前言

　　常年混迹于数字化转型的江湖，无法避开数据管理这个话题，有时又称数据治理。

　　以前客户的业务部门领导极少关心数据管理，最近也经常听到他们说，“我们已经开始数据治理好一阵了”之类的话。

　　慢着，不要急着回应，最好先弄清楚对方心目中的“数据治理”是怎么回事。

　　这样的情景遇到了若干次，开始自我反省，看来有必要聊聊这个话题。

　　既然是白话，就不打算去翻”教科书“，这就难免有不准确之处。朋友们以了解为主，千万不能将此作为判断对错的依据。特此说明，避免误导大家。

　　本文主要讨论下列几个话题：

• 　　数据管理（体系）与数据治理（行动）

• 　　数据管理体系的特征

• 　　如何建立数据管理体系

• 　　数据管理咨询顾问的价值

一、数据管理与数据治理

　　在国际数据管理组织出版的DMBOK2.0中，有针对”Data management”和“Data Governance”不同之处进行解释。尽管非常严谨而专业，无奈后者被直译成中文“数据治理”，经读者望文生义，意思完全变了。

　　朋友们大概容易由环境治理联想到数据治理，意思是通过数据清洗等等措施改善数据质量。倒也没错，只是跟原文意思并不一致。我的观点是，既然大家更加接受，那又何必硬掰呢？

　　那么数据管理呢？

　　记得前几个月还为“什么是管理”专门向管理学教授同学请教，最终也没有得到确切的答案。

　　直到后来在《战略管理》一书中看到，

　　战略管理过程指的是有助于增加企业选择好战略的可能性，所采取的一系列有序的分析和选择过程。——《战略管理》

　　在一般看来，战略选择过程是最不需要管理的。

　　马斯克决定造火箭，乔布斯决定研发苹果手机，王传福决定造车，任正非决定进入通信设备领域，这些过程需要被管理吗？显然更多的是依靠企业家的智慧和直觉。

　　但是，大部分战略决定还是可以通过过程管理，以得到更合理的结果，例如数字化转型战略等等。

　　现在将上述战略管理的这一定义“嫁接”到“数据管理”中来，得到如下朴素的定义：

　　数据管理指数据被企业采集、存储、加工与应用、销毁的全生命周期中，按一定工作方法，确保数据质量、安全合规、高效应用。

　　数据管理代表着数据管理体系，指一套体系化的数据管理方法。按照一般的体系文件，完整的数据管理体系包括制度与办法、细则，配套组织支撑等。按照华为数据之道，数据管理体系包括数据管理政策、流程方法、组织与机制、平台工具等。这一点，与ISO9000质量管理体系类似。

　　数据治理代表着数据治理行动，指为了达成数据质量目标等所采取的一系列行动。数据治理的行动可以是短期、一次性的，包数据清洗、系统整改等；也可以长期的、战略性的，通过一系列措施为数据质量保障、促进安全共享、发挥数据潜能等的长效机制，也就是建立数据管理体系。当然，有效的数据治理行动包括短期措施，也包括建立长效机制。

二、数据管理体系的特征

　　首先要承认一点，自从企业开始引入IT系统以来，数据就一直被管理着，无论是以有意识还是无意识的管理方式。不能说，没有实施体系化的数据管理方法的企业数据就没有得到管理，只是管理效果好坏不同而已。

　　在数据管理这一概念被正式提出以前，数据是如何被管理的呢？或者朋友们也可以回顾一下当前所在企业是如何管理数据的呢？

　　业务部门提出IT需求，也包括录入与查看数据的需求。

　　IT部门负责IT系统设计与实施（写代码或者软件包配置），其中数据“隐藏”在IT功能后面，交给业务部门使用。

　　数据主要通过业务部门在软件界面录入到系统中。偶尔会从其他部门IT系统集成数据过来。一旦发现不完全好用，那便根据自己需要进行必要的修改和调整。即使向对方部门提出额外的需求，对方也不一定会满足要求。传说中的信息孤岛就这样产生了。

　　一旦发现系统的数据质量问题，IT部门往往成了“背锅”的，系统不好用、不稳定等等诸如此类的理由。

　　为此，西方企业，尤其是金融企业，自上世纪90年代开始提出系统化的数据管理方法。华为可能是国内第一个“吃螃蟹”的企业，自2006年开始引入数据管理体系。

　　最近几年来，随着大数据应用的大规模兴起，数据成为一种重要的资产，IT反倒成了管理数据的工具。二者的地位大有互相颠倒的意思。于是，国内企业也开始尝试着手建立自己企业的数据管理体系。

　　按照一般通行的数据管理体系方法，有如下特征：

　　1、业务对数据负责

　　为什么说业务要对数据负责呢？会不会因所有体制不同、所处行业不同而有差异呢？往往会面临诸如此类的“灵魂拷问”。

　　首先，为什么IT部门没法对数据负责呢？过去历史经验证明，由IT部门负责是没法管理好数据的。否则，就不会有数据管理这个说法了。IT部门有其天生的“不足”，那就是作为一个为业务提供服务的部门，在业务部门面前缺乏足够的话语权。

　　其次，数据管理部门为什么对数据负责呢？大家一再强调，数据管理部不是传统的部门。如果说数据管理部不是数据管理的责任部门，就好像说，物资管理部不管公司物资。

　　逻辑看似难以理解，实际上并不难。

　　数据管理体系和质量管理体系类似，企业的质量管理要素（如客户满意、产品质量等）并非单独某一个部门的职责。例如华为的公司质量管理部，也主要负责ISO、TL等质量管理体系的推动工作，俗称“贯标”，并不对产品质量负责，反倒行使问责的权力。

　　最后，为什么业务要对数据负责呢？数据的规则是业务规则的载体之一，需要业务部门来制定；同时数据是由业务部门产生的，数据质量的好坏最终也是影响业务部门的效率。

　　这样的例子举不胜举。据我了解，很多企业销售、财务部门对销售额统计口径就不一致。常见情况是，销售部门以签单为准，财务部门以收入确认为准。这涉及到两个权力部门的切身利益，哪是技术或者数据专业部门可以定夺的呢？朋友们或许会问，那销售和财务又谁说了算呢？说来话长，此处不表。

　　不过，真正执行落实时，也将存在诸多现实困难。例如，谁代表业务？如果组织赋予足够的权力，数据管理部能不能代表业务？许多问题在“贯标”过程中需要一一解决，这就没有绝对的答案。

　　2、数据管理相关工作规范化、标准化

　　和存货等实物资产管理、资金管理等其他业务一样，数据管理也有一系列的活动。

　　无论是《华为数据之道》，还是《数据管理能力成熟度评估模型》，或者国际数据管理组织的《DMBOK》，所提出的工作模块和方式方法虽有细节差异，但并没有本质区别。

　　下面引用《数据管理能力成熟度评估模型》（GB36073-2018），供大家了解。

　　对于暂时不熟悉数据管理的朋友来说，理解上面图中的一系列模块存在一定困难。这个并不是最关键的，具体做事的方法在实际遇到时自然就会了，因此不必过于在意。

　　3、建立数据管控机制

　　数据工作方法相对容易掌握，但如何保证方法得到有效执行，尤其是是出现冲突时如何得到快速解决，才是决定性的。按照华为的实践经验，建立起例行的数据管控机制，是合理的解决之道。

　　不仅仅只是数据管理，包括数字化转型管理，也亟待建立相应的管控机制。

　　4、专业数据人才与组织保障

　　尽管专业的数据管理组织并不是数据管理最直接的责任主体；尽管管理的最高境界是“无为而治”，但在相当一段时期，数据管理组织是不可或缺的。

　　数据管理组织，一方面为数据责任人提供专业的数据管理能力支持；另一方面，也是保证数据管控机制运行的支撑组织。

三、企业如何建立数据管理体系？

　　一个运作成熟的企业，任何改变都是非常困难的。大家总会认为当前的方式是非常合理的，何必做出改变呢？

　　首先来带领朋友们了解一下华为数据管理体系建设的过程。华为2006年开始从西方顾问公司引入数据治理工作方法，并逐步在公司层级、业务领域层级成立了数据管理部，负责推进数据管理工作。但一直到2013年，华为管理层的评价是“大家对数据质量的改进效果并不明显。”

　　于是，公司正式任命集团CFO作为数据Owner（责任人）。

　　2014年，华为在CFO的带领下，成立数据工作组，本质上是一个数据管理变革项目，确定项目目标，“三年建立数据管理体系；五年实现数据清洁”。

　　套用前面的概念，这可以被看作一次中长期的数据治理行动。

　　数据工作组花了大约半年的时间，制定了一个三年工作规划，明确了三年期间主要措施：立法、管控、攻关。项目规划得到公司最高管理层审批，并划拨了20个专项人员编制投入到工作组。

　　如何理解这三件事情的内在逻辑呢？

　　1、立法：做事需要有规矩，有法可依。

　　《华为数据之道》一书中提到的“一纲三册”，包括《数据管理总纲》、《信息架构政策》、《数据管理政策》、《数据源政策》等。

　　数据管理总纲从数据责任、架构方法、数据共享三方面进行了规定。例如，“谁产生数据，谁对数据质量负责”等。

　　大家知道，一套完整的管理体系由目标、原则、管理手册、流程文件与作业指南等构成。数据管理总纲相当于总体原则。至于详细的流程文件与方法指南，不再一一列举。

　　2、管控：通过一系列行动措施，让业务Owner真正开始承担责任。

　　无论是政策，还是具体工作方法，即使颁布的层级再高，也不可能自动地生效。

　　工作组提出管控三部曲：“划分责任田”、“质量目标承诺”、“改进与问责”。

　　所谓划分责任田，就是围绕数据资产目录，逐一确定责任人。可以说，数据资产目录的工作首次为管理服务，之前更多是为技术实现服务。

　　3、攻关：解决当前实际数据问题，见到效果，验证方法

　　只建数据管理体系，短期内不解决业务关心的实际问题，也是非常危险的。围绕业务短期面临的实际问题，例如，客户数据不准确、指标口径不一致等等，开启一系列短期内快速见效的数据治理行动措施。

　　上面简单回顾了华为在2014年开始在内部建立起数据管理体系。前后对比，数据管理体系建立起来的标志，总结起来，数据相关的工作各司其职，问题的冲突与解决有明确的解决机制，并能得到及时有效的解决。

　　对于朋友们所在的企业，究竟应该如何建立起有效的数据管理体系，华为的做法并非标准答案。

　　数据管理体系的建立有多种途径选择：

　　高举高打上面介绍的华为2014年数据工作组，就属于这一种。这种“下猛药”的方式见效最快。但客观来说，需要具备各方面的条件，不仅仅需要有足够强大的直接的驱动力，而且企业必须具备一定的专业能力。据了解，在金融行业的头部企业有过类似的成功案例。金融监管机构对于数据报送质量不合格的金融机构开始开具罚单，而且对于明确要求开始建立数据管理体系。而金融机构相对其他行业，自身的数据IT能力具有很强的基础。

　　小试牛刀在《白话主数据》一文中提到，主数据管理是企业数据管理的“一只麻雀”。搞定“大象”不容易，搞定“一只麻雀“的难度相对就小一些。而且主数据的影响是全局性的，质量提升的效果非常明显。同时，通过主数据管理的措施实施，积累数据专业能力，为建立企业级的数据管理体系打基础。

　　以用促建也许还有许多企业管理层并不了解数据管理体系，甚至ISO质量管理体系等也还不健全。但大家都开始听说甚至急迫应用数据，让数据发挥价值。因此，结合数据平台与数据分析应用建设，并配套相应的管理措施，例如协同数据使用的业务部门一起梳理数据资产，定义数据标准，清理垃圾数据等等。

　　顺势而为数字化转型是当前许多企业的重点工程，而数据是数字化转型的基础工程。借助数字化转型东风，在建立数字化转型管理体系的同时，把数据管理的要素融入其中，不失为一种比较合理的方式。

四、数据管理咨询的价值

　　华为在过去十多年的数据工作中，先后三次引入咨询公司参与。

　　第一次是2006年开始到2007年左右，主要是给华为带来了系统性的数据工作方法。

　　第二次是2014年，在数据工作组工作规划期间，和华为自己的团队一起，帮助华为制定一系列措施，并协助在一些方面做出实质性改变。

　　第三次是2017年的数据资产管理变革项目期间，主要是帮助华为了解业界先进的实践，尤其是围绕数据分析应用方面的方法等。

　　总结当前江湖上的数据管理咨询顾问，大概可以分为三类型：

　　类型一：教授为企业提供教科书式的数据管理工作方法。如果倒退20年，这是很有价值的。就像华为2006年面临的境遇，压根不知道天底下还有数据管理这玩意，更不知道具体具体开展工作。数据管理体系还属于顾问公司的”知识专利“，因此也是知识的唯一来源。但如今已经不存在这样的困难了，如果企业请顾问仅仅起到这个作用，就不值当了。

　　类型二：规划师数据管理工作方法几乎千篇一律，但在企业落地则各有各的不同。如何结合自己企业业务发展方向、管理机制、技术能力等因素，制定合理的数据工作规划、落地路径，有合适的顾问帮助，自然事半功倍。

　　类型三：教练

　　知易行难。朋友们大概都有类似的经验，面对新的事情，看着方法论似乎完全懂了，真正开始自己实践时，总会遇到各种各样的状况。

　　如果教练式的顾问参与数据管理体系建设的实际工作中，在企业内部实际环境中一起推动落实一些措施，当然是效果完全不同。

　　上述三种类型的咨询顾问，并非非此即彼的选择。企业可以对照自己的需求，提出相应的顾问需求。