企业数据管理团队最大的一个挑战就是跨部门数据的整合,因为部门墙到处都是。

对于大多数企业,需要先破后立,通过大数据平台项目的形式进行跨部门的数据采集和整合。因为在项目阶段,公司领导一般比较关注,而规划等部门也会强势介入,因此跨部门的一些工作往往能有效推进。

这个时候,数据团队则要顺势而为,重兵投入,别人以前也许可以不配合,但这次由于项目的因素不得不配合,不抓住机会更待何时?

而笔者看到很多企业的大数据平台侧重的却是平台和工具的建立,大家都喜欢看得到的东西,各种技术方案的选型和论证啥的,但却忘了大数据平台的核心根本不是平台和技术,而是数据的整合。

因此,也许A和B企业都完成了大数据平台项目的建设,但获得的结果可能是不一样的。

A通过这次机会新增了企业30-40%的数据,而B也许只是把原来的数据通过新平台重新捣鼓了一遍,造成的后果是业务部门没有感知。领导有时就会疑惑:难道钱都打了水漂?

数据团队在感叹部门墙林立的时候,就要想一想,在机会出现的时候,自己有没有竭尽全力?有没有带来信息的增量?

当然,大数据平台项目只是做到了先破后立,但它不是终极救世主。

项目结束后,如果企业始终未建立起跨部门的数据汇通的组织、机制和流程,一旦公司风向、人员及系统发生大的变动,以往通过项目建立起来的那点数据资产就经不起折腾了,具体表现在下面四个方面:

1、采集完整性问题

各业务条线数据资产的新增、变动情况封闭在各部门内部,导致企业级数据资产的盘点不全面,更新不及时,开放不充分。

2、跨域数据融合问题

企业数据管理团队处于业务的下游,往往对于业务知识的掌握不够全面,很难从企业级的视角发现数据融合融通带来的业务价值,虽然数据1+1>2的道理大家都知道,但真要数据团队给出一些数据融合带来更高业务价值的案例,还是有很大的挑战。

3、数据质量问题

数据汇通过程中往往存在源端供数质量差、不及时、保障缺失等问题。

这也很容易理解,对于你来说很重要的数据对于源端数据提供者来说可能一文不值,因为对整个企业长远来讲很有价值的数据对于某个部门短期来说不一定有价值,毕竟屁股决定脑袋,因此处理的优先级可能非常低。

4、应用拓展问题

究其根本,还是因为企业级的数据团队往往缺乏企业级的应用视野。

以上四个问题,本质上是大数据汇通工作缺乏企业级机制的保障。

(此处已添加小程序,请到今日头条客户端查看)

虽然数据团队也许通过项目化的方式已经事实上承担起企业级数据资产汇通的工作,但如果企业各个部门对于这个事情缺乏共识,以上问题是很难彻底解决的。

有人会讲,强扭的瓜不甜啊,你即使强制建立相关的机制流程,人家不配合照样不配合,做的慢一点你也没办法。

这在大数据运营的初期有道理,但一旦进入规模化阶段,靠人情世故来推动大数据汇通的改善就很难了,因为客户不会买账。

这里给点建议吧。

数据管理能力成熟度模型(DCMM)是针对一个组织数据管理、应用能力的评估框架如下图所示:

其中受管理级稳健级都明确提到企业建立标准化数据管理流程的必要性,这个跟笔者的认知相符,其实最难的是落实到实操层面

现在很多企业认识到了IT的重要性,比如成立了企业级的IT架构委员会,这是非常大的进步。

企业级IT组织的建立对于企业级数据汇通机制的建立至关重要,因为在大多传统企业,很难像互联网公司那样设立CDO岗位直通管理层,毕竟基因不同。

但光有一个企业级组织的名头也是不够的,必须设立具体的岗位、角色和职责。DAMA里面就明确提到了跨部门数据专业工作组(数据治理的跨职能团队)这类组织中数据专员角色的重要性。

笔者非常认可。只有设立各个部门的数据代表及数据专员,才能解决前面提到的一系列问题,比如业务知识不理解问题。

总之一句话,要彻底打破企业的数据部门墙,一方面依赖企业对于IT和数据的认知和重视程度,能够给予组织、机制和资源上的保障,另一方面则需要数据团队积极作为,给出合理的策略,否则就没什么希望了。

大数据平台不是救世主!做好数字化转型,得先解决这一问题相关推荐

  1. 华云数据蝉联中国大数据50强 入选《2022数字化转型生态建设百佳案例》

    8月4日-5日,由中国电子信息产业发展研究院指导,赛迪传媒.大数据产业生态联盟.<软件和集成电路>杂志社联合主办,中国软件评测中心.赛迪顾问.赛迪智库协办的"2022(第七届)大 ...

  2. 16年的大数据经验,为了搞定数字化转型,我和老板做了个赌注

    这是一个真实的故事. 嗨,大家好,我是于添翼,目前在一家书店做首席数字官. 算起来,我是从2004年开始做OA/ERP/财务软件等系统集成软件实施的,至今也已经快十六年了. 这么多年在这行业摸爬滚打, ...

  3. 直播预告丨搭建高质量用户数据平台,加速车企数字化转型

    ▼ 点击"阅读原文" ,参与直播赢好礼

  4. 秒级处理海量数据,浙江移动大数据平台是怎么做到的?

    近年来,随着云计算.移动互联网.物联网等技术的发展,以及智能手机.平板电脑等终端设备的不断涌现,各种类型的电商.社交媒体等应用快速发展,产生了海量的数据,并且数据量增长的速度越来越快,庞大的数据资源引 ...

  5. 秒级处理海量数据,浙江移动大数据平台是怎么做到的

    项目背景 近年来,随着云计算.移动互联网.物联网等技术的发展,以及智能手机.平板电脑等终端设备的不断涌现,各种类型的电商.社交媒体等应用快速发展,产生了海量的数据,并且数据量增长的速度越来越快,庞大的 ...

  6. 开源技术、开放使用、业务导向的大数据平台,助力银行数字化转型

    随着技术的高速迭代,金融科技企业早已不再是简单的金融+互联网模式,而是在大数据.人工智能和云计算加持之下逐渐进入下半场. 飞贷金融科技作为国内首家覆盖业务全流程.运营全体系的移动信贷整体技术服务商,通 ...

  7. 善用产业大数据平台,赋能产业数字化转型升级

    在数字经济时代,大数据不仅成为新型的关键生产要素,同时也是驱动产业高质量发展的强劲引擎.所谓产业大数据平台是指集产业数据获取.存储.管理.分析为一体,以多源数据为核心,以数字技术为支撑,以产业服务为导 ...

  8. 飞天大数据平台助力轻松筹数字化运营

    简介:本文讲述了轻松筹是如何利用阿里云大数据平台搭建低成本的数据中台,实现数据化运营.数据中台支撑了轻松筹丰富的运营活动,通过智能化的手段,为用户和企业创造了价值. 轻松筹数据平台部高级总监 孟奇奎 ...

  9. 【数字化】分享整理-数据中台=大数据平台+数据资产管理平台+数据服务平台

    导读:数据中台需要采集数据作为原材料进行数据加工.数据建模,然后分门别类地储存,再根据实际的业 务场景,打造各类数据服务(含数据应用平台)从而实现对业务的赋能加速. 目录 1.数据中台的功能架构概览 ...

最新文章

  1. View事件分发机制(源码分析篇)
  2. 深入理解linux内核: linux内核(二)
  3. 湖南大学计算机学院软件专业杨磊,杨磊-湖大信息科学与工程学院
  4. MlLib--逻辑回归笔记
  5. api 二次 开发 禅道_浅谈-软件开发流程
  6. js中的数组基本知识
  7. 卡耐基梅陇大学计算机学院名人,卡耐基梅陇大学
  8. python之强化学习入门
  9. 也谈被严重高估的安全技术
  10. 为什么我推荐你立刻使用Java 8 Stream?性能逆天了
  11. Hot Swap failed:add method not implemented
  12. 为qt程序添加ico图标
  13. word双栏添加右栏下脚注而左栏满字方法
  14. python英文日期转数字年月日格式
  15. c++算法的上界下界
  16. MSS(Microsoft smoothing streaming)介绍
  17. 快速了解矢量量化Vector-Quantized(VQ)及相应代码
  18. c语言课程设计研究生初试录取报告,C语言程序设计课程设计 研究生初试录取
  19. CleanMyMac4.12.3最新版本Mac系统清理工具
  20. Opencv学习笔记 基于HOG和SVM的行人检测

热门文章

  1. cocos2d c 调用java_cocos2d-x之C++ 调用Java函数并接收返回值
  2. 查看你某条sql是哪个用户执行的_django_debug_toolbar:查看访问某个页面执行sql的详细...
  3. 使用IDEA创建springcloud父工程
  4. 微信生态下的营销洞察
  5. 求矩阵中各列数字的和
  6. c语言输出单链表最大值与最小值,数据结构(C语言版)---顺序表与链表的比较...
  7. server sql top速度变慢解决方案_SQL Server的性能调优:解决查询速度慢的五种方法-数据库...
  8. cad缩放工具怎么用_小米电视怎么投屏?这个投屏工具真的太好用啦!
  9. 《大数据》2021年第2期目次摘要
  10. 大数据与实体经济深度融合全国行首站将于7月10日在贵州举办