酷派|人人都在讲数据治理而不问业务，这很危险小米科技|智能手机|运营商|手

text":"

源：与数据同行

现在一提数据治理大家马上想到企业要先进行数据治理的顶层设计，但对于很多公司来说，并不需要。因为并没有什么业务值得数据来驱动，或者用简单的报表取数就能满足，当企业已经把数据团队创造业务价值的口子限制住的时候，轰轰烈烈的搞数据治理就成了政治正确。
【酷派|人人都在讲数据治理而不问业务，这很危险】数字化则是数据治理的催化剂，它是这个时代赋予数据团队最大的红利，因为它让数据团队可以超越原有的职责（报表，取数等等），用数据去创造更多的业务价值，在这个充分使用数据的过程中，数据治理才有了更大的舞台。
业务的差异导致每个企业做的数据治理可能完全不同，在DAMA提到的各类数据治理工作中，是业务决定了你需要在数据治理哪个方面开展工作，因此不要一提数据治理就开始猛搞主数据，参考数据，元数据，数据标准等等，首先要搞清楚你的业务对数据治理的诉求到底是什么。
在这个方面，我们是有教训的。
15年前我们就开始搞数据仓库建模、元数据管理等等，但似乎起了个大早，赶了个晚集，系统建了一大堆，但用得并不是很好，而互联网大厂的数据治理则开始起飞，我一直在想，为什么在这边表现平平的东西到了互联网那里就脱胎换骨了呢？
也许技术环境是一个因素，但更多的恐怕在于业务的需要，当我们用简单的报表，取数就能满足业务需要的时候，的确不需要什么特别的数据治理，而互联网高速发展的数字业务则很需要。
时间到了现在，我们的数据就像当初的互联网一样，也开始面临着全新的业务挑战，至少在三个方面发生了巨大的变化，让我们重新思考企业级数据治理体系的构建。
第一，我们需要支撑的业务，变了从去年开始，我们团队开始到陌生的一个领域去做数字化转型支撑，尝试通过优化企业的核心业务流程来提升运营效率，，谈到了这个事情，提及了面临的挑战。
我们发现这些流程大多是跨领域的，如果拿不到全域的数据，就无法做完整的分析，所谓优化流程也就成了纸上谈兵，而很多数据并不在我们原有掌控范围之内。
但在跨域数据的汇通中，我们往往不知道这个新流程对应的数据在哪个系统，这些系统有哪些数据模型，这些模型有哪些属性，模型之间又是什么样的关系，这需要我们重新花大量时间通过线下访谈的方式了解数据的来龙去脉。
虽然当前的大数据平台也有数据资产目录，但那个目录是已经汇聚到大数据平台的数据资产目录，而企业级的数据资产目录，必须是要管到源端系统的，即从OLAP延伸到OLTP 。
而企业各个领域只有给出自己的领域资产目录，我们才能形成真正的企业级数据资产目录，才能让数据真正地找得到，看得懂，虽然仅仅差了“企业”两个字，但内涵差了很多，难度差了很多，价值更是天壤之别。
我们也发现，数字化转型对于数据汇通的时效性要求特别高，以前还能忍受的数据采集周期现在不太行了，但要提升采集效率可不是那么简单，需要面对既定的审批流程、严格的安全审核及较长的开发周期的挑战。
正是在这个数字化业务的背景下，促使我们重新思考构建企业级数据治理体系的必要性，我们以前不是没有数据治理，只是不够体系化，深度和广度也还不够，在面对范围更广，要求更高的企业级数字化转型的背景下，重新暴露出了数据找不到，看不懂，不及时等现实问题。