一、必须加强数据应用
在数据驱动的时代,不基于数据做出决策,就容易导致失败和损失。但是,数据应用过程中总会存在这样那样的问题,怎么办?这就涉及几个问题:
(1)是否开发和策划了基于战略和业务的应用场景
数据驱动的重要体现就是场景化应用,所以场景的开发和设计应该纳入业务数字化转型的重要考核内容,否则业务做出的决策大都是靠直觉的。因此,可以把场景的数量、场景的有效性、场景的价值等作为指标进行持续跟踪考核,并辅以激励机制。这样,才能调动业务部门的积极性,才能真正让数据发挥价值。
(2)是否业务提出了具体的和场景相关的数据问题
数据问题大都是业务在使用过程中发现的,比如完整性、一致性、准确性等。因此,一个企业是不是真正数据用的好就看业务提出的数据问题多不多。现实情况往往是一问业务就是没问题,反倒技术部门总是反映完整性、一致性、相关性等问题。这就本末倒置了,用数据的没有问题,不用数据的总有问题。
(3)这些问题是否能够得到有效的解决并可以应用
实际上,数据问题是影响数据使用的重要因素,比如不准确、不及时、不规范、不共享等等,那么业务提出问题的时候能不能有效解决就很重要。我们经常发现业务部门之间要不到数据的问题,找到信息管理部门,信息管理部门不知道怎么办,找到对应业务部门,业务部门也不知道该不该共享,折腾几次就没有人对要数据有热情了。其实这就是典型的数据治理问题,他需要构建一致的协同机制解决,而不是话传话,考感情解决。
(4)这些问题的解决是不是需要数据治理程序介入
数据问题的解决有的是机制问题、有的是技术问题、有的是人的问题,因此在发现数据问题时要分类进行分析,只要涉及机制体制、制度流程、绩效激励等问题,就可以归结为治理问题。也就是通过治理来规范数据问题解决的能力,做到发现问题能落实到岗位、能落实到人、能落实到结果。以问题结果成效完善治理机制。
二、必须体现应用价值
数据的应用必须也业务价值高度关联,对战略和业务不产生价值的应用场景就是负债,因此在构建数据应用场景时必须考虑对业务的贡献度。这也是数据应用价值的直观体现,这里面涉及几个问题:
(1)哪些数据场景是有价值的场景
构建高价值的业务场景是数据场景构建的第一原则。现状是有的企业梳理了很多的数据场景,持续应用的又不多;有的企业则不知道有哪些数据应用场景。这是两个极端,其实数据场景就是以业务经营管理应用为基础,以赋能业务经营管理为目标。能够为业务管理带来价值的场景就是好的,无论辅助决策、降本增效还是模式转换。因此,数据场景是否有价值就看是否真的为业务带来价值。
(2)如何构建针对业务价值的指标
当前,很多企业都在开展指标体系建设的工作,梳理的指标少则几千,多则几万,甚至更多。指标的建设是必要的,指标是反映企业、部门发展健康程度的指针。但是,无法预测、推演、决策的指标梳理的再多,对业务价值贡献也不大。目前,很多企业指标还是孤立的竖井式统计模式,只在部门内容或垂直条线有作用,无法形成横向拉通、纵横一体的战略模式。
(3)数据治理如何在过程发挥作用
实际上,数据治理最重要的目的就是保障价值实现的,因此对场景的价值化要制定监督和测量计划,保障场景的价值化实现,保证指标的可持续健康高质量作用。因此,数据应用场景的制修订管理、指标的制修订管理、场景指标的治理,都应作为数据治理在这一过程的重要工作。
三、必须快速解决问题
数据问题是影响数据使用最大的因素,而且有些问题并不容易解决。在解决数据问题过程中主要涉及以下几个方面:
(1)数据问题反馈的渠道和规范程度
(2)数据问题的定责和如何进行解决
(3)数据问题优先级划分和影响因素
(4)数据治理在数据问题过程中作用
四 必须融入治理能力
传统的数据治理和传统的工作思维碰撞在一起很难发挥作用,有时候竟然还会朝着相反的方向并产生矛盾和冲突,所以,必须改变传统的数据治理理念和方式,这就涉及几个转变:
(1)一是由被动治理向主动治理转变
(2)二是由治理思维向服务思维转变
(3)三是由管理壁垒向协同融合转变
(4)四是由数据管理向数据工厂转变
(5)五是由成本思维向价值思维转变
五 必须打造流通体系
激活数据要素生产力,打造数据高效流通的体系,才能发挥数据更好的价值。但是,在企业中如何打造流通体系,这就涉及以下几个问题:
(1)如何打造数据底座
(2)如何汇聚交换数据
(3)如何建立确权体系
(4)数据治理机制作用