CDGA|数据治理难吗？难在哪里？

数据治理在最近几年时间特别火，很多企业都在谈数据治理，将数据治理作为数字化战略的一项必要举措，列入企业的战略行动计划。

在众多谈论数据治理的企业中，发现大家对数据治理有着普遍的共识，那就是：“数据治理说起来容易，做起来难”！

数据治理难在哪里？

01、管理标的对象量大

海量：已经跨入海量数据时代，需要处理Tb级甚至PB级数据；

多样：数据库、模型、文件、邮件、图像等各类数据需要处理；

长期：数据需要长期保存。

02、责权很难均衡

做事者的感受：前人栽树后人乘凉；

数据源提供方的感受：你发现了问题，我来改进，你享受了数据带来成果；我付出成本，提供了数据，我没有任何收益。

03、价值体现缓慢

慢性病：数据的病是慢性病，不治不出问题；

中西医结合：传统治疗疗效是中医，不是西医，见效慢。

04、基础性的工作难以得到回报

任何的团队和个人都想做数据应用或AI模型，直接带来应用价值，而基础的数据的质量标准化长期的工作，对于个人绩效很难带来直接的回报。

05、数据项目建设复杂度和专业化要求高

数据类项目复杂度高、专业化要求强、数据价值链长、涉及跨系统跨部门的协调配合多，任何环节不到位都可能导致数据价值难以充分体现。

部门的价值或者战略目标有可能在优先级方面高于大数据，这种冲突往往会令我们有力无处使。

在数据的各个环节经常存在的问题：数据质量不高，缺乏数据访问权限，数据使用效率太低，缺乏标准规范，大数据成为新的孤岛。

数据治理的最终目标是赋能业务，提升数据价值，这是一个持续漫长的运营过程，需要逐步完善，分步迭代，指望一步到位完成数据治理是不现实的。

需要更多专业的数据治理人才加入进来，持续不断的去治理，最终才能实现数据治理的成功。