传统企业数字化转型-能否从数据治理入手？

我是人月聊IT。今天简单跟大家聊一下数据治理方面的一些话题。因为在我前两天直播的时候，刚好有一个朋友就在问，企业的数字化转型能不能从数据治理入手。

首先在这里先说结论，企业的数字化转型是一定可以从数据治理先入手的，特别是很多企业，IT信息化系统的建设已经进入到尾期的时候，你更应该从数据治理这个角度入手，通过数据驱动的思想去改进你的数字化进展。

图片

但是我们这个地方经常会出现一个错误的观点，就是大家会认为我从数据治理入手，就一定是要去构建一个主数据平台，或者是建设一个数据中台项目，这个是对数据治理本身很大的一个误解点。

因为即使你不去建设相应的数据中台或主数据平台，你仍然可以通过大数据治理和对数据的分析，发现你业务的问题，发现你当前已有的IT系统的一些问题。

在这里我展开三个方面来简单说明一下：

第一个就是我们经常会看到的数据不一致的问题。这个数据不一致的问题很有可能就是单个系统数据就不一致，比如说出现数据的冗余，数据的重复。那么这个点往往是最容易解决的，这个本身可能就是你业务系统在录入单据的时候，本身的业务校验规则不完整。

由于数据源头不统一导致的数据不一致。比如说同样一个数据，你原来可能在多个IT系统都在维护，或者是同一个数据，你不同的属性在这个系统在维护。比如说供应商的数据，你供应商的基本信息在你的采购系统在维护，但是供应商的财务的一个信息可能是在你后端的ERP系统在维护，这一些可能都会导致数据的不一致。那么由于数据源头不统一，很简单，你就去解决数据源头的问题。你完全可以把供应商实际的财务属性也移到你的采购系统里面去维护，维护好以后再同步集成到你的后端的ERP系统里面去。这个是数据源头方面的问题。

第二个就是，通过数据治理和对数据的分析，我们会发现数据本身影响到了端到端业务的协同。这个很典型的一个例子，比如说我们现在有一个采购订单的数据，因为我原来的物料信息可能是在我的SRM系统里面去做维护的。那么当我形成一个采购订单，我要向ERP同步数据的时候，发现ERP系统里面还没有这个物料，这个就是典型的数据影响到了业务的协同。

那么这个数据影响业务的协同，它的本质是数据在各个业务系统之间的集成和分发时效性出现的问题。因为很可能你原来ERP系统拿这个物料，你可能是两小时每半个小时轮询的方式去拿的这个物料信息。这个由于数据的时延引起了数据的不一致，那这个时候你应该是改进的你原有的数据集成的接口方式。原来可能是轮询方式，你能不能改成是实际的推送方式或者是消息分发的方式。通过这样的改变，你就解决了数据时效性的问题。

还有一类就是通过我们对数据的分析和底层数据的关联映射，我们同时会发现影响数据业务协同的一些关键问题。

图片

很典型的一个例子就是数据的颗粒度不一致。举个简单的例子，你原来的采购订单入库，你可能是按批次按箱入库，你可能是针对某一个项目下的采购订单。但是你这个实际的物料出库的时候，你可能又是按单个单个原材料出库，可能这个出库这个物料又会用到其他项目里面去。

这个就是典型的数据底层的映射出现了问题。由于数据底层的映射出现了问题，你后面再去做相应的转资操作的时候，你发现颗粒度对不上，你需要大量的手工去做这个工作。所以这种问题也一样的，你应该去改进相应的业务系统，去解决这个问题。

比较典型的就是大家可以看到ERP的采购订单，为什么它不是简单的就只有采购订单头和明细两层，它还有相应的分配行，发运行这些相应的更细化的一些明细表。它的核心都是要去解决底层数据的映射的问题。

所以这个是我想讲的第二个点，就是通过对数据的分析，数据的关联映射，包括颗粒度的不一致，发现了业务的问题。那么这个时候你其实应该重点是去改进你业务系统的功能，很有可能你原来这个业务系统再去做相关的核心的数据对象数据表设计的时候，你本身的结构层次就不对。

第三个点也是大家经常看到的分析类数据及时性问题。对于管理者来讲，很多时候他拿不到及时的数据。他月初拿不到上个月的数据，他下周拿不到这周的数据，他今天拿不到昨天的数据。

那这个关键的原因是什么？

一方面就是我刚才谈到的数据集成和协同引起的拿不到数据。第二个原因就是在你实际系统上面没有实时相关的一些统计分析报表。这个报表往往有可能还没有到BI的维度分析这么高的一些层次。

由于拿不到相关我需要的一些统计分析报表，所以它只能够是将各个业务系统的数据导出到Excel，再去做相关的加工整合，才能够形成领导需要的数据。那这个问题一样的，你没有必要一定要去建BI建数据中台才去解决。一样的你应该优先去考虑，去改进你原有的业务系统，去增加相应的一些统计分析功能，去基于领导希望的看到的数据，去改造你原来的业务系统，提供相应的数据分析的一些报表功能，增加相应的一些集成类的接口，就可以解决这个问题。

以上三个都是可以体现从数据治理的角度去改善我们的业务系统可行的一些方式。这些方式如果企业建设了主数据或数据中台，它可以更好地去解决。但是你即使没有去建，也可以通过改造你相应的业务系统去把这些问题解决。

数据治理数据驱动的思想去改进业务，它一定是具有前瞻性和风险驱动的，而不是事后审计的方式。我们现在看到很多做数据治理的时候，他已经发现了数据不一致，他的想法不是说去改进业务系统，从源头上去解决这个问题，而是又增加了很多类似于数据稽核类的系统，通过集合去清洗数据，改进数据的质量。这个方式反而是一种舍本逐末的方式。我们是不推荐这种方式。

所以说最后再总结一下，就是大家一定要正确认识到数据治理和数据驱动，不是说一定是要去建一些大的数据中台，主数据平台就数据驱动了。而是说通过对底层的数据的分析，数据之间关联依赖的分析去发现业务的问题，去改进相应的业务作业的流程和改进你业务系统已有的一些功能，这个都是可以把它纳到数据治理的范围。

好了，今天的简单分享就到这个地方，希望对大家有所启发。