量员工要放假，造成损失可能几百万，谁来承担？以上只是诸多困难中的一个案例而已，正是因为数据治理是一种业务变革，而且不是立见成效的那种，所以我一直说数据治理很容易死掉，没几个成功的。

自上而下的变叫变革，自下而上的变叫革命，数据治理就是一种自下而上的变。

我在这几个文章中讲了数据治理的一些场景、任务、关键行动、达成效果，最主要的是面临的一些困难，这些困难说白了是人的问题，是人的观念与思路的问题。做规划容易，有确定性的需求落地一个项目也不难，难的是协调很多人的思维。

我是一个做前端的工程师，只不过我不止会前端，产品经理、项目经理、测试、后端开发、数据处理的工作我都做过，Tableau,FinBI，Python、人工智能我也会，做大数据相关的工作有6年了，做的报表也数不过来了，已经无数的功能被用户抛弃了，但这又如何，世界上唯一不变的就是变，我常说，我写的代码一写下来就是为了修改的，所以我从不过度封装，尽可能用简便的方式实现。

数据生产出来不是为了存储，而是为了展现，不会说话的数据就是垃圾，而要让数据讲话，甚至讲故事，我们要走的路还很长，即使是数据治理失败了，留下来数据的或者改造过的系统仍然是有用的，虽然我学的算法还用不上，但是，也许当它们能用上时我也失业了，数据自动在跑，算法自动分析，仿佛机器一般，业务领导每天就可以收到数据，准确又可靠，决策是那么的easy，再也不需要一堆堆做大数据和数据治理的秃头们在电脑前忙忙碌碌了。

所以，

有个人叫“数据治理”，他，死了… …