李然辉：数据价值发布的基础——数据治理

数字经济时代，随着大数据平台和工业互联网的兴起，数据正在冲击着各个行业，创造着巨大的价值。如何更好地利用数据成为企业数字化转型的关键，越来越多的企业将数据视为自己的资产。面对庞大的数据资产，企业如何管理数据？2月16日晚，在《这就是数字化》——数字大讲堂第一季第23期课程中，某大型互联网企业数据资产管理负责人李然辉，从数据图谱、数据成本治理、数据质量、数据治理的自动化和智能化等角度，分享了数据治理作为数据价值释放基础的重要性和未来发展趋势。

什么是数据治理？

1.发展和演变历史

目前关于数据治理的争论很多，但是还没有一个统一的定义。代表性的有国际数据管理协会(DAMA)、国际数据治理协会(DGI)、ISO和GBT，其中DAMA的定义最权威。李然辉先生认为数据治理是解决数据矛盾的方法和方法论，其目的是解决数据矛盾。

因为矛盾是普遍存在的，所以在数据世界里有很多矛盾。市场变幻莫测，为了更加灵活，往往会造成很多数据质量的问题。解决这些矛盾就是数据治理的价值。

2.数据治理和数据管理

数据治理是保证数据的正确管理，主要是规定做什么和谁做，它的验收标准是什么；数据管理就是要确保如何做才能符合数据治理的标准。他们的职能完全不同于规划、设计、管理和运营。

数据治理与整个信息开发过程同步发展。从诺兰模型可以看出，无论是数据治理期还是数据管理期，都处于整个信息技术时代的后期，同时也与企业的信息化发展进程相当吻合。

2020年开始，随着数字时代的到来，IT需要与战略和业务管控相结合，业务由数据驱动。在这个过程中，数据治理被提升到了一个全新的高度，数据管理的演变也从无管理意识到被动救火，再到主动防范风险。最后，可以在一定程度上锻炼预测，便于提前治理，预防大于治疗。目前已经到了比较高级的阶段。

3.内容和外延

治理是数据管理的核心，数据管理和数据治理具有包容性，数据管理也是数据资产管理的基础。在良好的数据管理的基础上，可以从资产的角度对数据进行额外的管理。

数据治理包括数据策略、组织、策略标准、项目管理和问题管理。指导数据管理的是一些具体的内容。为满足数据治理的要求，数据管理应从数据架构、数据建模、设计、数据存储操作、数据安全提升和共享等方面进行管理。

近年来，数据资产管理逐渐成为热门话题。基于此，数据资产清查、数据资产目录、数据成本管理、数据资产确认、数据资产价值评估、数据资产运营都属于数据资产管理的范畴，是数据治理的内涵和外延。

4.数据治理的现状

数据已经成为企业最有价值的资产之一，企业都在尝试管理数据。数据驱动可以为组织提供更好的客户体验、更好的决策、更多的创新和更有效的业务实践，但许多组织仍然很难利用数据来获得竞争优势。目前，数据已经成为一种生产要素，数据资产的概念也逐渐被接受。数据是有价值的。它可以为改善客户体验做出更好的决策，更多的业务创新可以发挥其价值。与此同时，企业也慢慢开始重视数据管理或数据治理，但并不是每个企业都能管好、用好数据。因为还存在数据不足、学技术、学人才等等问题。

企业为什么要做数据治理？

1.数据治理的价值

数据治理的价值可以包括四个方面。第一，企业高效的运营管理可以提供高质量的数据，做出更好的管理决策，进而发现商机，可以降低IT建设成本和运维成本。

二是业务管理创新，有助于改善业务流程，优化资源配置，提高业务和管理能力。高质量的数据是商业智能的基础，对数据的准确分析有助于做出正确的业务和管理创新。

第三，遵从法规要求、SOX法案等。督促企业将数据治理提升到公司治理的高度，增强数据治理与政府法规和行业标准的一致性。

第四，企业风险管理，风险控制的应用受到信息资源规模和质量的制约，资产分类的准确性有助于降低风险。

2.数据治理的成就

识别数据逻辑关联，形成数据知识地图；提供数据合规性，应用标准化数据标准并提高数据质量；为数据资产的估值提供基础依据。数据图谱相当于数据的知识图谱，解决了数据的可知性和可信度问题。数据的来源、定义等。可以通过对图集的全方位学习来理解。通过AI技术和知识图谱等技术，每一个与数据相关的信息和知识都可以沉淀在图谱中，从而全面了解数据的优劣。使用数据时，可以快速查找数据，明确数据信息、数据口径、计算逻辑、血缘关系等。并为数据准备和数据探索提供帮助。

在数据质量方面，通过在数据整个价值链的各个环节设置相应的监控，制定相关规范，保证数据可信度，保证数据质量。在数据资产价值评估方面，只有能够被评估的数据才能被称为资产。在这一世界性难题上，中国早已走在世界前列，在企业内部进行了理论研究和实践探索，用不同的方法评估数据价值，实现了对数据资产的科学评估。在此基础上，它还为数据资产识别和区分的管理和操作提供了良性指导。

数据治理的未来

数据资产的管理

数据管理包括数据治理、数据管理和数据服务。数据的最终目的是为外界提供服务。面向服务的数据已经成为一种趋势。数据通过深度加工产品化、商业化、服务化后，数据才能发挥更大的作用。

数据管理的自动化和智能化

随着数据量的不断增加，需要产品对数据进行自动管理。通过量化指标自动评价、自动识别问题，可以促进自动化管理。AR技术还可以用于识别个人敏感信息，连接数据资产目录和标记数据资产。

数据操作

DataOps是一种敏捷的数据交付或开发理念。目前数据开发只是通过数据访问、建模、指标等环节实现，存在周期长、没有保障的问题。DataOps可以解决这类问题，并在此基础上进行探索。

数据结构

数据结构是探索阶段的一个节点。数据的使用者可以随时找到相应的数据，数据质量可以得到保证。其价值凸显了对数据治理支持的迫切需求。一方面，它需要活跃的数据市场来释放其价值；另一方面，它需要数据治理来确保数据质量和数据资产安全。

数据治理已死？

数据治理容易造成组织中难以推进的差距。但当数据治理发展到一定阶段，就会形成数据治理文化，纳入行业法规和制度，形成社会共治的基础，即人人都是数据治理专员，各司其职。这也需要企业内部的数据责任划分和相关培训，以及规范、制度、绩效等方面的协调。

数据治理的角色

在社会层面，通过数据治理，优化市场资源配置，结合相关法律法规和技术手段，让数据流通更加便捷。在企业层面，它可以在企业数字化转型、商业洞察、降低成本、提高效率等方面发挥更大的作用

随商信息技术（上海）有限公司 b2b2c多用户商城系统是基于PHP技术的企业级电子商务平台系统，系统支持平台自营、招商加盟和多商家入驻、集成微信商城、移动端APP商城、微信小程序于一体。公司主营业务包含商城系统定制开发、新零售系统解决方案、电商平台系统定制开发、商城网站建设服务等等，随商为大、中、小企业提供一个安全、高效、强大的电子商务解决方案，协助企业快速构建、部署和管理其电子商务平台，拓展企业销售渠道，致力于推动PHP技术和电子商务行业的发展而不断努力。