資料治理工作的8種推進套路

qing_yun發表於2022-03-16

彭友們好,我是老彭啊。最近專案爆發,我都快累死了!跪求各位彭友幫忙推薦資料治理人才,高中初級都要。,最近有想換工作,或者身邊要換工作的彭友速度聯絡我~~~

前些天,有客戶問我,資料治理到底該怎麼做?這個問題問的我是一時語塞。因為是在客戶現場,我只能根據他的實際情況,針對性的提了一個方案。

不過,這客戶還真的是做了一些工作,然後就開始討論起來:那誰誰誰,都是這麼做的,我們能不能也這麼做?

說實話,我是比較喜歡這種客戶的,因為這代表他在思考問題。我最害怕的客戶是把你丟一邊,啥支援也不給,最後管你要高質量的結果。這八成是要壞事的。

當時跟客戶聊了很久,但都是聊到哪算那,也不繫統,今天趁著有點時間,整理一下,貢獻給大家,僅供參考。

共分為8種方法,分別是:頂層設計法、技術推動法、應用牽引法、標準先行法、監管驅動法、質量管控法、利益驅動法、專案建設法。

事先宣告,這些方法論都是向各位大佬學習來的,也有部分是專案中實操得來的,並非老彭原創。

1、頂層設計法

顧名思義,頂層設計法就是先做一個資料治理頂層設計的規劃,然後按照規劃執行即可。

做過諮詢的彭友都知道,頂層設計、戰略諮詢都會根據戰略目標拆解KPI,然後設立對應的支撐專案,並且根據優先順序別進行排序,最後形成一個執行的路徑。

今年做什麼,明年做什麼,先做啥,後做啥,都規劃的清清楚楚明明白白。

之後就按圖索驥就行。大致的邏輯就像下圖一樣:

這樣的好處很明顯,先有面,再有線,最後是各個點狀的專案,一點點的落實,效果自然沒的說。

但是這樣的方案是非常非常奢侈的,因為這種方案見效慢,對組織的要求非常非常高。耐得住性子的組織很少,通常都要快速見效。

基本上也只有一些政府單位和極少數的企業使用這種方式獲得了資料治理的成功。

2、技術推動法

有敏感的朋友已經察覺出來了,這裡叫“技術推動法”,而不是技術引領啥的。

其實這種方法是絕大多數企業採用的資料治理方法。要說原因麼,其實很簡單,因為資料治理專案大多是在資訊部門立項和實施的。

既然是技術部門的事兒,那當然是技術部門推動了。講真,我見過太多類似的事情,很少有效果很好的。

《華為資料之道》裡說要“業務主導”,話是真沒錯,但幾乎沒有做到的。原因很簡單,屁股決定腦袋。業務負責人的主責主業是搞業務,根本不會野不可能要主動做資料治理的事情。

技術驅動的套路沒啥說的,就是針對資料問題,從技術層面進行解決。套路就是資訊系統建設的邏輯,立個項,做調研,各種概要設計、詳細設計,各種開發、整合、測試、部署,然後驗收。

效果麼,一般吧。因為大多是問題導向,頻繁“打補丁”式的建設。到最後往往就是各種爆炸,報表爆炸,指標爆炸,資料問題爆炸。

然後開始上指標系統、資料質量系統,一個補丁貼一個補丁,到最後誰都不敢動了。

歸根結底,就是因為資料的問題是一個系統性的,技術層面的原因只是其中之一而已。造成這種現象的原因就是業務參與度不夠。

在企業,誰掙錢,誰的話語權就大。業務自然是利潤中心,而技術一般都是成本中心。純讓技術去推動資料治理,就像是讓兒子督促爸爸戒菸一樣不靠譜。

3、應用牽引法

如果說技術推動是小孩推車,那麼應用牽引則是壯牛拉車得心應手啊。有應用在前面牽引,後面的各種事情就顯得非常自然。

很多企業建資料體系都喜歡先弄一個大屏不是沒有道理的。因為沒有“用”的東西是沒有價值的。

大屏雖然使用者比較單一,實用價值比較低,但畢竟還是有使用場景的,比單純沒有使用場景的純技術開發建設強的不是一星半點。

以資料應用為牽引,反向要求各鏈路的資料高質量供給,促進資料治理體系的建設,也是一個很好的選擇。

但是這種方式做資料治理,始終還是會陷入到片面、區域性勝利的結果。有應用的地方,資料質量就能得到治理,沒有應用的資料質量就沒人管了。

4、標準先行法

講真,標準現行法的真實案例我只遇到過極少數的幾個,其中就有某部委。我當時接手做這個專案的時候,把甲方情況跟彭友們分享,他們都驚呆了!居然有這麼好的客戶!

甲方在建業務系統的時候,把資料標準和業務系統繫結起來。所以他們在做資訊化建設的時候,就已經把所有的資料標準都已經建立好了。

我過去的時候,發現資料治理真的就這麼簡單,完完全全就是一個純技術活兒,不用考慮人的因素。

所有表都是按照統一的資料模型建設的,所有欄位中的鍵值都在最新發布的資料字典裡,甚至為某個“主資料”單獨建了一套管理系統。

我過去就是按照標書裡的要求,建庫建表,開發ETL,把資料收上來,然後整個規則引擎,按照配置結果,自動計算資料質量,定期出資料質量報告。

沃德天!從來沒有過如此絲滑的場景,簡直太爽了。

其實為什麼有那麼多的資料質量問題?很簡單,沒有標準。沒有標準就沒有對錯,自然就會亂到一塌糊塗!

標準有了,就能確定什麼是對的,什麼是錯的。後面的執行、監測和控制就有了依據,資料質量才有保障。

來自 “ 大資料架構師(ID:bigdata_arch) ”, 原文作者:編 輯:彭文華;原文連結:https://mp.weixin.qq.com/s/ugBDUGxwUqdT9WaGv6xzwg,如有侵權,請聯絡管理員刪除。

相關文章