数据治理中的有趣发现(一)

枫棠    发布于:2019-10-24 浏览 79

数据治理,一般来说,涉及数据获取的治理、数据流程治理、数仓模型治理、数据权限治理、指标体系治理、数据应用能力提升、分析框架治理、数据可视化方案治理等范畴。有着内容涵盖广,琐碎的细节多,外在体感弱,成效周期长,人员心力要求高的特点。本文是由老树的一些新的发现和观点,有独到见解的伙伴也可以发表自己的评论。

本文转载自公众号:老树之见

作者:老树

数据治理,一般来说,涉及数据获取的治理、数据流程治理、数仓模型治理、数据权限治理、指标体系治理、数据应用能力提升、分析框架治理、数据可视化方案治理等范畴。有着内容涵盖广,琐碎的细节多,外在体感弱,成效周期长,人员心力要求高的特点。

随着近期工作中对数据治理的深入,尤其是在指标治理范畴下,过去的许多认知,在深层次上被刷新了;同时,随着执行中各种细节的碰撞,也有了不少新的发现和观点。酝酿多时,打算甄选若干,希望对大家有所帮助。
(当然,本人目前的观点,仅来自本地生活场景下的实践,难免有些片面,读者们请批判地吸收。)

观点一:“数据治理,从最初的最初,就要有所设计。”

这话看起来较费解,何谓最初的最初?

如果你是一个创业者,那么你在团队成立的第一天,你就得规划,做些什么样的事,能让你不仅拥有数据,还能正确高效地使用数据。以我对身边朋友的观察,大部分人,会想到要拥有数据,但以为初期有这就够了

如果你是一个经理人或者决策层,你需要在一个新业务的起步阶段,即在业务规划中,就准备好以“精准量化分析”为目的的一整套的数据治理方案,而不要仅仅罗列几个指标,作为KPI,以体现所谓的“数据驱动”。

如果你是一个项目经理、产品经理或者业务运营,你需要在kickoff阶段,就有方案,以保证健全的数据获取通道,准确稳定的指标口径,多方一致的评价及分析方式。而不是认准领导的绩效,硬拼凑一个本质上也许毫无关联的评价指标。

以我目前的观察,在业务启动初期,数据治理方案的缺失,会使得数据混乱的发展速度,远高于业务发展速度。回过神来你会发现,你以为能靠数据结果给予决策支持,但实际上,你会有一堆的混乱结论。你想有座灯塔,可实际上是一片迷雾。

观点二:如果你是一个leader,当你不能准确了解你所使用的指标口径,就不要推动所谓的“用数据说话”。

乍一看,这个观点或许有些极端,但自测一下这个问题,或许你会猛醒:
“你工作中经常查看的报表和数据,你能说清楚他们明确的计算口径么?所属的业务主题、计算的方式、统计周期、限制条件、维度组合、字段定义等?

如果这个问题你答不全,那么你并不具备指标治理的意识(指标治理是数据治理中,与管理决策最为相关的部分),换个角度说,就是你还没有准备好使用数据。

可怕的是,若leader不能清晰地回答,那么下属、分析师、产品经理等角色,基本上对口径也是一笔糊涂账。这样的结果就是:

  1. 管理决策从相对可靠的经验判断,变成依据不准确的数据进行推测;虽然不能说这样的改变有多负面,但有些本优秀的决策者,往往被模棱两可的数据解读挤出自己擅长的领域,以更多的疑虑面对决策,会表现得更“依赖”数据结果,前瞻性决策的能力会变得平庸。

  2. 模糊的数据口径,给了“用数据说谎”、“用指标逃避责任”的空间,大大增加了组织的管理成本。相对的,模糊的口径,也确实能带来一些“柔性”协作的效果,毕竟,任何组织里都有“和稀泥”的价值。

  3. 各协同部门之间,一旦涉及指标的应用,就一定少不了“对数据”,至少开4次“会”:
    第一次,暴露问题,拉群,越拉人越多,伴随各种推脱后,终于,最痛的那一方,万般无奈地作为owner;第二次,搞清楚“owner方”的数据口径;第三次,搞清楚“对方”的数据口径;第四次,确定到底谁的是对的,商量怎么办。往往还有第五次,即由boss们来决定,怎么办。
    这里的协同成本,十分可怕。


    对文章版权如有异议,请添加数澜客服微信号进行申诉:shulan_shouhou

收藏此文章 点赞此文章

评论 (0)

暂无用户回复

评论此篇文章

登录后可回复
/1000