IT行業真是內卷重災區，數據治理真的不是一般人能干的。
尤其是最近一段時間，幾個項目一起并行，身心俱疲，頭都要開始禿了。
很長一段時間以來，整體經濟形勢都不太樂觀，行業內好幾家頭部公司都出現了利潤下滑的情況。作為公司管理者，營收壓力也越來越大，讓公司活下來成了我唯一要做的事。
雖然各公司老板們對數字化轉型抱有很大期待，希望通過數據治理等一系列動作，應對復雜的經濟形勢，提高生產效率，深入挖掘數據價值，找出業務增長點。
理想是豐滿的，但現實卻總是骨感的。
實際上，客戶們對數據治理的態度都是「想要，但是我不想多花錢」
數據治理，雖然不像數字化轉型，是一個費時費力的大工程。但仍然需要花費不小的精力去實施，在這個過程中也經常會遇到各種各樣的困難。

總結下來，大致是這4點：
一、業務：數據治理的前置條件不成熟
很多客戶，由于歷史原因，只完成了信息化建設，確切地說僅僅是把線下的業務流程搬到了線上而已。數據呈現形式，很多還停留在報表的水平。
部分客戶上了BI系統，但BI其實只能稱作是一個分析工具，它只能帶來效率提升，并沒有辦法直接提升生產力。
多年實施下來，我們發現數據治理的工作，其實除了圍繞數據開展之外，更多是在顛覆或者說是改造業務流程。
而在數據治理過程中，經常會感受到來自各個相關部門的阻力，“不需要”成了他們的擋箭牌。雖然有老板力挺，但還是經常老板說一下，他們動一下。
這種情況，不止一次地發生。說到底，還是業務人員并沒有意識到數據治理的重要性，也沒有看到數據治理的價值。
如果業務人員能夠自身覺醒，就完美了。他們對自己的業務和流程最為清楚，我們在推進數據治理時就容易多了。

二、數據：數據歸集短期很難實現共贏
雖然我做了十多年接近二十年的數據工作。
還是經常會在服務客戶的時候發現，不止一家企業的數據采集存在問題。
要么是有價值的數據沒有被采集，等到業務需要的時候，沒有數據干著急；要么是采集了很多自以為很有價值的數據，結果卻發揮不了數據的價值。
數據的采集，一般都是伴隨業務需求而產生的。
要做好數據治理，數據歸集也是很重要的一個環節。
在以往服務客戶時，我們要一邊跟業務人員了解業務，根據得到的業務需求來提煉數據需求，然后再根據這些需求去定義數據標準，最后才去采集數據。
但事情往往都不會那么順利。我們很難從業務部門處拿到數據治理必須的數據，經常會被各種理由和借口推脫，導致最終數據治理的效果差強人意。
雖然很遺憾，但實際情況就是這樣。數據對業務部門來說就是其私有財產，是個很重要的存在，他們不希望數據被采集，被更多的人知道。
另外一方面，數據采集的過程會伴隨很多棘手的問題。隨便一個問題都夠掉幾根頭發的。
“數據采集之前，數據標準怎么定義？”“數據采集規則是怎樣的？”“有些數據沒有現成的接口怎么辦？”“還有很多數據是非結構化數據怎么辦？”

三、角色：數據治理團隊的地位很尷尬
我們都知道，數字化的前提是信息化，即業務流程實現在線化。
只有這樣，業務流程中產生的數據才能被記錄存儲下來，而這些留存數據才是后續數據采集和治理的前提。
數據治理團隊做的，就是通過研究這些數據，去優化業務流程，為管理層決策提供數據支持，最終為企業創造效益。
然而實際上，設計在線業務流程的人員往往只關注了流程，卻沒有站在全局角度去考慮數據問題。同樣一個數據，在不同系統中的定義卻不一樣。
這就給數據治理帶來了極大的困難。這也是我們在服務客戶的時候經常會首先討論數據標準的原因。
道理是這么個道理，我們也知道應該怎么推動。但這些工作僅靠我們自己又干不成，需要業務部門提供支持，存在不小的依賴性。
不僅需要向業務部門了解業務和流程；還要以來業務部門給提供數據，這樣才能發現問題、分析問題，建立數據模型；最后需要把數據模型部署到業務流程上，來驗證數據治理的效果。
凡是需要外力配合的情況，都會比較被動。這也使得數據治理人員必須具備很強的協調溝通表達能力，需要有足夠的耐心和毅力，只有這樣才能更好地實現“鯉魚跳龍門”。

四、人才：找不到可用的數據人才
就拿我們公司來說，數據相關的崗位就有很多：數據治理工程師、項目經理、數據分析工程師、數據建模工程師、數據采集工程師、3D建模工程師等。
不同專業口的數據從業人員，培養的周期都是不同的。
一般的數據開發實施人員，培養起來相對比較簡單。只要愿意下功夫，可以跟導師學習，只要有大量的實踐機會，就能夠不斷總結提升水平。
但是培養一個數據治理/分析工程師就難太多了。因為他不僅要懂數據技術，還要理解企業的業務和數據，還得能適應企業的變化與時俱進。此外，良好的溝通和表達能力也是必不可少的。培養這樣一個人才至少需要5-10年。
培養數據管理人員就更難了，光是工作經驗就能勸退一大幫人。
因為作為數據管理人員，綜合能力要求更高。至少要有數據倉庫的開發和運維經歷、BI的經歷、數據分析和挖掘的經歷、甚至要有豐富的數據產品實施服務的經歷。
只有經歷足夠豐富，深度參與數據治理的各個環節，你才能真正理解數據治理到底難在哪里，才能根據客戶的需求和數據情況，給出綜合的數據解決方案。

簡單總結一下，數據管理人員要懂業務、懂數據、懂技術、懂管理，基本上符合這些條件的人，一個公司不會超過5個。
正是因為數據人才難培養，導致了市場的稀缺性，哪里都缺樣的人才。這也致使數據人才一旦流失很難再招聘一個相同水平的人補上。