现代化数据资产管理，打开企业数据文化宝藏的钥匙
The following article is from 数据老铁匠 Author 张彦龙001
"去年，我们计划通过数据分析带来3千万美元的收入，到去年底，事实上我们做到了1.05亿美元" -- Hilton CDO
"如果没有数据，那你顶多算是一个持有不同观点的人而已。我们相信上帝，除此之外，都请用数据说话" -- W.Edwards Deming，质量管理之父。
"我们会收集所有数据，即使我们现在还不知道该怎么使用它！"-- 贝索斯，Amazon CEO
什么是数据民主化，为什么它很重要？
企业内，要实现数字化转型的话，塑造企业数据文化是当务之急。数据的民主化，就是为了让数据大众化，让所有用户都可以平等的接触和使用数据，如：
财务分析、HR 人力资源分析、运营分析
数据科学家进行的数据洞察
所谓”旧时王谢堂前燕，飞入寻常百姓家“。要实现数据民主化，必须极大的降低数据门槛，让本来只有IT专家可以做的事情，变的简单：让那些需要数据的人，都可以自助的发现、收集、并分析数据。
这是大数据最好的时代，这也是大数据最差的时代
多年摸爬滚打后，我们才逐渐认识到，基于事实的、数据驱动文化对一家公司是何等重要！
在这个基础上，数据在逐步的资产化，并在向货币化演进。这么一个不争的事实被认可了：随意丢弃过时的旧数据，曾经是多么错误的决定。
数据可以帮助我们发现反直觉的真相、找出生产链中低效的环节、发展潜在的商机。目前，数据已经是企业控制成本、提升利润，向精益运营转型的重要手段
大数据已经是大势所趋，不可逆转的潮流。然而，如何真正实现洪流落地、赋能商业，面临的挑战却也是前所未有的：
数据安全与个人隐私如何解决？
企业发展多年，数据孤立严重，如何找到并唤醒这些数据？
打通数据孤岛后，部门之间利益如何重新平衡？
企业内数据文化如何培养？
这些问题，个个都是致命的要害，任何一个，都可以让你的公司退变成数据荒漠。
一个数据公民的工作桌面
下图，是一个普通数据分析师或数据科学家的工具箱，和日常工作的一部分：
从数据准备、数据建模、到数据训练各个环节，数据科学家们已经装备了十八般武器，从python到Tableau。在我们的心目中，他们的形象，是这样的：
膜拜啊...我也要变成数据科学家......
且慢！请君留步！我们换个角度，再看看数据科学家的日常是如何工作的：
从数据流向的角度来看，科学家处在中下游，要想拿十八般兵器开练，还需要原料的支持，那就是数据。
而数据从生产系统生成、到采集、入湖、清洗、建仓，这些环节，都是数据科学家鞭长莫及的。
我们发现，数据科学家们欠缺的不是工具，而是数据，如何高效、方便、安全的获取数据，才是他们的痛中之痛：
数据科学之殇
再精良的装备，也无奈糟糕的数据。我们在一丝不苟的做着数据分析和数据挖掘，若数据没有保障的话，又有谁敢说我们做的不是一件"garbage in garbage out"的事呢？
从数据这个角度出发，从数据查找、理解数据、到分析数据，每一步都像是在迷宫里探索，运气好，才能撞出去...
如何破解数据科学之殇-数据迷宫呢？答案就是引入现代化的Data Catalog
现代化的Data Catalog
我们从数据分析师的例子讲开。从有想法、到数据验证的整个周期内，寻找合适数据、理解数据、信任数据、使用数据这四个环节的耗时分布大致如下：
令人惊奇的是，这四个阶段上耗费的时间，呈漏斗状分布。我们仅用了几个小时去分析数据，但是却用了数天、甚至数周去寻找这些数据！这也从侧面印证了我们之前的论断：分析工具集已经不是数据公民们最薄弱的环节。
现代化的Data Catalog需要和其他数据工具一样，作为数据科学家工作桌面上的必备选项之一
为什么要强调是现代化的Data Catalog呢？主要还是从目标出发，传统的数据目录工具已经不少，但都无法很好的解决发现和理解数据的问题，因为：
传统Data Catalog是从管理的角度来归集数据的
传统Data Catalog的目标不是数据民主化，不是为了赋予数据公民平等的使用权
现代化的Data Catalog则不同，主要是：
现代化的Data Catalog以人为中心，人才是数据资产的核心，治理数据的最终目的是理顺人与人之间的关系
从数据治理的角度，现代化的Data Catalog，认为数据是活的，数据之间的关系、数据与人之间的关系与数据本身同等重要，这是大数据的本质
通过人-人、人-数据、人-知识、数据-数据之间的关系，可以把整个公司的数据资产构建成知识图谱。
通过关系，把数据、人、知识、之间的关系构建起来，它是数据资产间流通的血液，这个基于关系打造的图谱，就是现代化Data Catalog的核心引擎。
现代化的Data Catalog可以做什么？
新入职的员工
新入职的员工，急需了解公司的数据全貌和某领域细节，现代化的Data Catalog需要提供关联的专题导引：
可快速与最合适的人交流
相信数据分析师们都不会反对这个结论：向懂的人请教一分钟，可以节省自己一整天的时间。关键是如何找到最懂的人？
通过现代化Data Catalog的核心图谱引擎，我们可以还原出：
是谁生产的这份数据，找到数据负责人
都有哪些人使用过这份数据，是在什么时候，以及都是怎么用的，从而找到数据专家
然后，通过内置接口，当场唤起沟通工具进行交流：
问答社区，内容全员可见，方便全员协作
IM，定向交流，可快速解决问题
知识库，查看专家留下的宝贵经验。知识库可以通过智能问答机器人提供更具引导性的建议。
别人对这份数据的态度
“随大流 不挨揍”， 话糙理不糙。在大数据时代，就不要做少数派啦....
在使用一份数据之前，看看是不是有其他人用过，以及反馈如何，是省时省力的方法。现代化的Data Catalog需要提供这方面的支持。
我们可以通过反馈、备注、聊天记录、知识库、TAG、FLAG等不同方式，把用户在这份数据上的行为和体验沉淀下来，这就是这份数据的画像。
数据复用
有现成的，谁不用啊！在大数据领域更是如此，因为分析师们周而复始的、重复类似的数据需求，现代化的Data Catalog不仅需要支持经验的沉淀，更需要支持结果的直接复用！
众包模式
独乐乐，不如众乐乐。数据负责人，就是有三头六臂，也没有办法完善所有的数据描述。现代化的Data Catalog需要引入众包模式，根据实际经验来完善数据描述、使用案例等。
这个特性，是与传统Data Catalog理念明显不同之一。我们没有站在管理的角度，而是相信公民都是贡献者，强调了索取与奉献共存。
写在最后
值得留意的是，你的工具箱中，不缺少数据分析和加工的利器，即使缺少这类工具，你一眼就能识别出来。
(欢迎加入数据工匠知识星球获取更多资讯)
联系我们
扫描二维码关注我们
微信：DaasCai
邮箱：ccjiu@163.com
QQ：3365722008
热门文章
数据资产顶层架构设计实践与思考
关于区块链在数据资产全生命周期管理中应用问题的探讨
【译文】数据价值及其资产化
数据资产价值管理之道
数据中台演进四个阶段和具备的三个能力
我们的使命：发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。
我们的愿景：打造数据治理专家、数据治理平台、数据治理生态圈。
我们的价值观：凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。
了解更多精彩内容
长按，识别二维码，关注我们吧！
数据工匠俱乐部
微信号：zgsjgjjlb
专注数据治理，推动大数据发展。