12月13日,2018数据资产管理大会在北京国家会议中心举行。本次大会由中国信息通信研究院、中国通信标准化协会(CCSA)主办,CCSA TC601大数据技术标准推进委员会承办,中国IDC圈协办。

会上中软国际数据业务总裁贾丕星发表了“差异化行业的数据资产管理特征思考”的演讲,以下为演讲实录:

中软国际数据业务总裁贾丕星

中软国际数据业务总裁贾丕星

大家下午好,很高兴到中国信通院举办的会议跟大家做一个交流。我今天的题目是差异化行业数据资产管理的思考。拟这个题目的时候,我有两个初衷,数据资产管理这件事很重要,但是我还有另外一个点就是这个事比较难做,我估计在座的应该有同感。

我今年从年初到现在其实一直在不停地跟很多企业在聊数据资产管理的事情,因为我从2005、2006年就开始做这个领域,我之前在金融领域做这个东西,这两年跨行业做得比较多,跟多个行业都有类似的实践,所以有很多跨行业的一些案例思考我觉得还是特别值得拿出来跟大家做一些分享。

我今天准备了几个案例,我希望把我接触的这几个比较有典型意义的客户拿出来把它的特征做一些剖析,然后我们试图从中间寻找一些规律,看看我们以后在引导客户或者自身思考这个企业做数据资产管理过程中应该从哪些角度着手,然后慢慢地推动这个工作,这是拟这个题目的初衷。

另外我发现一个趋势,我今年在引导很多客户思考这个问题的时候,我引导项目的金额居然越来越小了,这个领域做大了特别不容易给企业带来价值,所以我反而引导客户要从小处着手,一点一点看问题,很多问题不是立足于现状立马可以解决的,你应该从你最紧迫的点着手推动这件事情。所以我们来看几个具体的例子,这是我今年给某个大型金融机构做的,整个金融行业数据管控体系比较成熟,银行推这件事情推得比较早,体系相对比较成熟,这是证券行业某个基础设施,我接的项目是整个企业级的战略数据资产规划。这个客户有两个特征,其实它自身业务系统产生的结构化数据的质量相对比较高,因为证券行业是行业级业务流通打通的,如果它本身质量比较低的话业务就运转不起来。但是业务部门跟我们访谈过程中提出来最重要的迫切的问题是外部数据源的获取,因为他们大量的投研业务,行业的一线监管业务依赖于外部数据对上市公司的监管策略,这部分数据各个部门都提,企业级没有形成合力,你从这个地方买一点我从那个地方买一点,然后大家关注的程度不一样,关注已上市的,作为储备项目的、已上市公司投资的这些企业的整个的信息,所以从维度上、层次上提出了各种不同类型的诉求。这样我们就给它梳理了一个题目,这个企业来说,外部数据资产的协同管理对这个企业来说是一个重点。

第二个,其实我们在跟这些业务部门探讨的过程中,他们很少会提出来针对自身业务的一些统计分析的需求,大量的需求其实不是没有,但是很多业务部门都说“我不知道哪里有,也不知道在哪”,后来我们发现了一个问题,很多部门提出来的需求非常类似,但是可能原有这些需求的满足度有一部分得到了满足,但是我们就是不知道,所以我们核心发现数据管理里面的第二个问题是什么呢?是数据基础产品的业务需求协同,还有数据基础产品对所有业务人员的发布和管理,这个环节是失控的,没有人做的。所以其实它不是没有数据的加工,没有数据类的产品服务,而是说没人知道有。

所以从这两个角度来说,我们就从它自身特征角度来说,从这两个角度出发给它做一定的相应的规划体系,而不是从传统的我们叫八大体系几大体系的路径跟它剖析它数据治理最关键的点。这是第一个案例。

再给大家看第二个案例,这是我接的一个小项目,是某一个知名的互联网教育机构,他们是线上业务、线下业务都做的,这个机构在咨询的过程中我发现了几个比较典型的例子,第一个例子就是其实我们原来说数据需要治理是因为跨部门之间的数据协同,其实业务流程之间的协同、决策的重要性远远更为重要,就是比你从数据角度去做数据的整合、支撑管理决策更重要。他们给我讲了一个很典型的例子,比如说这个企业行政部门是做整个的资产管理的,然后财务部门是做财务入账的,这是很简单的逻辑,行政部门说我是管资产的,我换了一套系统,我按照我管资产的目录重新把我所有的资产数据做了录入,然后到了月底的时候财务部门要过账,因为所有的资产全有摊销策略,摊销进账务所有的账全乱,大家觉得这是什么问题?就是两个部门,我作为主管部门我只关心了我从资产管理角度出发我要构建的目录和编码体系,然后我只管我的系统做了数据替代和数据迁移,我根本不管你后面的核算逻辑跟我有什么关系。所以其实很多数据问题的产生源自于业务流程我们根本没有协同,这种问题不解决,我们怎么去解决问题呢?不是单一从数据角度能解决问题的。

还有这家机构因为做教育,肯定都有场所,所谓的场地成本在他们整个成本结构里面是偏高的,但是这家机构遇到了一个问题,他们所有全国各地建的场地、做教育的场地,实际上在拓展部门建完场地之后,这些信息的录入和管理就没有了,我们跟他们访谈的过程中我觉得很奇怪,我说场地成本在你运营成本里面是非常大的一块,从你企业做整个精细化管理和收益提升的角度来说很重要,而且确实存在有些场地是闲置的,有些被单一部门占用就是不释放,这种从内部管理上有很多可优化的空间,但是我们不知道信息在哪里,他们按照粗放的策略去分担,比如按照两个事业部之间1:2的比例去摊,年年如此。

这种可能对于互联网化的这种经营机构来讲,他们当前的收益很高,所以不Care,但是他们的领导紧张,因为他们也逐步面临到利润率在下降的过程中,如果你没有想清楚某一部分成本核算的原始数据的责任方是谁,如何把它有效地管理起来,你后面想控制、优化这部分成本基本上不用谈。第三个例子是什么呢?第三个例子是人力资源,人力资源数据面临到一个很重要的东西就是有一些系统推广了但是效果不好,业务部门不用,比如这个员工离职了,十天半个月录入系统,工资照发,然后导致所有系统的授权管理过程中要从人力资源获取主数据很难,变成了什么呢?所有系统自己维护一套自己的用户和权限管理,然后审计部门不乐意了,你看这个员工已经不在了,他不应该有这个权利,然后每个部门把自己的用户授权定期导出来发给业务部门去做确认,原因是什么呢?人力资源数据更新不及时,就这么一个核心的问题,所以这是第二个案例。

我们再来看第三个案例,我觉得第二个案例更多的是一些跟业务协同的故事,也就是说我们如果不从业务角度开展去做思考其实数据很多深层次的问题是治理不了的。我们看第三个案例,第三个案例是特别有感触的一个项目,这个项目是我们给某一个地产行业做主数据管理的咨询,这个客户只提出来做两个领域,一个是客户级的主数据,一个是项目,按照我们常规的打法认为项目这个主数据不难,因为从立项、审批到最后的执行过程到最后的结项不就是这么一个全流程项目主数据的管理吗?进去以后发现根本不是。一开始我们按照我们的思路把项目分成三大类,比如说中长期项目、建设运营类的项目和物业管理类项目,每一类做一个完整的信息项目模型跟客户去做讨论和确认,但是第一次评审直接被否掉了,为什么?人家讲你们针对项目的分类是我们三年前、五年前的,这几年地产行业受制于下滑,我们经营特别灵活,比如说有些是我直接拿的一块大的开发区的地,然后我自己做开发、自己做运营,有些是我拿了地我委托别人去做开发或者我其中一部分隔离出来让他做开发。有些是别人拿了地分给我,我帮他们做开发,但是销售不归我。有些物业是我自己开发的项目我自己承接物业,有些是别人开发的项目我来承接物业。我们最终讨论了以后,跟业务部门重新做沟通,他发现我们没有办法找到一个关于项目的分类方法,全是模块化拼接的,从拿地、设计规划、开发形成的产业和物业类型,后续的测绘、确权、销售、物业运营管理一块一块都是独立的业务能力,他认为他现在就是不断地把他的灵活的业务能力做组合,然后形成多样化的发展路径,我们最后找了一个思路是什么呢?我们不从项目归类的角度去展开信息模型的这种标准的制定,我们干脆就剖析到业务能力组件,把这个组件单独去做数据模型标准化去做制定。从一方面讲是一个企业站在业务发展的角度看,在提炼他的业务能力,依托业务能力的灵活性组合拓展业务,反向约束数据也按照业务能力形成数据的标准化能力,反向去支撑业务的思路,所以这是比较典型的这个客户的第一个例子。

这个客户的第二个例子,把这些项目主数据标准定义出来以后,我们做第二阶段咨询的时候主要做这个数据标准的认责和管理机制,这发现了第二个问题。我们从拿地、投资规划、运营规划、运营决策到设计、到工程开发、到最后的销售以及运营版块等等一系列下来每一个流程环节去拆解的话,你会发现每一个大流程都涉及到三到五个部门的协同才能完成所有的数据维护和管理。然后整个的一个项目管理的大流程所有数据串接下来,大概涉及到20个左右的二级部门,虽然我们做了这个主数据管理的咨询,然后他们后面也会做主数据管理的落地实施,但是我自己心里面打鼓,比较难,这么多业务部门协同起来完成一个完整的数据管理流程。如果随意地拓展你的业务的情况下,你有没有想过你的组织架构已经跟你当前业务管控能力并不匹配了,你的组织架构应该重新做优化和调整。比如类似于今年讲的很火的概念,数据中台的概念,理论上是很多企业共享能力的协同,是从局部优化到全局优化的提升过程,如果你组织上不变,我即使帮你做了主数据管理咨询,做了管理责任的落地,但是你的系统实施和真正的业务执行能做起来吗?其实还是依赖于他的组织优化。这个客户让我产生的反思还是比较大的。

我再简单提另外几个案例,我有一个客户是国字头某垄断行业,委托我做小咨询规划,就是关于它的各级分支机构统计报送的数据做一个诚信模型,为什么?因为外省去他们那儿看的时候说你这个数据报上来都是乱的、不真实的,审计查出来的问题,所以领导说你们要关注这个报送数据诚信的问题,这套体系在银监会的某些工程里面推得很成熟了,但是这个企业做了第一轮的评估以后发现一个问题,原来只从报送的及时性和报送完备的排名靠前的企业,结合报送数据报送指标跟他们拿到明晰数据的业务逻辑的校验真实性、准确性匹配逻辑之后,很多分支机构直接排名甩到最后,就是因为我报给你,数据真不真实我不关注,我反正能报出去排名就靠前了,加上业务真实性、准确性校验之后直接刷到最后。这也是数据治理领域一些小的解决方案,类似用一些数据质量的问题帮助解决企业管理决策统计分析决策中的问题。

讲了这些案例之后,我想核心表达两个观点,第一个观点数据管控咨询以外,我还做企业架构咨询,我越来越深刻地认识到我们千万不要脱离企业架构、企业的业务发展去空谈数据治理,一点意义都没有,也就是说我为什么把很多客户引导到“小”呢?我觉得大而全地去推数据管控治理体系,至少我没有看到过一个成功的案例,我主张的是什么呢?你一定要从当前你的业务重要性、紧迫性,比如说你要不要有一些新的业务领域的快速的拓展,你的大的成本结构优化点在哪里,影响你大量的人力投入的这些环节在哪里,还有你企业有没有构建一些业务协同像数据中台这样的从局部优化走向全局优化的诉求,结合这几个点找业务关键点,利用数据管控的方法和体系构建一些解决方案帮助解决一些实际性的问题我觉得才是比较有效的。就是千万不要脱离企业的业务实践空谈数据治理,没有意义。

第二点,我要谈的是数据和系统有直接的关系,数据又支撑了业务,而系统是IT开发的,如果我们脱离了数据的产生、流转、集成、分析、处理和使用的这些系统的构建,没有数据能够被产生,没有数据需要沉淀下来去被治理,所以不要空谈数据管控治理的方法和体系。我的建议永远是在你科技的管控治理体系里面把数据的约束性、规范性加进去,保证它的落地实践才是比较正确的方法。

最后我多讲一句,我从来不觉得数据管控治理应该构成一个大而全、完善的大咨询体系,但是我鼓励企业一开始要想清楚你做这件事情的初衷、组织,谁去承担这个责任,以及前期构建的一些基础的框架和管理制度流程。第二点,讲得大一点,做的一定要小一点,没有业务参与的深度业务治理不可能会成功,换句话讲就是数据管控这个领域里面不缺方法论,用简单的技术可以解决很多问题,但是为什么我们实践不成功,就是我们跟业务架构和IT治理环节太脱节了,太冒进了,这是我自己这一年多做了差异化行业不同实践之后的一些感受,谢谢大家。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2023-09-18 16:58:49
新闻动态 2023云天大会|无线电赋能大数据产业高质量发展分论坛:探索无线新动能 助力数字新高地
随着技术的创新与进步,无线电在越来越多的领域得到了广泛深入应用,助力众多产业转型升级 <详情>
2023-08-24 09:38:00
大数据资讯 关注县域数据能力建设,抢占产数业务发展先机
2023年《数字中国建设整体布局规划》正式发布,数据能力已成为我国区域发展的底座和创新引擎。 <详情>
2023-06-28 09:40:08
大数据资讯 如何加强数据资产管理?专家共话分级分类实战宝典
随着数字化转型的推进,数据已成为各行各业的重要生产要素。在这一背景下,越来越多的企业开始加强数据管理能力,并重视数据资产分级分类,以进一步探索数据资产使用的合规 <详情>
2023-03-30 11:15:07
云资讯 分布式时代已至,数据如何更有价值?
无论是连通各大集群内大型超大型数据中心,还是连接边缘侧小型、边缘数据中心,分布式云计算都已成为这张算力网络最重要的支撑。在此背景下,云计算步入分布式时代。 <详情>
2023-03-01 19:27:00
市场情报 FlagOpen大模型技术开源体系,开启大模型时代“新Linux”生态
大数据+大算力+强算法=大模型”是当前人工智能发展的主要技术路径。语言大模型ChatGPT成为现象级应用,人工智能进入普及应用的新时期。 <详情>