实现企业数字化转型，你只差一味药引子

数据的权威性和重要性，伴随着时代的发展而来，已经不需要我们再论证了。

"去年，我们计划通过数据分析带来3千万美元的收入，到去年底，实时上我们做到了1.05亿美元" -- Hilton CDO

"如果没有数据，那你顶多算是一个持有不同观点的人而已。我们相信上帝，除此之来，都请用数据说话" -- W.Edwards Deming，质量管理之父。

"我们会收集所有数据，即使我们现在还不知道该怎么使用它！"-- 贝索斯，Amazon CEO

什么是数据民主化，为什么它很重要？

企业内，要实现数字化转型的话，塑造企业数据文化是当务之急。数据的民主化，就是为了让数据大众化，让所有用户都可以平等的接触和使用数据，如：

财务分析、HR 人力资源分析、运营分析
数据科学家进行的数据洞察

所谓”旧时王谢堂前燕，飞入寻常百姓家“。要实现数据民主化，必须极大的降低数据门槛，让本来只有IT专家可以做的事情，变的简单：让那些需要数据的人，都可以自助的发现、收集、并分析数据。

这是大数据最好的时代，这也是大数据最差的时代

多年摸爬滚打后，我们才逐渐认识到，基于事实的、数据驱动文化对一家公司是何等重要！

在这个基础上，数据在逐步的资产化，并在向货币化演进。这么一个不争的事实被认可了：

随意丢弃过时的旧数据，曾经是多么错误的决定。

数据可以帮助我们发现反直觉的真相、找出生产链中低效的环节、发展潜在的商机。目前，数据已经是企业控制成本、提升利润，向精益运营转型的重要手段

大数据已经是大势所趋，不可逆转的潮流。然而，如何真正实现洪流落地、赋能商业，面临的挑战却也是前所未有的：

数据安全与个人隐私如何解决？
企业发展多年，数据孤立严重，如何找到并唤醒这些数据？
打通数据孤岛后，部门之间利益如何重新平衡？
企业内数据文化如何培养？

这些问题，个个都是致命的要害，任何一个，都可以让你的公司退变成数据荒漠。

一个数据公民的工作桌面

下图，是一个普通数据分析师或数据科学家的工具箱，和日常工作的一部分：

从数据准备、数据建模、到数据训练各个环节，数据科学家们已经装备了十八般武器，从python到Tableau。

再看看数据科学家的日常是如何工作的：

从数据流向的角度来看，科学家处在中下游，要想拿十八般兵器开练，还需要原料的支持，那就是数据。

而数据从生产系统生成、到采集、入湖、清洗、建仓，这些环节，都是数据科学家鞭长莫及的。

我们发现，数据科学家们欠缺的不是工具，而是数据，如何高效、方便、安全的获取数据，才是他们的痛中之痛

数据科学之殇

再精良的装备，也无奈糟糕的数据。我们在一丝不苟的做着数据分析和数据挖掘，若数据没有保障的话，又有谁敢说我们做的不是一件"garbage in garbage out"的事呢？

从数据这个角度出发，从数据查找、理解数据、到分析数据，每一步都像是在迷宫里探索，运气好，才能撞出去...

如何破解数据科学之殇-数据迷宫呢？答案就是引入现代化的Data Catalog

为什么需要现代化的Data Catalog

我们从数据分析师的例子讲开。从有想法、到数据验证的整个周期内，寻找合适数据、理解数据、信任数据、使用数据这四个环节的耗时分布大致如下：

令人惊奇的是，这四个阶段上耗费的时间，呈漏斗状分布。我们仅用了几个小时去分析数据，但是却用了数天、甚至数周去寻找这些数据！这也从侧面印证了我们之前的论断：分析工具集已经不是数据公民们最薄弱的环节。

现代化的Data Catalog需要和其他数据工具一样，作为数据科学家工作桌面上的必备选项之一

为什么要强调是现代化的Data Catalog呢？主要还是从目标出发，传统的数据目录工具已经不少，但都无法很好的解决发现和理解数据的问题，因为：

传统Data Catalog是从管理的角度来归集数据的
传统Data Catalog的目标不是数据民主化，不是为了赋予从数据公民平等的使用权

现代化的Data Catalog则不同，主要是：

现代化的Data Catalog以人为中心，人才是数据资产的核心，治理数据的最终目的是理顺人与人之间的关系
从数据治理的角度，现代化的Data Catalog，认为数据是活的，数据之间的关系、数据与人之间的关系与数据本身同等重要，这是大数据的本质

通过人-人、人-数据、人-知识、数据-数据之间的关系，可以把整个公司的数据资产构建成知识图谱。

通过关系，把数据、人、知识、之间的关系构建起来，它是数据资产间流通的血液，这个基于关系打造的图谱，就是现代化Data Catalog的核心引擎。

现代化的Data Catalog可以做什么？

新入职的员工

新入职的员工，急需了解公司的数据全貌和某领域细节，现代化的Data Catalog需要提供关联的专题导引：

可快速与最合适的人交流

相信数据分析师们都不会反对这个结论：向懂的人请教一分钟，可以节省自己一整天的时间。关键是如何找到最懂的人？

通过现代化Data Catalog的核心图谱引擎，我们可以还原出：

是谁生产的这份数据，找到数据负责人
都有哪些人使用过这份数据，是在什么时候，以及都是怎么用的，从而找到数据专家

然后，通过内置接口，当场唤起沟通工具进行交流：

问答社区，内容全员可见，方便全员协作
IM，定向交流，可快速解决问题
知识库，查看专家留下的宝贵经验。知识库可以通过智能问答机器人提供更具引导性的建议。

别人对这份数据的态度

“随大流不挨揍”，话糙理不糙。在大数据时代，就不要做少数派啦....

在使用一份数据之前，看看是不是有其他人用过，以及反馈如何，是省时省力的方法。现代化的Data Catalog需要提供这方面的支持。

我们可以通过反馈、备注、聊天记录、知识库、TAG、FLAG等不同方式，把用户在这份数据上的行为和体验沉淀下来，这就是这份数据的画像。

数据复用

有现成的，谁不用啊！在大数据领域更是如此，因为分析师们周而复始的、重复类似的数据需求，现代化的Data Catalog不仅需要支持经验的沉淀，更需要支持结果的直接复用！

众包模式

独乐乐，不如众乐乐。数据负责人，就是有三头六臂，也没有办法完善所有的数据描述。现代化的Data Catalog需要引入众包模式，根据实际经验来完善数据描述、使用案例等。

这个特性，是与传统Data Catalog理念明显不同之一。我们没有站在管理的角度，而是相信公民都是贡献者，强调了索取与奉献共存。

写在最后

值得留意的是，在企业数字化转型中，你的工具箱中，不缺少数据分析和加工的利器，即使缺少这类工具，你一眼就能识别出来。

但如果缺少合适的Data Catalog，它不但难以识破，而且会导致你迟迟走不到数据驱动的爆点。

看了这么多，还是不知道如何寻找找适合您企业的Data Catalog产品？

点击查看全滴滴都在用的Data Catalog

作者：张彦龙（公众号：数据老铁匠）

滴滴云全线标准型云服务器限时特惠,注册即送新手大礼包
新购云服务1月5折 3月4折 6月低至3折

滴滴云-为开发者而生