搞数据治理,要与具体业务结合

数据治理推不动

不知道你有没有同样的体验。

搞数据治理,在初期,相关团队和上级领导都配合和支持,多少能有一些成果。

但搞着搞着,大家步调越来越不一致,打破约定和规则的情况越来越多。

到后面,数据治理工作越来越难推进,渐渐没有人再提起,以失败告终。

造成这种局面的根本原因,是治理工作与具体业务脱节导致的。

数据治理与业务脱节

没有从具体业务问题出发

组织和公司,关心的都是具象的问题,抽象的议题和工作最终都会搁置。

你看别人搞数据治理都搞元数据,就条件发射地提出:”要搞元数据治理”。

这便是治理工作与业务脱节的一种情况:没有从具体业务问题出发。

治理元数据和具体业务有什么利害关系,能给组织和公司带来什么收益?这些问题没有弄清楚,不过是只知道一个笼统的抽象想法,为了治理而治理而已。

没有以具体业务为落地点

如果是另一种情况,你看到元数据缺失,导致数据理解和使用成本很高,影响到分析同学做业务的质量和效率,所以提出要提升元数据覆盖率。

这很好,实现了治理工作从具体业务问题出发。提升元数据覆盖率,有助于提升取数效率和质量。这一点大家都有共识。

然而,工作需要量化目标。所以,你进一步提出,元数据覆盖率要提升到,譬如说,95%。

这时问题就来了。

为什么是 95% ?元数据覆盖率到 90% 不可以吗?这 5 个百分点会有什么区别?

元数据覆盖率达到 95% ,具体能给业务带来什么收益?

如果元数据覆盖率90% 对业务已经够用,再提升 5 个点的投入产出,会不会得不偿失?

如果你回答不出这些问题,其实便是治理工作与业务脱节的另一种情况:没有以具体业务为最终落地。

你只是拍脑袋想当然,觉得元数据覆盖率越高越好,其实没有对具体业务问题有深入思考。

这也是治理工作最常见的错误,估计超过 8 成治理工作失败与这个问题。

我们要清楚一个基本事实,公司和组织开展各种工作都是要考虑经济效益的,以解决具体业务问题为落地点,才能保证目标有效益基础。

效益是你和干系团队的共同语言。违背业务逻辑和经济规律的事情,最终走不远。

数据治理与业务结合

数据治理工作,一定要从具体业务问题出发,以解决具体业务问题为最终落地点。

治理概念和理论不该用来空谈,它们过于抽象和空洞,没有太大意义和价值。

治理概念和理论的正确使用方法,是用来分析具体业务问题,基于现实业务逻辑,制定合理、可行的治理目标和改进路线。

以元数据缺失这个问题为例。我们可以这样分析和改进:

  • 哪些类型的元数据缺失,在哪些场景会导致分析同学的取数效率和质量降低?折算下来,预估给当下和将来的业务,带来多少额外成本和损失?
  • 要保证新增数据的元数据进行补齐,是否需要工具支持,需要开发成本多少?是否需要调整流程,对技术和业务团队的效率影响如何?
  • 要对存量数据的元数据进行补齐,需要补充哪些数据,补到什么程度?目标数据的筛选条件、选择理由和补充成本是多少?
  • 治理方案预计落地节点和时间?预期分析同学取数效率和质量能得到什么程度的改善?

上面的分析,最关键就是从具体业务出发,回到具体业务去:这个问题导致业务产生多少损失,改进后业务上有什么收益。这才是公司和组织真正关注的东西。

把这些都明确下来,制定出合理、可行的治理目标和改进路线,并且投入产出是经济的,治理工作才具备可持续推进的必要条件。

如果投入产出划不来呢?调整治理目标和路线,或者重新定位和分析问题。不经济的事务,至少也不是当下最迫切的事物。

KAMI
KAMI
数据挖掘研究员,专注分享数据领域的技术和业务,以及逻辑、思维和方法论

发表回复

文章结构