2018年12月13日,由中国信息通信研究院、中国通信标准化协会主办,TC601大数据技术标准推进委员会承办的“2018数据资产管理大会”在京召开。中软国际数据业务线总裁贾丕星以《差异化行业数据资产管理方法的思考》为题发表了精彩演讲。

他用一系列案例解读数据资产管理领域的发展趋势,归纳了和不同客户沟通过程中的几个案例,基于此试图对数据资产管理发展的趋势作出分析和概括性的预判。

案例分析

案例一:在和某行业客户沟通的过程中得知,此客户的内部数据较为简单,并且由于产生于行业内部垂直的交易流程,本身就在行业内多机构之间流转,因此数据质量相对较高。但在业务部门开展工作的过程中大规模的需要外部数据内容,而目前企业内部没有统一的外部数据协同管理,所以出现了大量各自为政的外部数据采购,又因企业采购的外部数据在企业内部没有形成共享机制,某种程度上又大量的被部门割据了。

案例启示:“外部数据管理对于部分企业而言已经提到了议事日程,外部数据要成为企业有效全局数据资产的一部分,需要从管理体系上统筹需求、采购、管控和运营等环节”。另外也需要针对外部数据来源、价值密度、内部可整合性、质量不可控等各种因素的差别,逐步探讨差异化于内部数据的管控策略。

案例二:在某企业内部进行业务访谈过程中发现,企业基于数据的基础加工、各领域的统计分析基本还算健全,但是业务层面提出的问题都是没有、不知道有、不知道在哪里、我们访问不到等问题。而且这个企业自身行业特征比较鲜明,各部门需求底层所依赖的基础数据产品加工相似度高,即使某些部门的需求具有一定程度的差异,基于已有的数据加工也依然可以满足。

案例启示:“企业的基础数据产品加工(内部统计分析),可以类似理解为我们常见的通用汇总加工处理,可以包括通用指标、统计分析和基础画像的功能。“这些功能需要在企业内部统筹需求,而不是各部门重复建设,所以这仍然符合我们常讲的”共享性、基础性需求下沉“策略。但是之所以在企业内部没有形成共享性的基础提炼,核心问题在于没有成立管理决策类(数据类)业务需求统筹管理的组织和机制,而形成每个部门各自独立提出自身项目建设需求的局面,除了导致重复建设外也使得整体的数据利用低效、无序和最终难以管理和支撑业务的可持续发展。此外,也是企业数据架构管控的缺失所致。

案例三:某房地产企业的项目主数据的咨询第一轮探讨项目的分类与业务内容,然后根据不同类型的项目进行主数据模型和标准梳理。但在汇报论证过程中,负责战略的领导提出目前房地产企业的项目形态非常灵活,无法定义一个分类标准,因此需要按照土地储备、投资决策、设计规划、工程实施、确权、销售、物业管理等不同环节、分业务组件进行定义,然后不同类型的项目按照自身需求进行组合取用。

案例启示:“当前,企业的业务在发生变革,在这一过程中企业持续提炼其业务能力使之模块化,而业务拓展则变成很灵活的业务能力组合“。业务能力组件化驱动的数据治理实际上可以按照数据组件化的思路开展,而不是按照原来大的、粗线条的数据主题分类的方法按部就班的进行数据模型和数据标准的梳理工作。数据组件化的方法更具备灵活性,更便于企业业务架构的优化。

案例四:仍然是上一个案例中的咨询工作:在“项目”主数据梳理的第二个阶段,首先是落实这部分数据的管理责任。按照业务开展的环节,完整的项目主数据管理责任落地到了很多不同一级部门和二级部门。虽然很多企业的现状确实如此,但笔者对企业后续如何进行主数据系统建设表示担忧,因为在系统实施过程中涉及的业务部门越多,浪费的沟通成本就越大,就越不容易成功。

案例启示:结合笔者在其他行业的实践分析,从数据角度这突出反映出这个企业业务战略和模式已经发生了变化,而业务组织的结构优化没有却跟上步伐。阿里在今年广泛宣讲了数据中台,而数据中台不能只是一个系统的建设,共享业务能力建设才是企业业务架构从单一业务能力标准化、到局部范围优化、再到全局优化的过程。这个过程是业务组织变革和运营管理流程变革的过程,也是企业业务责任再分配的过程。随着业务责任的转移,数据认责当然也同步转移。

案例五:在给某企业做咨询的过程中听到这样一个故事:“行政作为资产管理部门,在自身企业资产管理系统改造中,没有和财务部门进行沟通就针对资产的分类和编码体系进行了重新定义和新旧系统的数据迁移,结果导致月底财务部门从资产管理系统获取的资产摊销数据全面出错“。

案例启示,如果我们认为资产是企业的核心主数据之一,那么它的定义不应该从单一部门的需求出发,而必须兼顾需要使用数据的所有下游部门,这样才能确保其合理性,这也是富有数据管理主责部门的义务之一。这是一个典型的企业业务部门之间不沟通导致数据标准和质量出现问题的案例。当然这个案例比较极端,但在我们的业务开展过程中类似于沟通不完整,或是为了考虑技术实现而牺牲业务完备性的案例比比皆是。所以核心问题不仅是技术实施,更主要是没有完善的业务需求。

案例六:某企业主要业务内容包括提供全国性的场地租用服务,因此场地或者房租成本是大成本结构构成。我们在为企业进行咨询的沟通中发现,其负责租赁的部门对于完成施工后的房屋设施数据,如后续的基本维护和使用过程数据并没有形成基于主数据的管控策略,所以不同业务之间针对成本的分摊只能按照粗放式比例的方法进行,当然也无法进行使用率的统计和评估,包括事业部进行的后续改造也直接走事业部费用,更没有在管控范围内。

案例启示,作为影响企业大结构成本计量的主数据信息应该纳入重点管控范围,应该明确管理部门在这类主数据信息分类工作中的管理责任,以及后续使用和改造部门的管理责任,保证系统中信息的完整性和有效性,否则业务根本没有精细化管理的可能性,并会对未来基于数据分析的业务成本计量和分析、产品定价策略优化等工作产生直接的影响。这也是我们在项目中提供给客户的提示和建议。

案例七:在和某垄断性国家级大央企沟通的过程中,客户一直在寻找标杆,并很希望借鉴某大型金融机构在数据资产管理领域的管控策略。但在笔者看来,两者之间有几个非常大的差异性。在这里仅仅谈业务板块结构的差异性:银行不同业务板块平行,基本都是产品(服务)面对市场客户的格局,但该企业的不同业务板块垂直分布。所以基本不存在平行的数据整合,而是纵向的数据衔接居多,从数据的主题划分和认责机制方面来看两个机构差异性很大。而且在业务纵向衔接的过程中,涉及到板块衔接的主数据的管理策略很重要,需要上下游两个板块的强协同。关于其它的差异性就不再一一举例。

案例启示:仅由此两点即可看到,这两个企业的数据治理组织架构布局不应相同,银行可以做到总部单一数据、管理部门统筹数据模型和标准工作,把握总体管控策略;而类似该企业的垂直板块经营企业的数据管理部门责任应该更偏管控,重在督促各独立业务板块落实制度和办法,业务板块则需承担各自领域内数据资产的治理责任。

通过以上七个典型案例反映的问题和相应的分析,贾总针对数据资产管理领域在实践中的发展趋势进行如下预判:

① 数据资产管理的必要性毋庸置疑,但其发展之所以温而不火是因为即使大众一致认为重要,但是基础性的长期投入往往很容易被短期利益诉求博弈掉,这一状况还将持续存在。

② 数据资产管理一定要加强和业务侧沟通,应该在企业业务战略和业务架构的指导下逐步开展工作,脱离业务治理的数据治理没有效果,未来数据资产管理领域的企业方和服务方都会更注重业务与技术的结合。

③ 数据资产管理初期需要有组织规划和岗位责任梳理,然后“细水长流“的选择重要领域逐步开展工作,新开展数据资产管理的企业和行业将遵循这一方式渐进的提升自身的数据管理水平。业务能力是否符合业务战略、业务转型诉求是否强烈、是否需要增强数字化管控、成本结构占比是否较大、是否在企业内需要上升到全局性共享能力等都是可以作为判断是否是总要领域的参考依据。

④ 显而易见,没有IT开发就没有系统,没有系统就没有数据,而貌似大白话的背后是“没有好的IT管控策略,就不能落实数据治理的规范性要求“。笔者一直以来强调的不要脱离企业IT治理而单纯的强调数据治理,未来数据资产管理也将越来越与企业IT治理关联和结合。

⑤ 数据治理在不同行业和企业将呈现多样化的局面。虽然在数据资产管理不缺理论支持,但这本质上仍不是强技术依赖的领域,而是按照对理论和原理的理解,结合企业的现状需要强咨询和定制化的领域。

⑥ 数据治理咨询业务角色趋向于赋能,而企业自身应该逐步承担基础和日常治理工作。这对企业自身而言仍是一件任重道远的事情。

 

声明:本文来自大数据技术标准推进委员会,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如需转载,请联系原作者获取授权。