导语：数字化转型和数据治理一直是这几年比较火热的话题，开句玩笑话的说每一年都是数据治理的“元年”。不管国家层面的相关政策、指引，还是企业战略层面现在对这个问题是越来越重视。比如2020年的新冠肺炎肆虐，国家对各地区上报新增病例数据要求逐渐严格，大家应该深有体报。那究竟数字化转型和数据治理有什么联系？应该怎么样去做？做什么用？接下来我谈谈我对这个问题的思考。

一、何为数字化转型？

数字化转型拆开来讲。“数字化”，是以计算机为代表的数字技术，涉及到计算，存储，传输，交互等。“转型”，这个大家都明白，就是从无到有，从少到多。总的来说，就是要从传统方式转变到数字技术。

为什么要数字化转型？我们不是已经使用电脑好长时间了吗？信息化在中国企业普及已经超过了20年了，现在我们每天都在使用各种电子产品，各种办公系统，不都是在数字化吗？为什么还要重提数字化转型？是旧瓶装新酒吗？如果是，那为什么还有这么多企业在研究和实施如何实现数字化转型，究竟这个能给企业带来什么好处？

我们仔细回想一下过去20年，在企业领域，国家大力推动信息化，信息化最直接的印象就是各种系统，ERP，CRM，PLM，OA，BPM等。总的来说，通过纸质转信息，线下转线上，手工转系统，提高信息的交流沟通协作的效率；这也是大部分企业在做的事情，原来提交一个请假申请是在纸张填一个表格让领导审批，现在变成直接在系统上提交审批。原来都是有个账本，记录进销存记录，现在使用系统；原来用文档记录的过程现在使用系统来记录。

这些例子太多，总的来说，做到了降本增效；然后通过系统大量的数据和分析，给企业经营支撑决策。

笔者认为当企业随着技术进步而采用全新的创新方式来开展业务时，他们就是在实施数字化转型。这是一个使用数字化工具从根本上实现转变的过程，是指通过技术和文化变革来改进或替换现有的资源。

数字化转型并不是指购买某个产品或某种解决方案，而是会影响各行各业中涉及 IT 的所有要素。软件让生活、工作变得更美好、更便捷、更高效就是数字化转型的意义所在。

二、数据治理的目的？

其实笔者最开始接触到数据治理工作的时候认为做数据治理不就是提升数据质量的问题嘛！但其仔细想一想不知道你发现没有，从信息化系统建设那天开始数据是就一直都存在我们的数据库当中，那为什么以前没有重视了数据的质量，因为回答不了一个最根本性问题“数据到底有什么用？”。

你可能会说了，我们会搭建数仓、大数据平台去进行统计分析？方便生成各种各样的报表。这样的回答只是在“方便、高效”的这个层次来回答的问题，没有实质性改变。因为这些工作在没有数仓、大数据平台之前一样要做，只不过手工处理一样可以做统计分析，就是麻烦一点。所以数据质量并不是做数据治理的最终目的。

简单分析一下为什么现在重视数据治理？玩股票基金的朋友应该都知道前一段时间创业板超越主板虽然只有几秒钟的时间，惊鸿一瞥，但意义已经足够重大，它象征着中国的经济发展驱动力，已经由传统行业，转移到了高新科技的身上。

你一定听说过谷歌公司的阿尔法狗（AlphaGo）战胜李世石的故事，李世石以“围棋”为生的职业选手，就这样被AlphaGo搞定了；2021年7月8日下午腾讯旗下一个名为“绝悟”的游戏AI与五位王者荣耀职业选手进行了一场表演赛，王者荣耀绝悟作为AI相继打出“蹲草”、拉扯、开团、等操作，最终以3:1战胜职业选手。在比赛中体现AI智能的巅峰之作与人类智慧的顶点的终极对决，真的很值得我们思考。

那AlphaGo为什么可以做到如此厉害？AlphaGo学习了世界上所有高手的“围棋棋谱”，高手的“围棋棋谱”理解为治理数据。换句话来说，只要我们手握有大量的数据再加上机器学习算法，就可以得到一个无与伦比的正确的“决策”。大数据、人工智能技术、云计算蓬勃发展，就是要解决一个根本性的问题“做正确的决策”。数据治理的根本目的为利用大数据、人工智能技术是为“做正确的决策”而做准备。

因此笔者认为数据治理是数字化转型的基础，他不是一个阶段，而是一个过程，是让数据持续发挥价值的一个过程。

三、怎样做数据治理？

要想做好数据治理，离不开三个关键的要素，这三个要素分别是完善的组织架构、制度流程和技术支撑。

1）高层领导的组织架构

对于企业来说，数据治理属于管理范畴，企业数据治理需要强有力的组织架构来支撑，以加强企业对数据治理的掌控，企业数据治理组织架构应该由高层领导牵头，全部业务部门参与，业务部门主导，IT部门执行，为数据治理工作的顺利执行提供组织上的保障。

2）完善规范的制度流程

对于企业来说，数据治理需要完善制度、规范流程，把好“数据流转”关。在制度方面，企业需要制定出适用于全企业的管理办法；在流程方面，制定出数据治理的一般流程，规范从数据需求定义到数据质量的检测和评估一系列流程的具体操作。

3）领先强大的技术支撑

对于企业来说，数据治理也需要足够的技术支撑。数据治理涉及到数据标准管理、元数据管理、数据质量管理、数据模型管理、数据安全共享管理等各个模块，相关衔接。在数据治理过程中，应该把重点放在平台和工具上，一套完整的平台工具和相应的自动化手段，能够帮助企业更容易地进行数据治理。

本文由 @国云数据 原创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。