数据治理深水区,行业用户该如何走出?

数据治理的好坏决定着传统行业用户的未来?

此绝非虚言。在数据成为关键生产要素的今天,企业的运营管理、营销服务乃至创新突破均愈发倚重数据。在经历多年的数字化建设之后,绝大部分传统行业用户的数据治理已步入深水区:

一方面,企业积累了较为丰富的数据资源,数据正加速重塑业务、流程等方方面面,数据驱动型业务也不断提升;另一方面,企业数据资产化演进过程中,普遍经历了数据仓库、数据管理、数据中台等多个阶段,随着业务与数据复杂性持续提升,使得数据治理的难度也水涨船高。

因此,数据治理正成为行业用户数字化转型和智能化升级中的一道必答题。例如,《关于加快推进国有企业数字化转型工作的通知》就提出构建数据治理体系,促进国有企业数字化转型。去年底,《关于构建数据基础制度更好发挥数据要素作用的意见》更明确指出,压实企业的数据治理责任。

“虽然很多企业在数据治理方面做了很长时间,但在新需求、新场景、新技术、新模式等驱动下,如今的数据治理在维度、标准体系、数据模型、建设理念等均在不断演进,企业们需要与时俱进,走出数据治理深水区。”中国电子云助理总裁、数据事业部总经理冯进如是说。中国电子云是近年来数据治理市场的代表厂商,其是数字政府、央国企等数据治理领域的市场领导者,对于中国企业的数据治理趋势演进有着深刻理解。

数据治理步入深水区

传统行业的数字化转型,本质上是以数据作为新型的生产要素,赋能于整个业务生产运营经营环节,初期将降本增效,高阶则是产生新的运营模式和商业模式。

在这个过程中,数据治理扮演着极为关键的作用。就像石油需要精炼才能被广泛使用一样,数据必须经过治理之后,才能在业务场景中发挥最大价值。

但与过去相比,中国市场的数据治理需求今非昔比。IDC在《中国数据治理市场份额,2022》报告中指出,数据治理正从政府、金融等行业加速向能源、制造、交通、建筑等行业,其价值和必要性逐渐被认可,应用前景越来越广泛。不过,数据治理市场的需求已发生重大转变,企业内部的数据架构越来越复杂,单个主数据管理、元数据管理、数据集成工具组件很难满足需求,数据治理工程化是未来趋势。

冯进也认为,数据治理是传统企业数字化转型的核心动能所在,但它也是一项长期工作,且传统企业面临的数据治理局面趋于复杂化,主要体现在四个方面:

其一、很多企业的数据治理规模正在变大,几年前传统企业的数据依然是以ERP、CRM数据为主,数据规模往往在TB级别;如今,企业的数据规模在向PB级演进,包含了大量非结构化、半结构化数据。企业除了传统的数据仓库之外,也在加速构建数据湖等。

其二、企业自身业务走向复杂化,但业务对于数据期望又在不断提升,业务场景对于数据分析和数据消费随之走向细分化,对于数据治理的要求也越来越高。

其三、大部分企业都有较长的数据治理历史,并且往往存在着多种技术体系,一定程度上形成了历史包袱,后续的数据治理如何在前面工作基础上实现持续演进和升级是比较大的考验。

其四、很多企业现在数据治理工程化项目不再仅仅是数据治理平台、数据湖等建设,还涉及到服务应用体系、安全体系、项目监理和项目测试等诸多环节,一个数据治理工程会有多方厂商参与、协作,让数据治理工程化的复杂性进一步提升。

显然,当前的数据治理无论是定义范畴、治理范围,还是侧重方向、体系标准等都在产生巨大变化。事实上,数据治理较为成功的企业已经感受到其带来的业务价值,比如更快获得洞察、有效缩减成本、增加用户获取以及提高产品上市效率等。考虑到AI技术会逐渐融入到企业的业务场景中,数据治理未来的复杂性和难度只会进一步提升。

“从市场侧来看,中国电子云基于在政务、部委、央国企等领域的大量数据治理洞察与实践经验,认为传统行业企业数据治理已步入深水区,对于数据治理的战略定位、建设方向以及未来规划迎来全面重塑。”冯进介绍道。

攻克数据治理难题:应该这么做

中国有着数目众多的传统行业用户,中海油属于典型的传统能源企业,其在数据治理遇到的挑战具有很大共性:多年的信息化和数字化建设,业务系统多且专业性极强,数据繁杂且不规范,数据治理涉及到成百上千个业务系统,需跨组织、跨职能、跨专业进行,数据标准化体系亟待建立等等。

与此同时,中海油数据治理从顶层设计出发,致力于将数据湖平台作为支撑集团公司数据治理和数字化转型的核心平台,推动数据标准化体系建立,以及注重数据治理与业务场景的适配,又值得很多传统行业企业学习与借鉴。

冯进直言:“数据湖平台的建设思路和技术路线差异较大。类似中海油数据这样的项目投入大、周期长、涉及面广,需要全方面综合考虑。”

为此,中海油首先是从顶层设计的角度去考虑数据治理的建设,希望通过数据湖的设计与开发,寄希望改变之前互不交叉、缺乏统一协调的局面,并以此为牵引,带动数据治理、数据安全、数据标准和数据应用等之后的工作,从而支撑起集团业务场景的数据消费与使用需求。

经过18个大项、59个细项考核指标的设定,中海油采用“赛马制”对于多个厂商的数据湖平台底座和数据治理工具能力进行多轮测试与评估,最终放弃了多家头部云厂商,选择了中国电子云CeaInsight智能数据云产品。

“像数据湖平台底座关系着未来数据治理工作的成败,需要对技术实力、产品成熟度以及厂商服务能力等进行全面的考核与评估。”冯进介绍道。

其次,像中海油这种传统行业企业,涉及业务众多且复杂,对于数据治理的产品、工具要求需要较为全面;与此同时,因为带有行业属性,在标准产品的基础上又会有一些定制化的需求,因此在选择数据治理产品与工具时会兼顾标准化产品与定制化需求,这极大考验了数据治理厂商的方案全面性和定制化服务能力。

“在行业数据治理中,非标准化功能是在所难免的。需要数据治理公司具备快速响应能力,围绕需求进行分析、设计和开发。”冯进透露道。

数据治理深水区,行业用户该如何走出?_第1张图片

 

更加重要的是,在复杂业务环境下,数据治理早已不能“独善其身”,而与业务场景有着紧密的联系,以此实现场景中能够更加便捷、高效地消费和使用数据。不过,不同行业有着不同业务的特点,使得企业非常看重所属行业的数据治理方法论,这无形中对于数据治理公司的行业了解、数据治理行业咨询和构建解决方案等能力提出了更高要求。

冯进认为:“结合行业业务的洞察与认知,建立起相关行业的数据治理方法论,这是用户所亟需的。”

事实上,越来越多传统行业的用户开始像中海油这样,从战略层面重视数据治理,不再是点状的数据治理项目为主,而是以业务驱动的方式来构建起数据治理标准体系与机制,围绕业务的特点有针对性进行数据治理,例如数据标准、数据规则、采集规范等等,以标准体系进一步推动数据驱动型场景的建设,并持续完善数据模型、数据质检等,全面完善和推动数据治理工作。

中国电子云:做数据治理的排头兵

今年初,随着《数字中国建设整体布局规划》的颁布,数字中国“2522”的整体建设框架出炉,数据资源体系成为“两大基础”之一。国家希望加速通过构建国家数据管理体制机制、健全各级数据统筹管理机构,来畅通数据资源大循环。

落实在产业数字化市场中,所有行业用户都意识到数据治理对于未来的重要性。在行业用户需求的驱动下,数据治理也会进一步走向工程化,并朝着工具化、自动化、智能化等方面持续演进。

在众多数据治理企业中,中国电子云凭借在多个行业的实践积累、全面丰富的产品与解决方案以及强大的咨询与服务能力,成为数据治理的市场的排头兵。

首先,中国电子云在数字政务、关键行业、央国企等行业的数据治理领域积累了大量的案例和丰富的实践。根据IDC《中国数据治理市场份额,2022》、《中国数字政府数据治理市场份额,2022》等报告显示,中国电子云稳居中国数据治理平台和数字政府数据治理平台市场第二,在政务、部委、关键行业及大型央国企等市场具有领先优势。

其次,中国电子云在数据治理领域具备全面的产品与工具能力。例如,中国电子云CeaInsight智能数据云将云原生与数据原生有机结合,利用跨库数据汇聚融合分析、云上数据工具一栈式供给、云上多组织数据共建共治等,为用户提供跨云的一站式数据能力与数据资源供给和服务共创的解决方案。

此外,针对行业用户对于AI的需求,CeaInsight智能数据云内置一站式智能模型开发、训练、部署、上架等功能,并整合不同行业的AI模型,为用户构建完整统一AI服务能力中心。

第三,中国电子云具有强大的咨询、交付和服务能力。数据治理不仅仅涉及到全面的产品与工具,而是需要深入到业务之中。中国电子云经过多年的市场耕耘,其咨询、交付与服务能力在多个行业中已经得到验证,获得了市场广泛认可。

“随着数据要素相关政策法规的持续完善,数据治理未来可能有两个重要趋势:其一是数据对象标识化,从技术和管理层面去解决数据确权的问题;其二是数据治理的智能化,结合AI技术对数据治理进行降本增效,例如数据标准自动识别、数据分类推荐、智能探查等等,数据治理的智能化会是未来产品竞争的焦点。中国电子云在这两个方向也在紧密研究与布局,希望持续推动数据治理演进,为用户的数字化转型带来更多价值。”冯进最后表示道。

你可能感兴趣的:(云静思园,大数据,数据治理,中国电子云,中海油,数字化转型)