很多年以前，企業每天都在想方設法，把手頭的數據用好。

　　錢來貨往，大數據和人工智能火起來之后，沉淀的數據一下子多了起來，如何管好+如何用好數據，成為大多數企業的難題。

　　數據發揮價值是近10-20年才有的概念，這就帶出了數據治理。

　　數據治理，是伴隨解決“糟心問題”而生的。

　　在數據開發的過程中，會冒出各種“糟心事兒”，五花八門（質量、效率、安全等方面）。

　　而數據治理的任務就是，對于這種“事兒”，來一個“消滅”一個。

　　有的問題三年五載都消除不了，那就（也）算（得）了（干）。

　　一直消除不了，就一直有“痛點”。

　　一般來說，數據治理研究的專家不會說得這么接地氣，而是會說：“保障數據準確、全面和完整，為業務創造價值，同時嚴格管理數據的權限，避免數據泄露帶來的業務風險。”

　　高層聽了頷首，員工聽了翻白眼。

　　而且數據治理不“接地氣”，工作就得“接地府”。

　　某位大型互聯網科技公司的研發負責人，和公司老總一起出差的時候，抓住時機，用全程航班的時間安利了一把“數據中臺”。

　　老總把知識點吸收得很好，很喜歡，把“組件化”“標準化”“不重復造輪子”都學會了，就安排研發負責人去推動。

　　閉門研究了一段時間后，研發負責人就拿出一個大圖，你干這個，他干那個。完全按照理想化的思路，來了個天翻地覆式的大改動，無異于重新設計。

　　很多管理層一看到這個“藍圖”都傻眼了，心里又氣又恨，臉上還佯裝笑容。

　　表面上夸創新，背地里和哥幾個關系好的，交換眼色，把手放在脖子上做了個橫刀一抹的動作。

　　數據中臺這塊蛋糕，關系到絕大部分數據資產的管理權限，你動了這塊蛋糕，也就是動了管理者們的核心利益。

　　對于各個部門、各事業群的一把手來說，這無疑相當于重新劃分“勢力范圍”。

　　你畫這個藍圖問過我的意見了嗎？

　　沒有的話，那可不行。

　　于是，“齊心協力”把那個研發負責人整下崗了。

　　最終，這位研發負責人，鎩羽而歸，離職而去。

　　數據中臺和數據治理是什么關系？

　　數據中臺是解決數據治理問題的方式之一，但不是唯一方式。

　　數據治理的概念20多年前就有了。

　　還有一個機構，叫做數據治理研究所（DGI）。

　　據該所的定義，數據治理就是為了確定一系列的原則和實踐，確保數據在其生命周期中的高質量。

　　之前，一聽到數據治理這四個字，人們的條件反射就是安全，管控，規章制度，條條框框。

　　說白了就是怎么樣確保數據安全。

　　普通員工一聽，這不關我的事，那是中高層的事。

　　公司里有資產放著不用，或者用不好，就是管理水平低，數據資產也一樣。

　　但是，數據越來越多，存儲和處理又很費錢。

　　有人開始思考：

　　怎么樣把數據作為一個服務提供出來，給整個公司的技術團隊，甚至說非技術團隊，用起來。

　　數據孤島，始終存在，員工想在公司里看到更多數據，成了一項情商測試。

　　得看人品，看關系。

　　兩個部門之間，即便一個部門的老板批了，對方部門的老板批了，提供數據的方式可能還是發郵件或者U盤拷貝，十分落后。

　　一些科技企業數據治理的主要“業績”，就是促進跨部門的數據合作和使用。

　　大部分傳統行業企業還沒有數據治理的意識。

　　即使萌生了一星半點意識，其目標也只停留在合法合規安全管控不出亂子。

　　甚至，不少傳統企業連“促進跨部門數據使用”這個意識都沒有。

　　典型的數據技術部門是什么呢？

　　比如，美團的數據科學與平臺部，京東零售下面的京東技術與數據中心，快手科技主站產品部下面的數據分析部。

　　百度科技的大數據部，以前級別挺高，現在在百度AI技術平臺體系內了。

　　經過數據治理的一番努力，以前唯有數據技術部門能用的數據，會有更多的部門能用。

　　以前用不了的數據，現在能用了。

　　但是，好處也不是白來的，權利和責任是對應的。

　　原來非數據部門、非技術部門沒權利去管理，同時也沒有義務去維護這些數據的質量。

　　現在不一樣了，有權利去用，也要有更大的責任，去維護數據質量。

　　負責數據治理的團隊，即使看到了“糟心問題”在某幾個團隊之間扯皮，也不能直接介入處理。

　　要把問題整理成“共通的痛點”，先給決策層做提案，做建議，然后才有下一步。

　　如此一來，很多數據治理問題，經年歷久，拖成了“冤案”。

　　短期還是依靠發郵件或者是U盤拷貝數據，如此這般，至少還能用上。

　　有些公司被逼做“數據治理”的動力，也是啟動數據治理的大背景，是數據質量存在問題。

　　比如數倉的及時性、準確性、規范性，數據應用指標的邏輯一致性等問題。

　　數據的質量影響到使用，不得不干。

　　過去，企業內部開發的大部分數據系統，是為了解決某一個業務的問題而開發的。

　　在開發數據系統的時候，并沒有考慮到將來這部分的數據資產要用在別處（其他業務、其他系統、其他領域所用）。

　　一段時間之后，別人用到這些數據的時候，不管從技術的性能，還是各種服務 SLA （服務級別協議）的角度來講，可用性都較低。

　　變化一定是越來越多的，比如說數據源從單一，變成了多個。

　　從一朵云到多云。

　　種類由關系型數據庫為主，變成文檔、圖像、視頻、聲音、時間序列。

　　比如REI是一個美國人喜愛的戶外用品零售商，REI使用Tableau整合了來自75個數據源的數據，使得REI可以分析完整的客戶體驗。

　　數據的使用從BI報表、看板、大屏，到ad-hoc商業分析、數據科學分析、機器學習應用。

　　還有，原來以數據倉庫為中心的技術棧相對簡單，只需要管好ETL的過程、存儲過程、查詢引擎、可視化，就可以了。

　　現在可好，技術棧爆炸式地增長，要管的東西掰著手指頭數不過來。

　　好的數據治理，能夠讓企業轉身就獲得新的商業模式。

　　Huel這家代餐食品公司就是這么說的，而且他們還說能夠以98%的準確率來預測一月份每天的銷售量（該公司業務特點是預測一月份銷量最難）。

　　無論出于何種無奈，數據治理遲早要做，極少數走得快的，甚至用上了“超級智能化”服務。

　　反正，窮的窮死，富的富死，還有很多企業焦慮得要死。

　　本文在創作過程中，采訪了楊薈博士，他是一位連續創業者，埃森哲中國數據科學和AI團隊創始人，現任某跨國快銷品公司數據和AI總監。