数据管理与数字化转型

关于什么是数字化?什么是数字化转型?不同的人,或是以不同的角度,会有不同的解答。本文中,笔者就尝试从数据管理的角度来谈数字化及数字化转型的具体内涵。在笔者看来,从数据管理的角度看,数字化就是以数据管理为主要内容,以数据驱动为运行机制的组织实践;而数字化转型则是指以“业务数据化,数据资产化,资产价值化”为路径,以数据定义组织、数据驱动运营为逻辑的变革范式

大体上,相比较传统形式的信息化和业务流程重组,以数据管理为主要内容的数字化和以数据定义组织为变革范式的数字化转型,需要进一步做好这么几项工作:1)明确数据价值定位,2)强化数据质量意识,3)完善数据管理体系,4)健全数据治理机制。
明确数据价值定位
在传统的组织实践和信息化建设中,IT只是作为一种提高工作效率的工具,而工具是可替代的;在数字化建设和数字化转型中,IT则将重塑组织的生产力、生产关系和生产方式,其典型特征之一是,数据将作为组织的战略性资产,它将帮助组织准确和深入地了解市场、客户和产品,帮助组织快速实现产品创新和商业模式创新,帮助组织快速和系统地提升其运营效率。
如今,作为无形资产的形式之一,企业商誉已经可以记录进企业的资产负债表中。未来,企业所掌握的数据,也将成为无形资产的一部分,将得以记录进企业的资产负债表。实际上,很多互联网企业的公允价值或股票估值,很大程度上就考虑了其所掌握的数据资产的价值。
最近,新势力造车重新成为社会的热点,很多本来已经濒临倒闭的新势力造车企业,重新成为各地政府或风险投资的宠儿,而其背后的逻辑,应该是出于“软件定义汽车”的产业思考。
从二元对立统一的视角看,我们所生存的世界,可以大概分为这么两部分:物理世界和数字世界。在传统的产业逻辑中,以厂房、设备、工艺、机械、电子等为代表的物理世界,始终是处于主导地位,而以软件和数据为代表的数字世界,则处于从属地位,比如传统汽车中的嵌入式软件。在以特斯拉、蔚来等为代表的造车新势力眼中,未来将是“软件定义汽车”,软件和数据将处于产业的主导地位,而这些正是她们所擅长而传统汽车企业所欠缺的。
如果“软件定义汽车”的产业逻辑是正确的,苹果、小米们踏足汽车行业,与通用、长城们进行正面对决,也不是没有战而胜之的可能。
从上述角度来看,明确数据价值定位,就是要求我们从数据定义组织的角度,从未来发展趋势的角度,认真地审视数据对组织发展的战略意义,认识到数据和数据管理在组织发展中的主导地位,认识到数据在产业发展和变革中的颠覆性作用。
强化数据质量意识
软件定义汽车,数据定义组织,这些话说起来轻松,要做到、做好可不容易,其根本原因就在于,作为一种不可触摸、隐形的存在,软件和数据的质量管理比传统意义上的机械或电气元件的质量管理要更难做。高质量的数据是必须的,而坏的或错误的数据,就像癌症,将拖累,甚至扼杀一个组织。
大家知道,如今的大数据有5个特点:海量(Volume)、快速(Velocity)、多变(Variety)、低可信度(Veracity)和低价值密度(Value),而要确保大数据的数据质量,以便从其中挖掘价值,显然不是一件容易的事。R.MAHANTI1就认为,评价数据的质量可以有29个维度,包括:客观性(Objectivity)、简明性(Conciseness)、易操作性(Ease of manipulation)、可靠性(Reliability)、可解释性(Interpretability)、可追溯性(Traceability)、波动性(Volatility)、及时性(Timeliness)、冗余性(Redundancy)、颗粒度(Granularity)、精确性(Precision)、一致性(Consistency)、相关性(Relevance)、诚实性(Integrity)、完整性(Completeness)、唯一性(Uniqueness)、有效性(Validity)、可获得性(Accessibility)、安全性(Security),等等。
为了做好数据的质量管理,我们需要借助5W1H模型,准确和完整地理解数据的特点和质量特性:
-       谁(Who),提供数据的传感器、设施、机器、人员,智能互联产品,等等;
-       什么(What),将要计量或评估的数据类型;
-       何时(When),数据产生或被收集的时间;
-       何地(Where),数据收集或计量的位置和背景;
-       原因(Why),数据产生或被计量的原因;
-       怎样(How),得到数据或提供数据的过程,即,通过哪些步骤来清洗、转变、生产或格式化数据;
在一个互联、智能、自动的时代,为了充分发挥数据的价值及其在组织中的主导地位,做好数据质量的管理是最基础的要求,如何强调其重要性都不过分。
完善数据管理体系
数据价值的发挥和数据质量的确保,主要还是通过体系化的数据管理工作来实现。国际数据管理协会(简称DAMA)是这么定义数据管理的:
“计划、策略、项目、实践的开发、执行和监督,以控制、保护、交付和增强数据或信息资产的价值。”
在上述定义指导下,DAMA还开发了相应的数据管理功能框架:
 
图片
图1:DAMA数据管理功能框架2

DAMA数据管理功能框架,以数据治理为指导,以数据保护(隐私、安全和风险管理)、元数据管理、数据质量数据管理等基础性活动做支撑,以数据的全生命周期为纽带,从计划和设计(架构、建模和设计),使能和维护(大数据存储、数据仓库、数据存储和运营、主数据管理、参考数据管理、数据集成和互操作、),以及使能和维护(数据科学、数据可视化、数据货币化、业务智能、文档和内容管理、预测性分析)等角度,阐述了数据管理的内容和要求。
笔者甚至认为,组织的数字化诊断和规划,主要工作内容就是数据管理体系的诊断、规划和完善。另外,数据管理体系和能力的建设是一个循序渐进的过程,读者可以参考数据管理能力成熟度模型来推进相关工作
健全数据治理机制
数据治理的目的是确保数据管理要求的一致性,并做好数据管理各功能模块之间的平衡。数据治理的核心内涵在对齐(Alignment):1)业务和技术就数据管理的目标、内容和要求进行对齐,2)战略层、管理层和操作层就数据管理的目标、内容和要求进行对齐,其基本要素就是过程(包括作业活动、输入、输出)、人员(组织、角色和职责)和技术(软件、工具、模板等)。
 
图片
图2:数据治理框架3

数据治理是从组织全局和长远发展的角度引入监督、控制和协调机制,以确保数据管理工作紧紧围绕组织的目标和战略要求来展开,并对数据管理的成效进行实时监控。根据R.MAHANTI的定义,数据治理包括六个要素:参与规则、数据策略、过程、人员、角色和责任、技术,等等。其中,数据治理的过程又可分为计划、组织、运营、实施和监控。可供参考的管理体系包括:ISO 11179(元数据管理)、ISO 8000、ISO 25012(数据质量管理)和ISO 27001(数据安全)。
 
综上所述,从数据的角度看,数字化转型的本质是数据定义组织,数据驱动运营的组织变革,其落脚点是数据管理,这要求组织必须进一步明确数据价值定位,强化数据质量意识,完善数据管理体系,健全数据治理机制。
 
参考文献:
【1】    R. Mahanti, Data Quality:Dimensions, measurement, strategy, management, and governance. 【M】WI:Quality Press,2018.
【2】    DAMA International,Data management body of knowledge, 2nd Edition 【M】Technics Publications,2017.

【3】    Yebenes. J. 等,Towards a data governance framework for third generation platform 【M】Procedia Computer Science, 2019.

数据管理与数字化转型
丁肇之
8 五月, 2021
分享这篇文章
存档
登录 留下评论
制造型企业的战略、流程与IT