三数据治理之死( 三 ) _数据治理

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，,FinBI，、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，
【三数据治理之死】有个人叫“数据治理”，他，死了… …

三 数据治理之死( 三 )

三数据治理之死( 三 )