一、企业数据治理与应用误区
总结过去四年遇到的企业客户，成功开启数据之路的企业不少。但许多企业在开展数据工作之后，并没有达到预期的目标。下面总结一些典型的误区。
误区1：过去信息化沉淀了海量数据，亟待通过数据项目释放数据潜能。
真相：绝大部分传统企业信息化程度低，现有数据潜能潜能极其有限。匆忙启动数据应用项目，往往还没开始就注定失败。
误区2、当前人工智能非常火，数据是“原材料”，那就先搞数据治理。
真相：决定人工智能成败因素有许多，而且当前大部分应用场景并不成熟。数据治理只是人工智能的必要条件之一，而且周期长。以人工智能作为数据治理的目标和衡量标准往往导致“双输”。
误区3、数据治理体系是好东西，引入进来后数据“病”有救了。
真相：企业当连基本的质量体系和实际业务运作还是两张皮，数据治理体系落地缺乏必要的“土壤”。
误区4、只要请到合适的专家顾问，就能把企业治理好数据。
真相：企业自身缺乏必要的组织和人才保障，再有能耐的专家顾问也无法替代企业自身去实施数据治理工作。
误区5、国家有关机构在力推DCMM、数据入表，还有政策补贴，搞搞非常划算。
真相：治标不治本，错过了数据治理的时机，结果导致后续巨大时间成本、机会成本，往往得不偿失。
误区6、数字化转型工程太大，那就先启动数据项目试试水。
真相：还没搞清楚数据治理是干啥的，试水注定失败。
二、企业数据战略“三问”
无论是将数据治理作为数字化转型中的基础工程，还是将数据作为企业关键资源，数据工作的长期性已经不容置疑。
无论是否制定显性化的数据战略，在开启数据数据工作之前，需要想清楚下面三个问题。这三个问题，也是本人在跟企业高层首次见面交流的主题之一。
一问：投入值不值
企业开展数据治理的动力来自两方面。一是上级管理部门的要求，数据治理工作同样是“必答题”。二是期望通过数据应用帮助企业自身经营管理效率提升、业务创新等等。
但动不动数百万上千万的短期投入，精打细算的企业管理层难免不犹豫。价值回报便是重要的衡量标准。
相对可衡量的价值跟当前数据使用场景有关。业务部门要不不敢承诺投入所能带来的回报，因为这样等于自己给自己套了个“枷锁”，那不如不去“趟这滩浑水”。
业务部门讲不清楚价值，数据工作迟迟停滞不前。
数据治理是企业当前以及未来发展的一项基本能力。华为内部流传着一个“做企业是养儿子还是养猪”的灵魂之问。意思是，如果将企业当作猪来养，想尽办法迅速“催肥”后卖掉（包括上市），那数据治理显然不是“精饲料”；如果将惬意当作儿子来养，那就没有哪个家长会问值不值的问题。
当然，“砸锅卖铁”的行为还是不主张，量力而行是有必要的。
二问：治用谁优先
根据华为数据之道的介绍，华为自2006年开始启动数据治理工作。根据数据工作的战略重点划分为两个阶段，第一阶段以数据治理为主，实现数据清洁，支撑主业务流打通和财报准确；第二阶段以数据共享、应用为主，支撑数据驱动的数字化转型。但是并非第一阶段华为没有数据应用，只是没有被列为数据的重点工作，而是作为IT工作的一部分。
当前企业在数据方面的投入，更加偏好数据应用。这符合企业管理层的期望，也符合数据平台服务商的价值主张。
对于具有一定信息化基础的企业，先通过数据应用快速产生价值。同时采取“以用促治”的策略，逐步推动前端数据源头的治理，不失为务实之选。
但是，许多传统企业的信息化、数字化还属于初级阶段。一味追求数据应用，难免要走许多弯路。
某次跟国内某家二线品牌整车车企高层交流了解到，当前经营面临最大的挑战是获客问题。对方听说数据治理可以应用算法模型、人工智能帮助企业进行用户画像、精准营销。看起来是很好的切入点。但是进一步交流，过去企业以渠道经销模式为主，几乎很少有最终客户的信息。
除了人工智能，企业管理驾驶舱是传统企业的另一个应用热点。然而盘点当前企业的IT系统，管理层关注的指标中，60～70%数据并没有数据源，而是依靠业务部门手工录入维护。
这种状况之下大谈数据资源利用，实属“巧妇难为无米之炊”。
作为长久之计，恐怕还得从数据治理开始。当然，数据治理工作必须结合业务数字化工作配合开展。数据在数字化过程中同步开展数据架构、数据标注建设，并有效的指导数字化系统建设。
这也是数据据工作长期性的其中一个重要原因。
三问：体系如何建
无论是用数据优先，还是治数据优先，系统性的引入数据工作方法都是有必要的。数据治理体系建设的条件是否具备，如何建，如何落地？这些都是值得探讨的问题
围绕数据要素的种种专业能力方法，对于企业来说，还是相当陌生的。围绕数据构建的管理体系，那就更加抽象。对于企业决策者来说，理解数据体系都是一个巨大挑战，更不用说正确的决策。
根据数据治理、应用不同侧重点，可以尝试分成两种模式：
一、数据质量管控型
如果企业确定以数据治理为战略重点，那不妨参照企业ISO9000等质量管理体系的模式。这种模式有如下几个特点：1、最高管理者对体系的有效性负责（“一把手工程”）；2、相关的质量要求都与已有的业务活动相结合；3、质量体系贯标组织专职人员并不要求太多，以统筹推动评估活动为主。
二、数据资源运营型
以数据应用为战略重点，那不妨参照人力资源体系的模式。尽管将员工和数据作为企业资源相提并论让人难以接受，但二者与企业主业务之间的关系具有相似之处。
这种模式有如下几个特点：1、作为一种重要资源服务于核心业务；2、资源自身管理有其专业性，人力资源的“选、用、育、留”，数据自愿的“采、存、算、用”；3、资源管理专业组织的形态一定的相似性。人力资源三支柱模型（COE、BP、SSC）的模式同样适合于数据管理。
需要补充说明的是，这两种模式并非非此即彼。一方面数据资源运营型需要涵盖质量管控型的职能；另一方面，可以构建二者混合模式。待运作一定时期后，再进行裂化。集团机关承担质量管控职责，数科等三产公司承担数据资源运营职责。
管理模式确定之后，还需要充分评估企业构建数据体系的基本条件。
一个管理体系包含组织、管理制度、流程文件、支撑工具等要素。
首先，重点聊聊管理制度和流程方面。
数据管理体系方法起源于西方企业，经过企业实践、理论总结之后成为DMBOK、DCMM等理论框架。以DCMM为例，囊括了8大领域、29个子领域，非常系统而完善。但是是不是所有企业都必须而适用呢？当企业当前整体管理水平还没达到一定程度时，势必“水土不服”。
在数据战略领域，包括战略规划、战略实施、战略评估三个模块。然而许多企业业务战略、数字化转型战略就做得马马虎虎，压根谈不上战略评估。现在要求做数据战略评估，实在有点勉为其难。
