今天有個彭友問我：數據中臺里也有數據治理的很多功能，是不是就可以直接替代數據治理這件事情了？唉...市場上有些數據治理的概念很小，小到什么程度呢？他們理解的數據治理是從數據入倉之后才開始的。前面那位彭友問的問題其實就是這個現象的顯著代表。你應該明白我想說什么了：數據治理不止是數據部門的活兒！！！數據治理不止是數據部門的活兒！！！數據治理不止是數據部門的活兒！！！

01??端到端

我最早聽到“端到端”是在供應鏈里看到的專業術語，現在也被借鑒到信息化、數字化的領域。說的是供應鏈管理應該從整個供應鏈的一端到另外一端全流程進行管控。以蔬菜供應鏈為例，一端是農戶，就是蔬菜生產端，一端是消費者，就是蔬菜消費端。好，我們用最樸素的思維去理解，對蔬菜的質量管控，應該從哪里開始？從進入批發市場嗎？

很明顯，必須得從農戶開始，進行全流程管控好嗎？進入市場之后再開始管控，等發現問題的時候，很可能已經有很多蔬菜流轉到消費者餐桌上了。

02? 數據生產端

其實很多數據治理項目做不到深入到“數據生產端”，并不是數據治理服務商們不懂，而是有很多因素的。

比如時間、金錢成本。

一旦深入到數據生產端，那就意味著數據治理的成本會成倍增長，而且短時間內看不到成效。

舉個簡單的例子，我們不管在哪個環節，發現一條數據有質量問題，我們怎么解決？

通常來說，數據質量一般可以分為幾種情況：

1、數據不標準導致的，可以用標準化后直接處理的，比如性別代碼不統一的情況，弄個mapping表統一標準就行；

2、相對比較規律的，比如姓名里有空格、除·之外的特殊字符的，梳理幾個規則處理就行；

3、關鍵信息缺失、錯誤的，比如姓名為空、身份證號完全不符合規則的。

其中，情況1、2可以與業務方確認規則之后，由數據工程師解決。但是數據工程師對情況3就無能為力了。

大數據技術再厲害，也不能猜出對方叫啥、身份證號是多少不是？那是算命先生的業務范圍。

在這個時候，就需要數據治理平臺與業務系統打通，對各種渠道判定有問題的數據，進行歸類后，退回業務系統。

業務系統中收到信息后，讓業務系統的人員另起一個流程，通過與客戶溝通、查閱其他資料等方式進行補齊。這里必須要做的一件事情就是確認每一條數據的歸屬。

如果你讀過《華為數據之道》應該對他們的數據Owner印象深刻。再深入一些，他們認為：業務即?為，?為即記錄，記錄即數據。

誰生產這條數據，誰就對這條數據負全責。所以華為的每一條數據都有對應的業務部門承擔管理責任。

這就是在數據生產端進行數據治理的典型案例。本來么，上游下來的垃圾，憑什么要下游撈啊？

03 數據應用端

《華為數據之道》里借用供應鏈的說法，把端到端的另一端叫做“數據消費”。我們這邊還是叫數據應用端吧，跟咱之前寫PPT給客戶的“數據應用層”叫法保持一直。要不總出新名詞，客戶也會很煩，我們解釋起來也費盡。

前幾年現在最典型應用就是大屏，現在開始往業務那邊深入了。這樣符合管理學的一般規律：先服務高層，再逐層向下滲透。

所以老彭判斷一個公司數字化程度，最簡單的辦法就是看他們的數字化是為誰服務的。

如果只是為決策層服務的，那么不管使用的技術多么先進，投資多么巨大，那么數字化滲透率還是不夠，將將滲透了管理層。

如果能夠對各個部門的實際業務進行深度結合，幫助各個部門優化其流程，那滲透率已經比較高了，可以稱之為數據驅動型的企業。

如果數字化已經嵌入到執行層的日常流程，甚至達到了脫離數字化手段都無法開展工作的地步，這就像武俠小說里的“坐立行走皆是功夫”，達到了佛法里的“行住坐臥皆是禪”的地步，可以稱之為數字化完全體。

數據治理就是需要以數據應用為目標，反向要求所有數據必須要“精準”、“及時”。這就是數據治理的核心目標。

所以，了解數據如何應用，是數據治理最先要解決的問題。那么華為是怎么解決這個問題的呢？

很簡單，他們的數據應用也不是數據部門搜腸刮肚想出來的，而是完全由業務部門根據自己的業務自行想的。

所以業務部門數據Owner的權限很大很大，擔子也很重很重。數據部門的定位就很清晰了，不用到處協調業務部門修復數據，不用費盡心思幫業務部門想應用，只要做好中間的數據處理工作就好了。

04 案例

這里就把數據質量如何從端到端進行管控全部拆解明白了，感興趣的彭友可以移步過去瞅瞅。這里就不贅述了。其他公司的情況是一樣的。有空的彭友可以估算一下，如果要像老彭舉的例子里那樣，做到端到端的數據治理，要花多少時間、多少人力物力。反正老彭當年天天跟IT的人混在一起，天天提需求改系統，天天跟培訓部門、客服部門泡在一起，就沒停過。你自己算算要多少錢吧。