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”!

CDGA|数据治理难吗?难在哪里?_第1张图片

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。

CDGA|数据治理难吗?难在哪里?_第2张图片

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。

你可能感兴趣的:(深圳CDGA认证,深圳DAMA数据治理认证,深圳DAMA认证,big,data,人工智能,大数据)