0

专家解读|交通银行周学张:从《资产5.0》看“科学数据治理”


中国信通院云计算与大数据研究所牵头编写发布的《数据资产管理实践白皮书(5.0版)》,是咱们数据工作者心目中的一件大事。从1.0到5.0,我们感受到“科学数据治理”的特征越来越显著。为什么这么说?作为金融行业数据管理和应用工作的实际参与者,我分享两个观点。



首先是数据治理的“第一性问题”逐步达成共识了。


数据资产管理或者说数据治理,从来源于实践,到指导于实践,在理论层面逐步成熟。怎样来评估理论的成熟度,个人的一个思路是看这个理论的相关概念定义中有多少是采用“归纳模式”,即“某某概念包括什么”,有多少是采用“演绎模式”,即“某某概念是什么”。从“包括什么”到“是什么”,是抽象程度的提高和内容的提炼,是经验总结到理论升华。简单而言,“包括什么”容易提,“是什么”不容易提。归纳模式的适用性相比演绎模式会有限制,不同行业不同领域,基于演绎性的概念解释,能够在各自工作领域进行推导,形成符合自身特色和实际情况的工作方法;而归纳模式的概念解释,则不容易产生这个效果。讲明白“是什么”,算是找到了“第一性问题”,很高兴地看到,在白皮书“数据资产管理的概念和内涵”的章节中,我们能够更多地看到演绎性定义。


因此,当我们谈到数据资产管理或者数据治理,如果只能罗列数据标准、数据质量、数据安全、主数据和元数据等概念,那么这就是“包括什么”的思维;而如果我们找到了数据资产管理或数据治理工作背后的第一性问题,再通过这些问题将概念关系进行串联,我们就可以给出“是什么”的定义。


关于数据资产管理,笔者的工作体会和总结就是:“数据资产管理,就是在企业(或组织)内部,通过对数据主人的认定工作,以数据标准化的形式来推动数据质量和安全目标的达成,实现数据的共享和流通,达到数据从资源到资产的转化,实现价值应用”。在这个定义中,我们认为数据资产管理的核心是“数据主人”,它是串接各个数据治理概念背后的第一性问题。只有确定了数据主人,数据质量才有了真正的关心者,数据安全才有真正的责任人,数据共享才有了真正的参与人。我们用这样一个“演绎性”的概念定义,来指导工作,找到数据管理的核心标的,只要我们的工作是趋近于这个目标的达成,工作方向就是正确的,久久为功。即使这样的工作目标达成在企业实践中非常曲折,但是“治理如水”,只要方向正确,就值得持续努力,不断填平低洼。


其次是数据治理的工作框架基本稳定了。


最近有一个金句:“能用结构解决的,就不用制度;能用制度解决的,就不用开会”。组织是由人构成的,是人与人的复杂关系体,数据治理工作要达到统筹兼顾、协调发展,就必须有一个可以稳定和持续迭代的工作框架。对比白皮书5.0版本和2019年发布的4.0版本,在数据资产管理活动中,8大领域进一步扩展和调整为10大领域,加入了“数据开发活动”,强调了数据开发对数据资产管理效率、质量、效果的重要性;在保障体系中,加入了“工具平台”,强调了工具平台对数据治理落地、落脚的重要性和必要性。这些都预示了数据治理工作在经历企业实践后,反馈了之前理论在覆盖面和深度上的不尽充分,实现了补齐和完善,使得工作框架更加贴合实际工作需要,可以支撑中长周期的工作安排,可以朝着这个方向日积跬步、持续努力。在企业实际工作中,通过对照DCMM等评估框架,我们真实感受到了一个成熟框架对具体工作的指导意义,我们愿意去参考这样的框架进行工作对照和差距评估,找到工作抓手和持续改进的任务,这一点对于具体工作非常有利。


关于数据治理实践,我们在白皮书中分享了一个观点,“每个企业都需要一本适合自己的数据治理工作手册”。白皮书是行业理论和实践案例的整合,但是对于一个具体的企业(组织),实施与本企业历史发展阶段相适应,具体而言就是和企业的人力资源、组织结构、文化共识、IT流程、系统实际和数据实情等基本情况相适配的数据管理与应用工作,需要形成“可宣传、可培训、可操作、可执行”的本地化工作手册。这本手册不仅是数据管理部门内部的执行指南,也是面向业务部门的宣传阵地,宣传好理论,讲明白案例,才能推进数据治理的事倍功半。


《数据资产管理实践白皮书(5.0版)》的发布,有很多的内容还需要进一步学习和咀嚼,能与大家分享一二已经非常荣幸。感谢信通院一直站在行业发展的前方,给大家提供一个互通有无的平台,也希望信通院能够在未来与大家进行更多更前沿的交流探讨。


解读|《大数据白皮书(2021年)》发布,附下载方式

《数据资产管理实践白皮书(5.0版)》正式发布,附下载链接


关于我们

     中国通信标准化协会大数据技术标准推进委员会(CCSA TC601,简称:数标委/BDC),旨在凝聚产业链各个环节,识别和解决大数据发展面临的重大问题,开展大数据技术、数据资产管理、数据共享与流通、数据安全等共性基础标准研究,以标准推进工作为纽带,推动大数据与实体经济深度融合。欢迎加入我们的行列!

      入会咨询:张德民   15313961683

                        zhangdemin@caictyds.cn 

「喜欢文章,快来给作者赞赏墨值吧」
文章转载自大数据技术标准推进委员会,如果涉嫌侵权,请发送邮件至:contact@modb.pro进行举报,并提供相关证据,一经查实,墨天轮将立刻删除相关内容。

评论