数字化转型下的数据治理和管理

对于企业来说,总体的数据治理目标就包括运营合规、风险可控和价值实现。其中要牢牢的抓住价值实现这一条开展数据资产的运营和应用

    01、 数字化转型趋势

当前数字化道路有成功也有争议,上海“一网通办”入选《2020联合国全球城市电子政务经典案例》,在联合国全球城市电子政务评估排名中,上海位列第九,首次进入前十。目前,上海“一网通办”已全面建成“一平台、多终端、多渠道”的服务体系;其中,移动端“随申办”服务已全面覆盖上海常住人口,平均月活用户超1000万。同时,在采用最新数字技术实际落地中也发生了上汽对于华为模式的争议。“上汽很难接受单一一家供应商为上汽提供整体的解决方案。这就好比有一家公司为我们提供整体的解决方案,如此一来,它就成了灵魂,而上汽就成了躯体。对于这样的结果,上汽是不能接受的,要把灵魂掌握在自己手中。”

数字经济是以数字化的知识和信息为关键生产要素, 在推动生产力发展和生产关系变革中起到积极作用,经济社会实现从生产要素到生产力,再到生产关系的全面系统变革。政府在第14个5年计划中提出“加快数字化发展。发展数字经济,推进数字产业化和产业数字化,推动数字经济和实体经济深度融合,打造具有国际竞争力的数字产业集群。”

从全球数字经济来看。可以发现数字经济在各国的发展并不平衡,主要呈现出以下特点:

第一,高收入国家总的数字经济规模要远远高出低收入国家。

第二,发达国家要远远高于发展中国家。全球形成了美国,中国和欧洲三足鼎立的状况。

全球层面数据转型引发的问题,就包括:

国家间数字鸿沟日益加深;

跨境数据流动不对称性,导致了国家间财富和创新的差距拉大;

数据平台崛起形成对于市场垄断,税收侵蚀和数据安全等问题;

数据技术在改变生活方式的同时带来隐私保护和伦理问题;

从企业角度,2019年COVID-19疫情后,数字化进一步在全球加速,来自戴尔科技数字化转型指数报告发现,一方面,全球范围的数字化转型加速,但持续转型颇具挑战性:94%的全球受访企业和组织正面临根深蒂固的转型障碍。三大首要障碍严重阻碍全球受访企业数字化转型的成功:

数据隐私和网络安全的问题(2016年位列第5,2020年位列第1)

缺乏预算和资源的问题(2016年位列第1,2018年位列第2)

无法从超负荷的数据乃至信息中获取洞察力的问题(自2016年以来跃升8位)

而严重阻碍中国受访企业数字化转型成功的三大障碍则分别是:

缺乏必要的内部技能和专业知识

数据隐私和网络安全问题

缺乏合适的技术来适应业务发展的速度

根据麦肯锡的报告,全球数字化转型中有80%的失败概率,其中就包括IBM Watson, 2018 年 8 月《华尔街日报》“没有任何已发表的研究表明,Watson 提升了患者的治愈率。医疗机构和专业医生反馈,其系统应用收效甚微,某些情况下还会出错。并且,由于缺乏罕见病例数据,Watson 的更新速度跟不上癌症治疗的发展速度”。 据《华尔街日报》援引知情人士报道,IBM打算出售Watson Health部门。同时意味着,IBM布局十年的AI医疗之路就此终结!

02、数字治理和数据管理

数据治理,作为数字社会可持续发展的基础,在具体操作层面,可以分为“国家/社会层面”,“企业层面”两个维度分别进行具体定义,并明确治理的目标。

在国家/社会层面, 数据治理: 是为了实现数字社会可持续发展,围绕数据如何收集利用而搭建的公告政策框架体系。核心是各方主体(包括政府、企业、消费者及社群机构等)关于数据收集与使用达成的基本共识、立场与规则方案。(来源:腾讯研究院 - 规则的激荡与新生 2020年数据治理年度报告)

在企业层面,数据治理:是指对数据资产管理行使权力和控制的活动集合(包括计划、监督和执行)。数据治理功能指导其他数据管理功能的执行,数据治理在更高的层次上执行数据管理。(来源:DAMA);数据治理:是指银行业金融机构通过建立组织架构,明确董事会、监事会、高级管理层及内设部门等职责要求,制定和实施系统化的制度、流程和方法,确保数据统一管理、高效运行,并在经营管理中充分发挥价值的动态过程。(来源:银行业金融机构数据治理指引);

对于企业来说,总体的数据治理目标就包括运营合规、风险可控和价值实现。其中要牢牢的抓住价值实现这一条开展数据资产的运营和应用,包括:

实现数据的流通;

增加数据的服务;

提升数据的洞察,以指导实际的经济运行。

为完成以上的数据治理目标,又需要具体的数据治理任务,包括:

评估企业的现状、需求和治理环境;

评估企业已有的数据资源和管理能力;

通过以上的评估指导企业自身的数据管理体系的建立,数据治理具体领域的建立和实施;

最终对于整个体系进行评价和审计,以确保它的运营合规、风险可控,价值实现。

在数据管理层面,数据管理是在确保数据质量,安全情况下,实现数据全生命周期管理,包括建立:数据标准、元数据管理、数据质量、数据安全和数据管理绩效和持续改进。在实现具体数据价值场景上,也从“开源,节流,增效”上对于已有的企业流程进行变更,敢于应用新兴科技手段,打破已有的部门界限、企业界限和行业界限,通过:

增大数据体量,将封闭的数据释放出来,为数据分析提供充足的“原材料”。

提升数据质量,实现数据标准化,为数据互通和数据分析提供“可用”数据。

促进数据的交易流通,让已有的数据流动起来,为不同数据集合之间建立更多的相关关系创造条件。

规制数据风险,维护各方主体数据权益,规范数据开发利用行为。

勇于思考新的业务模式,在数据驱动下,实现新的价值增长。数字化转型是一个持续优化的过程,只有起点,没有终点。为了避免数据转型的失败,要时刻回顾“初心”,即思索:

• 数字化转型到底要解决客户什么问题?用户到底需要什么?用户和客户关心的问题在哪?

• 业务战略到底解决业务的什么问题?

• 变革是否有个好的规划和持续的架构?

当前数字化转型的现状是:

• 存量IT“烟囱”系统遍布业务,同时支撑业务的日常运行。大量EXCEL专家,计算部门内数据。

• 数据“私有化”, 成为部门私产。

• 跨部门的数据协作,从部门政治,权责,底层数据上不支持。

对于大量的传统企业数字化转型相对于数字原生企业,传统企业数字化变革是企业的管理大变革。相当于高速上开车换轮子。数字化转型要业务和技术双轮驱动。数字基础建设“数据湖”,需要一手抓数据入湖和连接,一手抓数据消费和服务。从业务实际问题出发,结合数据分析技术找出解决问题方案,并及时变现,才有可持续发展的意义。

03、数字治理和管理的落地实施

要落实传统企业数字化转型,结合传统企业变革的经验教训,作者提出以下要点:

首先,确立企业领导直接挂帅,培养企业内承担风险的意识,在风险可控的情况下,建立容错机制,勇于尝试新生事物和新生技术改造已有商业模式,进行小规模试错。在企业内部建立“企业数据治理办公室”和跨专业的“数据管理团队”,业务+IT+数据专业人员,形成跨部门的战斗小组进行协助。即集合多部门力量,有分工协作,在统一领导下为变革创新而奋斗, 为企业在新模式下开辟道路。

其次, 在变革中统一思想,确立基本原则:

·经济性原则:价值导向,小步迭代,控制风险,确保每个变革具有合理的投入产出比;

· 适用性原则:创新发展符合企业的实际情况,发展的阶段。不照搬所谓先进经验,不求先进,但求合适。

· 持续性原则:数字化创新只有开始,没有结束。需要一路不断秉承“初心”,不断紧跟数字技术潮流,数字生态的发展,引导企业不断变革和适应新的形势,不断开创新的发展局面,开发/运维/运营一体化。

最后,企业要具备通盘考虑,走一步,思考三步。从企业架构的高度,确保总体的方向, 见下图。

数字化转型下的数据治理和管理

来源: 御数坊- 企业数据治理现状调查报告

在具体的数字化转型路径当中,可以考虑从局部到总体的思路。在内部判断企业的发展阶段和核心需求,从最急需改进的环节入手。以解决问题为目标,以需求为驱动,进行数字化转型。局部环节先动起来,战略上在总体进行整体的把控,从局部逐步实现数字化转型,并成功推动其他环节的联动,最终实现总体和局部的融合。同时,对于数据的定义、数据质量、元数据管理、数据的安全和隐私可以同步或提前一步建设。

  作者 陈皓 外企医疗健康企业信息安全总监

数字化转型下的数据治理和管理

版权归原作者所有,如若转载,请注明出处:https://www.ciocso.com/article/10319.html

发表评论

登录后才能评论