数据管理,是简直一切在数字化转型中的企业都不得不面临的问题,被认为是公司进行数字化事务立异的重要的打基础作业。
许多大规模的公司的数据部分或数据团队,都会把数据管理当作主业来做,这自身当然是无可厚非。
但值得注意的是,数据管理并不是数据部分仅有的作业,乃至不是数据部分要亲身下场去做的事儿。
直观上看,数据管理好像是应该交给数据部分全权负责,让数据部分来保证数据的质量。
可是,数据质量其实是一个相对的方针。数据质量没有最好,只要更好。企业展开数据管理活动,也有必要要有个鸿沟。
无论是数据管理的规模,仍是数据管理的程度,都是够用即可。数据管理作业是由数字化事务方针反向推导来决议的。
根据数据使用场景来确认用到哪些数据,以及这一些数据究竟应该在质量上到达什么水准。
事务上有必要要调用的数据字段不能为空;有些字段假如精度不行难以区别重要的事务场景;一些数据字段之间需求满意必定的联系函数,联系函数的确认也是事务逻辑决议的。
数字化转型自身是个本钱型项目,是需求活跃的反应驱动的。假如没想清楚就开端做,相关负责人就很简单落个进退两难。
当时,常常看到的现象是,许多企业的数据管理作业直接是由事务部分直接牵头来做。乃至,数据管理直接成为某些数字化使用项目的一部分。
数据管理不再是数据部分的专利,各个事务部分都逐步展开自己的数据管理作业。
在事务部分来看,数据部分不甚懂事务,自己的数据需求很火急,管理这件事爽性直接“上手”了。
假如数据管理作业是各事务部分分头进行,一盘散沙,那么很简单导致管理重复、管理规范不一致、管理缺失等问题。
当然,数据部分也需求展开一些数据管理的详细执行作业,可是这些执行作业并非是为了“冲成绩”,而是要为企业级的需求供给通用的服务支撑。
除此以外,数据部分的作业重心应当是“摆架子”,树立一套面向数据管理的作业规范,流程,点评系统,鼓励战略。
接下来,各个事务部分结合自己的数字化事务需求,在上述机制框架下,展开各自的数据管理作业。
数字经济时代,数据是重要的出产要素,这个出产要素怎样用,事务部分自己最有发言权。
而在此过程中,数据部分要给予专业性的辅导和引导,经过数据规范,数据架构,数据模型,数据监测整改机制来贯穿、和谐存在于各个事务线条的管理使命。
相关推荐