惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

M
MIT News - Artificial intelligence
雷峰网
雷峰网
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Last Week in AI
Last Week in AI
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
阮一峰的网络日志
阮一峰的网络日志
月光博客
月光博客
博客园 - Franky
腾讯CDC
T
Tailwind CSS Blog
Recent Announcements
Recent Announcements
V
V2EX
N
Netflix TechBlog - Medium
量子位
Jina AI
Jina AI
Y
Y Combinator Blog
The GitHub Blog
The GitHub Blog
G
Google Developers Blog
爱范儿
爱范儿
博客园 - 叶小钗
D
Docker
MongoDB | Blog
MongoDB | Blog
D
DataBreaches.Net
T
The Blog of Author Tim Ferriss

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
企业数据治理,为何如此痛苦?
成于念 · 2024-08-29 · via 人人都是产品经理

数据治理在企业中的重要性不言而喻,然而实际执行过程中却常常遇到重重困难,让人感到痛苦和挫败。文章深入探讨了企业数据治理中的痛点,指出问题的核心在于人的因素,包括业务同事的配合度、高层领导的参与度,以及数据部门自身的不足。

俗话说“理论都好说,执行要人命”,数据治理一直是各大中型企业非常头疼的问题。尤其在执行环节,用“痛不欲生”来形容都不为过,苦煞了我等数据打工人。

以至于团队里的年轻同事,都不免对工作前景产生困惑:哥,你说咱这工作每天跟个孙子似的,做的有啥意义?

到底是哪里出了问题呢?

按理说,数据治理的重要性,都懂,数据治理的理论规范,也有,依规办事不就行了?!然而实际情况却是:屡屡受挫,推进困难。

我左思右想、苦思冥想,觉得根本的原因还是“人”出了问题。

01 业务同事配合度低

在与业务同事打交道的过程中,我们发现业务同事对于数据治理工作的理解,与想象中偏差很多。

首先,他们并不理解数据治理的重要性。很多人认为数据治理是数据部门的事情,他们只是配合,既然是配合,那就能敷衍就敷衍下吧。

其次,他们认为数据治理就是增加他们的工作量。业务同事由于背负业绩指标,日常工作压力和工作量很大,尤其在当前很多公司裁员缩编的背景之下,很多人实际承担了2-3人的工作量,已经苦不堪言。他们认为数据治理工作就是在他们原有的工作量之上又凭空增加的工作量,配合度都非常低。

再次,他们也不能接受数据治理规范中提及的一些要求。在明显增加其工作量或者对其利益和考核不利的地方,他们表达了强烈的不满,如明明是其他部门要用数,凭什么要自己录入数据,即使数据是由自己部门生产的;还有如明明是其他部门不按规则用数,凭什么自己要承担连带责任……

说实话,作为一个每日奔波在前线的数据打工人,我挺能理解他们的,他们提出的问题和意见,也不是没有道理。所以,到底是他们的问题,还是我们自己的问题,好像答案已经非常明了:

①数据部门在数据治理工作的宣传和引导方面,做的还不充足。数据治理不是自嗨,要站在业务视角将这件事说明白,要让每一位业务同事都认可我们做这件事的意义,同时认同我们所制定的规范和要求。

②在数据治理规范制定的过程中,要充分与业务进行碰撞和沟通,收集其需求和建议,权衡好各方利益。

是的,道理都懂,但做起来真的非常困难。这对数据治理人员的能力和水平要求是非常高的,尤其在沟通协调方面,但凡有这种能力的人应该都走上职场巅峰了——我就是这么开导团队里的年轻同事的,不知道他听进去没有,也不知道他还能坚持多久

02 高层领导参与度低

作为集团战略目标之一,数据的重要性不言而喻。集团年度会议、月度会议上几乎每次都会提及“数据是资产,治理很重要,要大力支持”这样的口号,但在实际工作落实过程中,却总是雷声大雨点小,鲜少看到业务领导露面支持这件事,主要靠数据牛马和业务牛马之间相互沟通(抱怨),执行质量和效果可想而知。

在对一些领导进行走访后,我们发现高层领导参与度低的主要问题在于:

首先,他们认为数据治理的目标与业务发展无关。他们认为当前数据治理的目标几乎都是站在数据部门自己的角度制定的,如提升数据的价值、保障数据质量与安全、促进数据的共享和整合……他们看不见数据治理能给他们带来的实际的、可预期的效果,比如站在营销部门的角度,数据治理能给他们带来什么样的直接效果和价值?

其次,他们对数据治理最终在业务层面落地存疑。他们表示,目前集团数据治理工作大多是从技术角度考虑治理方法,而对实际业务考量有所欠缺,且他们当前仍未看到集团数据治理工作有成功的业务落地案例,因此对集团数据治理工作能否在最终业务层面落地存疑。

再次,他们对集团数据治理工作的长期性存疑。他们认为,过往集团数字化项目经常出现上线很急突然被砍的情况,且很多项目都是为了上线而上线,根本不关注后期的使用和运营,因此,他们对于集团数据治理项目的长期性存疑,谨慎地采取了观望的态度。

对于领导们的疑惑,我也深表理解,过去我们在数字化建设过程中埋下的隐患,最终还是暴露了,比如急功近利、不注重用户体验、没有持续运营等等。

同时,又感到无比委屈,在集团战略目标的紧逼之下,不仅是我们,业务部门也一样,优先考虑的都是自己的实际利益和目标,没有人有耐心花很长时间、很多精力去投入一件需要长期投入的短期内看不见成果的事情。而数据治理正是这样一项,需要长远规划、持续治理、不断优化、短期内可能看不见成果的事情。

数据治理的重要性都懂,数据治理的成果却不可预见,恐怕这才是领导们参与度低的根本原因。

03 数据部门也有问题

我们必须承认,数据治理无法推进的根本原因,在于我们自己。为什么我们无法向业务部门表达清楚数据治理能给他们工作带来的实际效果?为什么我们制定的数据治理规范会遭到业务部门的反对和攻击?为什么我们没有一个可以拿得出手的业务数据治理案例来说服其他业务部门?……

首先,数据治理目标不是以业务为导向的。我们在数据治理目标制定的时候,第一是过多的站在自己的角度,缺乏与业务目标的结合;第二是目标制定的过于宽泛,没有考虑目标能否实现、如何衡量;第三是目标的制定缺乏长短期结合的考量,在实际执行中的灵活性不足。

其次,数据治理规范不够严谨,缺乏闭环实践。实际上目前市面上是否有真正成功的数据治理案例,还不知晓,但可以肯定的是,当下很多公司的数据治理方案和规范,几乎都是“规划方案”,还未真正得到有效验证。既然是想出来的方案,那么问题肯定是很多的,这与数据人员的专业水平、行业经验等息息相关。一个不够严谨、脱离实际的方案,受到攻击在所难免,这也不能全怪业务部门不配合。

再次,数据治理工作的奖惩激励方案缺失。人都是趋利的,尤其在工作中,站在领导的角度,领导有领导的利益考量,站在员工的角度,员工有员工的利益考量。如果数据治理的工作不能给他们带来实际的利益,他们为什么要配合执行?!也因此,笔者认为数据治理工作难于推进的关键原因在于各干系方的利益分配与奖惩机制缺失或者不公。

综上所述,企业数据治理难于推进的根本原因,是“人”的问题,且关键不在于其他人,而是我们自己。

如果将“企业数据治理”比作一个产品,那么我们就是这个产品的设计者,我们不能怪用户为什么不接受我们的产品,毕竟用户能有什么错呢。而是应该更多地从自己身上找原因:我们设计出的产品是否会被市场和用户所接受,关键在于它是否真正解决了用户的问题,给用户带来了便利和好处。

虽然数据治理工作很难,但我必须告诉团队里年轻的同事:任何一个优秀的产品,都不是一蹴而就的,都是需要花费大量的心思和精力的;而一个优秀的数据人,就是这样被锻炼出来的,加油!

本文由人人都是产品经理作者【老司机聊数据】,微信公众号:【老司机聊数据】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。