数字化时代,数据作为新的生产要素受到了各界前所未有的重视。
随着数据越来越多,怎么管好、用好数据,让数据发挥价值,成为了很多企业的一个难题,而且还是一个必选题!
数据管理听起来很简单,但事实上数据治理对每个企业都是一项很大的挑战。据Gartner 的一项调查显示,超过90%的数据治理项目都失败了!
下面小编就带大家来盘点一下那些搞垮数据治理项目的骚操作!
一、缺乏明确的目标
1、没有明确目标。不能说没有目标,而是目标定的很大、很泛、不聚焦,不考虑目标可实现性和可衡量性.
2、数据治理的目标太过短视,导致数据治理的返工。
3、数据治理目标不与业务目标挂钩,只从技术角度考虑怎么治,不考虑为什么治?为了治理而治理!
二、分工混乱,权责不明
1、谁有数据的拥有权,谁有数据的使用权,谁有数据的管理权等职责没有清晰的定义,号称人人都对数据质量负责,但实际上数据管理十分混乱、大量重复,真正出现问题后相互推诿,没有人愿意负责。
2、没有建立明确的数据确权和问责机制,出现数据问题不知道该找谁,多方协调,导致项目实施速度变慢,并导致许多质量问题没有得到解决。
3、让IT人员去关注数据质量的定义和趋势,分析并确定数据质量问题的根本原因。不懂业务?没关系,赶紧去学啊!
4、让业务人员去剖析数据结构,搞数据血缘和数据使用。不懂技术?没关系,赶紧去学啊!
三、高层管理者关注不足
1、高层管理者对数据治理认知程度不高,将数据治理和数据管理混为一谈,认为数据治理就是IT部门或者是DBA的事,IT团队就能搞定了,不需要高层领导过多的参与和关注。
2、高层管理者天天高喊“数据是资产、治理很重要,要大力支持”等口号,雷声大,雨点小,口号喊的响,没有实质的行动。数据部门不能被完全赋权,或者安排一个毫无影响力的小部门去负责,这都不太可行。
3、高层管理者权威和影响力不足,不能推动数据治理目标与业务绩效进行绑定,遇到跨部门协调,各部门嘴上答应一定好好配合,实际执行中还是我行我素,什么数据标准、数据规则,遇到强势的业务就得给业务让路、开绿灯,导致数据治理策略形同虚设。
四、缺乏数据治理专家
1、将数据治理和系统管理混为一谈,让IT系统管理员对数据的质量负责。这就好比让修自来水管道的对自来水的水质负责一样不靠谱。
2、认为数据质量管理都是IT人员的事,懂算法、懂模型、懂编程就够了。殊不知,数据质量团队必须具有业务分析思维、对业务流程足够了解才能做出正确决策,如果不能理解业务也可能无法理解错误数据的影响。
3、认为数据质量都是业务人员的事,由业务人员负责就够了。殊不知,数据质量不仅仅与识别业务规则和纠正错误有关,它还涉及持续监控数据并设计将错误风险降至最低的流程。更何况在很多企业业务人员能够把业务规则说清楚的其实也并不多。
五、不透明规则和系统
1、制定的数据管理制度、数据管理流程不进行发布和公开,定义的数据标准也不进行宣贯,相关干系人清不清楚这些规则也不知道,反正我们工作做完了。
2、数据治理的进度、成果不及时汇报,不让相关领导和部门看到成果。
3、 “财不能外漏”,导致信息孤岛和信息差。
六、被动式数据治理
1、只关注业务流程、不关注数据质量,数据质量只有在导致决策失误、老板发飙时,才会成为问题。
2、不考虑主动建立数据治理的策略,没有统一的数据标准,各系统数据各自维护,数据质量只有在系统无法有效集成时,才会成为问题。
3、平时不关注数据治理,不重视数据质量问题的及时处理,数据质量只有在监管部门开出罚单时,才会成为问题。
七、项目型数据治理
1、将数据治理视为一次性项目,一开始期望很高,认为通过一个项目的实施,数据质量会在一夜之间得到改善。
2、认为数据治理就是将当前的发现的数据问题处理了就可以了。
3、数据质量和数据治理流程都是单一的一次性活动,做完就完事了,哪儿还需要建立持续的机制?
4、数据治理策略和数据质量处理措施不需要和相关部门达成一致,只求速度不求质量,杂乱无章。
八、孤立式数据治理
1、建立了数据标准但不进行数据贯标,遗留系统不做数据改造和映射,新建系统也不参考数据标准,数据标准被束之高阁,成为一纸空文。
2、将数据治理视为一项单独的、额外的任务,不与业务流程挂钩。业务部门只配合进行数据质量问题的清理,但不接受将数据规则内置到业务流程里。
3、业务部门认为数据治理只会增加他们额外的工作量,并对业务造成了一定的约束,对其业务绩效没有产生帮助和价值。
九、唯工具论
1、过于重视和依赖工具和技术,忽视数据治理的组织、文化、制度、流程和标准等体系的建设,走入误区,造成管理失焦。
数据治理关注的是“如何管好数据”的问题,其中涉及一系列的策略,例如:战略、文化、制度、流程、标准等,是数据管理最核心的内容。
每个数据治理策略的制定和执行过程,都有很多影响的因素,会导致数据治理的失败。以上是小编整理的真实案例分析,希望能对您有所帮助。
领取专属 10元无门槛券
私享最新 技术干货