資料中臺與資料治理將何去何從？

最近艾瑞等一些諮詢機構先後釋出了關於資料中臺和資料治理的一些研報，結合最近跟一部分客戶討論的關於資料域後續發展的一些心得，今天來談談資料中臺與資料治理的後續發展趨勢和思路。

1 市場在擴大，但是趨於理智，價值導向更明顯

資料中臺是中國本土誕生的一個詞，從技術的角度來講，我個人認為是對資料架構和資料平臺的一個巨大貢獻，快速拉進了高不可攀的資料技術與實際應用的距離，讓資料在企業落地變得觸手可及。

資料中臺顯然是近幾年的一個行業熱點，幾乎所有有能力的客戶，都會場合套用資料中臺的概念來啟動資料域建設或者改造，試圖打破資訊壁壘和資料煙囪，實現資料資產的整合。在資料要素配置的政策加持下，資料中臺市場規模迅速擴大。

最近看了一些資料，資料中臺增長率從2019年的120%，降到了2022年的30%，再到預測的2023年的24%，雖然不同機構對這一數字的解讀用了不同詞兒，有的叫增長趨於平穩，有的叫增速驟降，怎麼說都對，但其中的共識就是客戶開始變得比以前理智，不再糾結於過分追新求快，開始關注資料中臺的價值導向。客戶也開始更理智的看待資料要素，從一開始像囤積土地資源一樣囤積資料，開始更多關注資料本身能夠帶來的價值。同時，也開始更加關注基於資料中臺的資料治理應該如何開展。

2 資料中臺與資料治理本就你中有我，我中有你

資料中臺的出現，在客觀上對傳統資料治理的推進造成了一定的影響，但是資料中臺從本質上跟資料治理是相輔相成額關係。首先，資料中臺實現了資料資源的聚合和融通，承載了業務條線對資料的需求和期望，是企業切入資料域建設的重要途徑和抓手。企業透過資料中臺的建設和落地，比較容易在資料層面“找問題”、“強弱項”，有助於資料治理意識和體系的形成。資料中臺要想持續發揮價值，需要受資料治理體系的管理和約束，資料治理的持續執行有助於進一步加強和推動資料服務能力建設。

雖然在技術架構上，資料治理始終都是資料中臺的重要組成部分，但是資料治理的成效始終都沒有發揮出來。究其原因，問題應該出在管理和組織上。

3 除了工具和平臺，我們應該怎麼理解資料治理

1)、統一思想

資料治理應該成為企業數字化轉型戰略的一部分，針對不同情況和處境，儘快達成一致，形成統一的治理思想和戰略，並納入數字化戰略統一推進。處在數字化轉型初期的，應該採取管理先行制度為王的策略;處在數字化轉型中期的，應該儘快建立資料治理平臺能力，建立全鏈路資料跟蹤監測體系和資料質量基線，快速發現問題，避免一亂一治的問題。

2)、組織至上

資料治理始終都是一個以人為本的領域，資料治理的核心是人，不是系統。這個概念可能很多人不能接受，但事實就是這樣。平臺和工具只能代替人去處理一些重複性勞動，但是資料意識的養成、資料標準的建立、資料質量體系的完善都需要靠人去推動。所以，成立專門的組織就很重要，建立面向資料治理、資料運維和資料運營的專門團隊，確定團隊和組織的地位和責權利，就變成了當務之急。有時候組織的範圍不僅僅是本單位內部，還會包括你的應用開發商、服務商和供應商。

3)、模式適配

通常來講，資料治理的推進模式有集中式、聯邦式和分散式。模式沒有好與壞的區別，適合的就是最好的。比如，對於管理能效高，自上而下推動力強的企業，顯然集中式是最佳的選擇。對於存在多源異構資料的企業，資料資源豐富、需要調動不同業務條線的資料意識和積極性，聯邦制可能更適合。

4)、建章立制

在以前的資料治理活動中，很多大程度上規章制度是缺位的。資料治理往往以運動的方式出現，“醒時同交歡,醉後各分散”，雷聲大雨點小，運動過後無人問津，一切都回歸原點。資料治理的建章立制的過程，也是“立法”的過程，需要明確資料的管理職責、管理流程，形成常態化治理機制，實現資料的“長治久安“。

4 資料治理的發展趨勢

從目前來看，資料治理的發展趨勢，有很多方面已經很明確了，比如資料治理與AI的結合、資料安全與資料治理的深度融合、資料價值呈現成為資料治理的關注焦點。以上思路毋庸多言，我想重點分享一下下面的觀點：

1)、業務牽引的精細化治理，成為趨勢

傳統大水漫灌式的資料治理方式，正在被業務場景聚焦的精細化方式取代，開始嘗試重點突破關鍵和核心業務場景，在區域性和小範圍進行推進，取得成效以後再進行推廣。同時，不同行業和領域對資料治理能力的需求迫切程度也不一樣，比如金融資料治理重點關注資料標準化，多源異構資料較多和離線實時資料並行的場景更關注資料質量監測，需要按照結合行業屬性和業務特點進行有針對性的精細化治理，杜絕頭疼醫頭腳疼醫腳。

2)、全鏈路資料跟蹤監測體系和資料質量基線需要持續關注

說起資料質量監測，這正成為資料治理取得價值突破的重要抓手。面對大量多源異構資料和不同業務場景下，離線和實施資料並存的情況，全鏈路資料跟蹤監測體系顯得尤為重要，需要從資料來源、資料模型到資料應用的全鏈路監控，監控資料調取、資料執行狀態和資料質量事件。同時，我們需要及時構建資料質量運維基線，根據任務要求建立合理的基線預警，對資料質量問題早發現早處置。關注持續的任務關聯性和影響性分析(有點像業務連續性裡面的業務影響性分析)，基於全鏈路的資料血緣，梳理上下資料依賴關係，及時通報及時修復。

3)、資料治理和資料平臺一體化建設

資料治理體系和資料平臺建設，往往沒辦法依照“發現問題、分析問題、解決問題”的路徑去落地，會受很多問題的制約和限制。解決資料問題，通常有兩個思路：

一是一是從平臺架構、技術方面思考解決方法。這個方向就是資料中臺，資料中臺中的“一切業務資料化、一切資料業務化”的思想，體現出來的資料資產化、後設資料管理等等跟資料治理思想一致。

二是透過資料治理解決問題。在這個方向上，資料治理從資料資源目錄梳理、資料標準建立開始，逐步推動資料資源服務和資料能力服務兩大板塊。

因此，資料平臺建設與資料治理正在深度融合，按照一體化建設的思路向縱深發展。

4)、DataOps資料開發治理一體化

近幾年，DataOps資料開發治理一體化在業界非常受歡迎。部分數字化轉型較早、資料資源條件優厚的企業，借鑑傳統DevOps的理念，將原本分散的資料治理、管理、開發和應用等環節打通，形成一個無縫銜接的大閉環，去破解企業在資料應用中的難題。

究竟什麼是DataOps，在現在階段不太好定義。維基百科對DataOps的定義是一種面向流程的自動化方法，由分析和資料團隊使用，旨在提高資料分析的質量並縮短資料分析的週期，簡而言之，就是提供一整套工具和方法論，讓資料應用的開發和管理更加高效。顯然，這個定義有點籠統又不明確。

我們一般理解，DataOps的目標是為了使資料資源和資料應用的開發變得更加有序和可控，實現元件和能力重用以及過程自動化，實現面向使用者的自助式資料分析。DataOps在資料開發運營體系化方面，可以作為資料中臺建設必須參考的一個方法論。DataOps 強調的是資料應用的開發和運維效率，就像DevOps 一樣，DataOps 希望透過提供一整套工具和方法論，來讓資料應用的開發和管理更加高效。

如果說資料中臺是資料戰略層面的，我理解DataOps就是戰術層面的。本來還想說說Data Fabric，又是一個不太好翻譯的詞，Data Fabric成為跨平臺資料整合的新方式，極有可能是顛覆式的方式。