導讀：數據治理，正在成為企業數字化生存的關鍵。如何通過數據治理，提升數字化競爭力，搶奪數字時代的紅利？本文為華為公司數據管理部初創成員，SUB-IA（華為集團整體分析側數據資產評審委員會）主任杜浩為大家分享如何有效開展數據治理工作、提升數據質量、打破數據孤島、充分發揮數據的業務價值，讓數據成為企業資產和動能。

全文核心內容:

提高效率、運營和服務是數字化轉型的核心

構建數據治理體系是對組織內權利的分配

數據為企業帶來的更大價值是業務模式上的進步

隨著國家把數據作為新的生產要素，企業開展數字化轉型，數據的作用越來越大，也越來越復雜，數據早已不是某一個領域、某一家企業的事。想要完成數據工作，需要多個方面齊心協力才能讓數據發揮最大價值，讓數據在企業形成新的生產力。

數據工作其實最早是源自于信息化的工作，這個時期還有一些先進的方法可以借鑒，包括 埃森哲這些顧問公司也都給予華為公司很多幫助。隨著數據工作的深入，企業不斷開展數字化轉型，我們越來越感受到西方傳統數據管理方法已經無法滿足新環境下數據工作的需要，所以我覺得需要把華為的數據管理實踐共享出來，一起探索未來的數據管理道路。

我主要從以下三個部分進行分享。第一，華為在數字化轉型實踐過程中遇到的困難及應對辦法；第二，重點介紹華為視角下，數據治理體系的核心能力是什么、如何打造數據治理核心能力；第三，數據治理的最終目標，如何讓數據消費體現出價值。

01?數字化轉型的方向與挑戰

1. 提高效率、運營和服務是數字化轉型的核心

不管是在華為內部還是外部，數據工作開展的越來越廣泛和深入，很重要的一個背景是廣大企業都在做數字化轉型，尤其是非數字原生企業。

數字化轉型的核心無外乎在生產和運營發揮作用。一方面在生產側提高企業的生產效率，另一方面在運營和服務側做深做強，這兩點的最終目的實際上都是為了能夠生產出質量更好的產品，提供更優質的服務，讓企業的運營成本更低，這是所有企業數字化轉型的核心。

任何一個企業一定不是為了轉型而轉型，轉型一定是為了提升企業自身競爭力。對于數字化轉型的核心命題，不同企業可能都會面臨相似的問題，特別是像華為這類非數字原生企業，其核心業務并不是在數字化世界中產生的。這種情況下，不得不做數字化轉型。

2. 非數字原生企業在數字化轉型中面臨的挑戰

這部分我主要從業務模式和數字化基礎兩個板塊進行分享：

(1) 非數字原生企業的業務特點

第一，非數字原生企業一般為客戶提供具體的產品或服務。華為過去是做交換機通訊設備、手機和其他業務，這些都是具體的工業產品或者服務，廣大的制造類企業大部分都屬于這一類，最終我們提供給客戶的，都是某一類產品或者服務。

第二，業務鏈條較長。很多非數字原生企業都是從研發到銷售再到供應，有些企業還涉及到交付，整個鏈條涵蓋研發、銷售、供應、交付、財經等，非常長。

第三，整體過程非常復雜，且周期較長。很多快消行業，在平臺上購買一個產品，周期相對來講比較短，而在非數字原生企業，從售前銷售的合同、談判到交易，整個鏈條非常復雜，周期也很長。以華為為例，一般來說，大型的銷售項目可能會延續超過一年，甚至會超過兩年、三年。在這樣的長周期下，如何管理交易行為、控制成本、提升利潤，是非常大的挑戰。

第四，內外部風險點較多。華為的業務覆蓋了多個國家，有很多海外子公司。進行交易的時候，涉及到很復雜的關聯交易，不僅要滿足客戶需求，還要符合不同國家法律法規要求。這種情況下，內外部風險會非常高。隨著業務的拓展、經營范圍的不斷擴大，很多非數字原生企業也會面臨同樣的挑戰。

第五，非數字原生企業的垂直領域專業門檻比較高，能力相對聚焦。比如華為，不管做手機還是通訊設備，都有一定的專業門檻。

從業務模式來講，非數字化原生企業是有這些特征。基于這些特征，也帶來了區別于真正的數字原生企業的數字化基礎。這些基礎有利有弊，它既可以證明過去我們做得好的方面，另一方面也是制約數字化轉型的瓶頸。

(2) 非數字原生企業的數字化基礎

大多數數字原生企業很少會在交易鏈條有超過幾十億、上百億的數據量。大量數據都是基于內部業務的流程鏈條所產生，因此大多數數字原生企業所面臨的數據量會更小。比如作為數字原生企業，研發環節所產生的數據，一定是由研發人員內部產生的。

這種情況下，基于企業業務鏈條的管理特點和內外部風險管控特點導致數字原生企業對數據產生時的可信度、一致度要求非常高。

非數字原生企業在使用數據時，包括運營、決策時，對數據的可信度和一致性要求同樣非常高。比如項目投標、標書的應答、對客戶痛點的把握，每一條可信度要求都非常高，包括內部業務履行的每一張單據，都要求盡量做到 100% 準確。它們希望每一個數據從產生的源頭到消費末端都是一致的。

另外，對于非數字原生企業，大部分都經歷過完整的企業信息化。比如 ERP，其實是有大量的存量 IT 平臺、IT 數據、數據化信息化系統，這也是一種巨大的歷史包袱。

前段時間在做華為內部盤點時，有一個詞叫“技術債”。華為過去所采用的一些技術、模式、方案在當時對企業發展產生了重大作用，但當華為在做數字化轉型、技術升級時，這些過去所使用技術在某種程度上可能是一種債務，所以就成了“技術債”。

另外一個特點是 IT 平臺的差異。對于數字原生企業來講，它的 IT 平臺天然就是“業務戰場”，交易都是圍繞著平臺產生的。

而對于非數字原生企業而言，大部分 IT 平臺以支撐業務為主要目標。非數字原生企業的業務開展并不一定非要依賴 IT 平臺，比如拜訪客戶或者做項目投標，即使沒有 IT 平臺，業務照樣會產生。這個時候，IT 平臺更多的是以支撐業務為目標，而不是業務本身。

因此，非數字原生企業在做數字化轉型時，所面臨的壓力、阻力會更大。由于所有的數字化轉型最終一定會體現在 IT 的改造和升級上，從 IT 平臺以支撐業務為主的角度，企業到底付出多大成本，愿不愿意接受過程中的各種風險，這些都是數字化轉型面臨的困難。

02?數字化轉型為數據治理帶來的兩大挑戰

1. 實現數據清潔，支撐主業務流打通與財報準確

從華為自身來講，數字化轉型經歷了好幾個不同階段。華為最早的數據工作是從 1998 年開始，從通訊設備代理到有了自己的品牌，華為在市場上打響的第一個產品就是 CC08 交換機。

▲華為數字化轉型兩大階段

(1) BOM 的質量整改：以數據為目的的工作變革

從 90 年代初產品研發出來以后，到 90 年代末，華為的產品基本覆蓋了中國各個城市。這個時候有一個很嚴重的問題，雖然華為的業務已經覆蓋了整個中國，但浪費極其嚴重，經常做不到正確發貨，與客戶需求不一致，導致召回退貨的同時給客戶的滿意度造成了極大傷害。所以，雖然當時華為的規模擴大，但管理水平并沒有隨之提升。

1998 年，華為下定決心解決這個問題。其根本原因在于當時整個產品的 BOM（Bill of Material，物料清單）不準確。我們做過統計，整個產品的 BOM 質量準確率只有 70% 左右，這也就意味著 10 個不同部件的產品 BOM 可能就有 3 個是錯誤的。這種情況下，肯定不可能準確發貨，由此引發了一個基于數據的痛點。

所以從那時候開始，華為開始了第一次以數據為目的的工作變革，我們把它叫做 BOM 的質量整改。

(2) 數據工作顯性化：把數據工作專業化

通過這個工作，華為用了一年時間把 BOM 從 70% 提升到了 99%，提升的原因實際上就是把數據工作顯性化、專業化。

1998 年之前，華為有數千個研發人員，當時研發團隊的每一個工程師都可以創建和產生 BOM 數據。在這種情況下，想保證幾千人具有相同、合格的數據認知和技能是不現實的。發現這個問題后，華為立即把數據工作從各個研發工程師手里集中起來。

研發人員不再負責具體的 BOM 數據的創建和處理，而是集中由 BOM 數據的管理部門負責，產品數據部門抽調十幾個人專門負責數據的產生和維護。這樣一來，數據工作就從上千人變成了幾十個人，小范圍內，再去提升數據的質量，保證數據的準確性，一致性就會容易很多。

所以這是華為第一次把數據工作顯性化地體現，相當于把數據從一個整體中抽離出來，單獨作為一個專業化工作進行管理。

(3) 完善數據體系，從源頭保證數據清潔

2007 年，華為的海外業務蓬勃發展，業務拓展到全球時，我們又發現了新的挑戰。每一個國家的客戶都有很大差異。原來華為服務的是國內市場，國內只有三大運營商，并且三大運營商受工信部統一管理。

但當華為到海外以后發現我們的客戶遍布全球，瞬間變成了幾百個上千個客戶，整個交易流程非?；靵y，并且在海外客戶的要求、商業模式、法律都不一樣。這個時候發現大量數據問題導致華為甚至沒有辦法出一個準確財報。

因此華為成立了全面數據質量提升項目。作為當時公司十大優先工作，也就是在 2007 年，華為借助 IFS 項目引入 框架，開始系統進行數據治理，華為的數據組織也是在這個時候得到了蓬勃發展。

2007 年，華為開展關于數據的專項治理，成立了很多數據部門，也取得了一些成果。持續幾年后，數據工作又遭遇了新的瓶頸，華為發現雖然數據工作取得了一些好的結果，但距離公司對于數據期望還有很大差距，比如數據不通、數據異常等問題還是比較普遍，診斷后發現華為的數據體系還不完善，存在重大問題。

數據的特征和 IT 系統不一樣，越是重要的數據，越會跨流程使用。在這個時候，數據孤島的治理成為難題，它實際上無法真正發揮數據價值、解決數據問題。

在 2014 年，華為成立了數據工作組。當時的目標是要在三年建成數據體系，五年實現數據清潔?；谶@個工作，最終實現了關鍵數據在業務流的打通，實現了數據清潔。這是數據工作的第一階段，在第一階段，華為確保了數據在產生環節的清潔。

2. 實現數據可視、共享、發揮數據價值

到了 2017 年，華為啟動了第二階段的工作，它的基礎是華為在前段花了十幾年的時間，投入了大量精力對數據進行的治理工作。但數據治理的最終目的不是為了治理本身，治理是希望數據能夠真正發揮它的價值。因此在第二階段，華為啟動了新一輪的數據工作。

當時公司也在強調數字化轉型的大方向，所以當時提出實現數據的可視和共享，讓數據價值能夠支撐公司的數字化轉型。圍繞這個目標，華為建設了數據底座、數據湖，實現了數據的匯聚、連接、共享和消費。

這是華為十幾年整個數據工作的歷程，實際上它也是從數據視角進行數字化轉型的歷程。包含第一階段，圍繞數據準確、數據清潔進行數據治理，第二階段圍繞數據從供應到消費再到發揮價值，這些都是華為在整個數據工作方面的實踐。

03?構建數據治理體系是對組織內權利的分配

要讓數據在企業或者數字化轉型中發揮作用，最重要的是要構建一個完整的數據治理體系。數據治理在某種程度上是對組織內權利的再分配，經過多年發展，數據在企業中的定位一直不斷變化。

我們把數據沿著它在企業中的定位看，經過這么多年，它的定位是在不斷變化。

▲數據在企業中定位的變化

1. 數據定位的變化

在廣大企業眼中，數據一般被認為是 IT 部門的事。隨著信息化發展，企業發現數據在信息化建設中不可缺少。比如構建一個 ERP 系統，一定要構建數據，同時數據在質量管理與質量運營層也能夠發揮作用，慢慢地就把數據從 IT 范圍擴展到質量運營。在這個階段，很多企業認為數據不僅是 IT 部門的事情，也可能是質量運營的事。

華為最早在成立數據部門時，都是掛在質量運營部門下面，隨著數據既在運營方面發揮作用，也在傳統的信息化建設中發揮巨大作用，企業發現數據應該被作為戰略資產。這個時候數據不僅僅是戰略運營的事，它可能和業務部門相關，所以數據被認為是業務行管的事。

隨著數據成為國家、企業的生產要素，它的經營范圍擴得非常大，包括數據的全聯接，影響企業的競爭優勢等。對于企業而言，數據不僅僅是行管部門的事，因為幾乎每一個人都會產生數據，都有參與數據的權利和責任。

那么這樣的話，每一個人都會參與到數據的整個生命周期中，此時如果我們要去構建數據治理體系，不得不涉及到對于每一個組織、流程、人員的治理。在這種程度下，如果沒有數據治理體系，很多工作是沒辦法開展的。

2. 數據治理體系的兩大核心問題

整個數據體系的核心就是在解決兩個問題，第一，誰來干；第二，怎么管。

大多數情況下，在數據治理過程中往往會面臨“越位”和“失位”，隨著認識的改變，數據責任越來越偏向業務。早期大家都認為數據是 IT 的責任，包括今天依然有很多企業是由 IT 部門管理數據，或者說數據治理是由 IT 部門負責。在這種情況下，數據工作很難展開，因為幾乎所有的數據都不是由 IT 部門產生的，數據的定義也不太可能由 IT 部門定義。

以華為的 Lead to Cash 業務流為例，在和客戶售前接觸時會產生線索和機會點，交易時會產生合同，在簽合同的過程中，會和客戶提供優化解決方案。這里面的所有信息都不太可能由 IT 部門定義，它一定是由業務部門定義的，只有業務部門才能夠清楚知道合同中應該包含什么樣的數據內容。

同樣，合同的數據定義出來后，真正產生這些數據的也是業務，也不太可能是 IT 部門。因為 IT 平臺更多的是承載這些數據而已，真正能夠負擔數據治理的一定是業務部門，如果由業務部門承擔數據的管理責任，就可以確保數據治理的責任不失位和越位。

(1) 通過數據 owner 機制，打通數據治理與業務的連接

華為的數據資產分為五層，最重要的是業務對象。每一個業務對象都有明確的數據 owner，而且華為規定每一個業務對象有且只有一個 owner，但這個 owner 不是任何人都可以承擔的，一定是由流程的 owner 或者是 level 3 以上的部門承擔。

我們不允許太細、太小的部門承擔數據 owner 的責任，比如說 level 4、level 5、甚至 level 6 等很小部門。因為所有的數據 owner 實際上都代表公司在管理某一個數據資產，如果某一個業務部門級別或者層次太低，沒有辦法真正代表公司管理數據。

一旦明確了數據 owner，就需要去確定這個數據 owner 的責任，包括數字架構的建設、數據的質量、保障，匯聚入湖等等，通過這種 owner 機制，可以把數據治理的責任和業務緊密聯系在一起。

▲數據治理的“越位”和“失位”

華為目前有 1000 多個業務對象，每一個對象都有一個明確的業務部門負責，任何一個數據，當它的定義、質量問題，都能夠明確它真正的管理責任主體，它才能夠和企業的組織、流程結合，數據治理工作才能夠落實到實處。通過數據治理體系的 owner 機制可以解決誰來建的問題。另外還有一個抓手是解決怎么管的問題，數據治理工作最容易出現的問題是把數據治理變成一場快起快落的運動。

(2) 決策權和投資權是數據治理的兩大抓手

右邊這條線相當于流程運營，它更多承載的是看護數據的責任，左邊是變革線。通常來講，企業的數據治理主要依靠左邊這條線就行管理、治理，左邊這條線有幾層，分別是各個業務的變革項目，業務的專家機構包括業務架構專家組、信息架構，變革指導委員會，它是對華為變革進行管理的。沿著這兩條線實際上可以嘗試解決怎么管的問題，同時，在這條線上有兩個至關重要的權力。

第一是架構的決策權。華為有很多重要資產，資產的不同架構方式決定了它的治理模式。比如華為有很多合作伙伴，伙伴的架構是集中管理還是分散管理，這就是華為在數據管理方面的架構要去決策的問題。

一旦決定了伙伴的架構要集中管理，也就意味著在整個華為范圍內，不管哪一個產業、不管什么類型的伙伴，都要共同管理，遵守統一標準。華為不允許每一家子公司或者產業自己制訂伙伴的準入政策，或者是進行伙伴的等級管理。

那么當某一個業務領域或者子公司，一旦出現不符合架構的情況時，沿著整條委員會可以對架構叫停，這里面涉及到另一個權力是變革的投資權，一旦決定了整體的架構方向，沿著架構方向的投資決策權也是可以確定的，比如華為確定了伙伴要在整個集團范圍內統一管理，也就意味著要有一個統一的投資渠道，即使是某一個子公司自己出錢投資，但是它的變革投資權仍然要由集團統一審視。

通過委員會變革的決策權、變革的投資權、架構的決策權能夠解決治理長治久安問題。

不管是數字化還是變革，它都是基于這樣的要求進行，一旦架構不符合既有規則，或者出現不可控的投資行為時，都可以及時識別，叫停。通過這種方式，可以把數據治理變成長期性，持續性工作。

架構的決策權、變革的投資權是數據治理非常重要的抓手。在數據治理的過程中，雖然有很多專業性問題，但我們通過不斷嘗試，不斷努力，學習外部實踐等都能夠逐步解決，最難的反而是如何構建數據治理體系，如何擁有好的數據治理體系。

數字化轉型過程中，第一步就要完成數據治理。想要得到高質量數據，最重要的一個前提就是我們能夠在企業構建真正自下而上，行之有效的數據治理體系。如果得不到一個好的數據，做不到數據清潔，所有的數據不可能發揮價值。

04 如何通過數據消費提升數據價值？

一方面，數字化運營已經成了各個企業在數字化轉型的“必經之路”，如果缺失了這一塊，似乎就意味著企業的數字化轉型是不完整的；另一方面，我們也能夠看到，往往數字化看板、大屏越建越多、越建越大，而企業的經營效率和效益似乎并沒有什么太大提升，即使有一些成效，也很難說與“數字化運營”是否直接相關，企業的經營運營管理模式似乎也沒有什么變化，流程、組織、管理體系和過去相比并沒有什么不同。

數據消費離不開數字化運營，華為從 2017 年逐步開展數字化運營，但我們在開展數字化運營過程中也面臨了很多的問題和質疑。

1. 效率低、鏈條長、無法適應運營消費趨勢是數字化運營面臨的三大問題

從數字化運營角度看，我們發現不同企業在數字化運營面臨的問題是相似的。第一，運營工作低效；第二，運營決策指揮鏈條長、反應慢；第三，無法適應靈活多變的運營消費趨勢。這也是我們當時開展數字化運營的三大特點。我們認為既要讓數據在企業的數字化轉型中發揮作用，首先應該解決這三方面問題。

▲數字化運營面臨的三大問題

第一個是基于數字換運營框架，從手工填報到在線可視，實現業務運營的真實可靠；第二是構建數據底座，通過數據底座可以實現匯聚數據的連接，通過服務支撐數據的敏捷自助，在數據底座里面，數據是可視的，比如說不同數據有不同的口徑和維度，但它們都是清晰的，最終呈現在運營側時，數據都是真實、高效的，即使兩個不同的指標結果不同，我們依然能夠清晰知道造成結果差異的原因。通過這種方式，可以實現運營的真實和高效。

當整個運營平臺和實際運營工作結合起來的時候，整個數據底座和運營平臺就會有非常強的生命力，那么數據就會不自主的隨著運營工作不斷改進和提升，這就是通過數字化運營框架能夠實現的效果。

2. 數字化運營更應該是業務模式上的進步

數字化運營不僅僅是效率的提升，更應該是模式上的進步。從數字化運營角度講，數據能給企業帶來更大層面的價值是可以幫助企業在業務模式上的進步。比如通過數字化運營撬動組織與流程，實現扁平化、平臺化的指揮與協作。

華為過去的業務，有地區部、代表處、系統部、交付項目四層結構。通常一個地區部管理多個國家，在一個國家下，可能會面臨不同的客戶，基于不同客戶，又會產生不同的系統部，在和客戶交易的過程中，每一個具體的交易行為，又要成立具體的項目組。

變革前，華為的整個管理是這種四層垂直管理，也就是所有的決策意見，實際上要從地區經過代表處到系統部才能傳遞到項目組。后來華為將所有的信息數字化，這樣可以實現跨國的集中指揮。即使不同的人員可能在不同的業務部門，但他的地理位置，所做的角色也并沒有發生改變，通過數字化形成虛擬集中，因為所有信息都是共享的，可以集中獲取，在這個層面上可以實現集中指揮。

項目層面，不同國家的不同項目，可以按照相似的工作特征進行融合，這樣可以打破每個項目之間的邊界，提高項目合作的效率。

同時由于信息的拉通，還可以把一些公共遠程的工作拉到遠程服務中。比如同一個地區有多個國家，可以把一些公共服務拉到人力成本相對較低，或者說數字化水平比較高的地方集中地進行遠程服務。

這樣的話，通過集中的跨國指揮中心，項目融合，遠程服務中心，相當于把過去的四層垂直組織進行了重構。通過數字化手段，打破過去縱向的組織形式，形成新的數字化組織，高效完成任務。

最后再總結一下，數據在數字化轉型過程中，數據的作用在不斷變化，從過去支撐公司業務的信息化，到支撐業務的效率提升、支撐運營，到今天數據成為生產要素，它不斷參與到整個業務鏈、業務價值創造上。未來，數據應該會成為企業高質量發展的核心競爭力。

05?互動問答

1. 非數字原生企業如何盤活技術債？

杜浩：我的建議是采用非破壞方式構建數字化。非破壞方式就是我們可以把很多數字化的訴求適當地剝離開。也就是說有一些傳統的業務方式，它傳統的信息產生方式其實可以保留，我們的業務還是可以繼續往前走。

同時在數字化的今天，我們可能需要更多信息。比如之前是管理結果類數據，那么到了今天，我們可能要管理更多信息，比如華為之前發不出去貨的原因是 BOM 的集中管理，這其實是結果類數據，但其實除了結果類數據，在整個的研發過程中，還會產生大量數據。這些數據同樣是有價值的，但數據的構建不一定非要在傳統的形式上，完全可以采用新的方式科學采集數據。

這樣的話，信息來源就分為了兩塊。一個是源于老系統，另一個是源于新系統。這種就相當于是非破壞式方式，通過這種形式，盡量減少過去的歷史存量數據對現在數字化的影響。

2. 在數據治理中，如何制定數據質量的標準？

杜浩：數據質量的標準大家可以參考 ISO 8000（數據和信息質量標準），這是專門講數據質量的方法論。

從華為過去的實踐講，數據質量主要分為設計質量和執行質量。但不管是設計質量還是執行質量，它都應該是一個定量的指標而不是一個定性的指標。

3. 數字化戰略在數字化轉型中的作用？

杜浩：第一，企業的數字化轉型轉的一定是企業的模式，比如組織模式、管理模式、運營模式，這是企業做數字化轉型的目標；

第二，不管是數據治理工作、IT 的建設工作還是數字化轉型，最終一定要服務業務，即企業的戰略目標，基于戰略目標，才會有正確的需求；

第三，不管是數據工作還是數據化轉型工作，實際上都需要自下而上的力量，假設沒有公司層面戰略上的支持，工作很難展開。所以，不管是數據治理還是數字化轉型，一定要從公司戰略層面開始，才能展開這些工作。

4. 制訂數字化轉型戰略的過程中是否存在 KPI？

杜浩：首先戰略本身就是一個公司級目標，一旦在公司層面明確了戰略的重要性，也就是它要發揮價值。比如說華為在 2017 年制訂了數字化轉型的目標，也就意味著從 2017 年到現在，所有的變革都是要基于數字化轉型為目標，如果和數字化轉型沒有直接關系的變革，我們基本上都會把它暫緩。

另外一點是戰略一定要向下落實，通過數據 owner 進行分解，當我們確定了數字化轉型戰略后，會把每一項具體任務落實在個人身上，比如誰來負責數據清潔，誰來負責數據的匯聚，入湖。

通過戰略向下的方式，我們可以把責任分配到每一個 owner 身上，但不同企業的落實方式不一樣，但我覺得只有有這樣的機制，其次有可以承載的主體，變革的目標或者戰隊目標，一定可以向下分解。

5. 未來五年，華為數據治理的提升點或者側重點是什么？

杜浩：側重點還是圍繞著數字化。前期，我們做了很多數據治理，但是它離真正的數字化還是有很大的差距。比如我們還沒有達到真正的數字化。

我們現在做的更多的是對象數字化，每一個數據都是結果類的，這部分我們做得相對來講比較成熟，但是我們的過程數字化差距還是很大，很多過程信息不完善，管理的顆粒度比較粗，規則數字化做得也不是很好。

未來，我們的業務行為可能會演變成，先有數字化結果，再在實際業務中開展，也就是先做大量數字化的仿真，然后我們才會真正地去做研發、交付等工作，包括我們可能會做大量的計劃模擬，然后才會在真正現實世界中編制計劃。

因為企業開展業務的過程中，試錯成本是非常高的，因此當我們進入了數字世界中，我們完全可以先于現實世界進行數字世界的探索和仿真，然后再進入現實世界中執行，也就是先有數字世界，再有現實世界，這就是我們說的“從數據到業務”，這也是我們后面的發展方向。

6. 數據治理變革后，數據采集方式相比變革前會有區別嗎？有一些數據是否還是依靠手工錄入？

杜浩：數據產生環節的手工錄入不可避免，但是通過數據治理可以在幾個方面減少手工錄入以及確保及時性和準確性。

首先，通過主數據、基礎數據治理，可以讓大量數據在規定范圍內產生，從“錄入”變為“選擇”，例如性別只能在“男女”之間選擇，避免填寫導致的錯誤；

其次，通過事務數據之間的架構拉通，可以讓大量數據從前端自動獲取，例如小商鋪合同中的“item、數量”是可以自動被訂單繼承的，避免二次填寫錯誤；

再次通過各類采集技術可以大范圍減少減少人工錄入行文，例如在現場勘測過程中采用 3D 實景工具，大量工程參數可以自動采集、不再需要手工填寫；

總體而言，數據治理應該盡量減少手工錄入的情況，一方面通過數字技術幫助業務提升效率，另一方面也極大提升了數據的及時、準確、完整、一致、有效和唯一。

關于作者：杜浩，華為公司數據管理部初創成員、SUB-IA（華為集團整體分析側數據資產評審委員會）主任，《華為數據之道》和《華為數字化轉型之道》的主要作者。

華為公司數據管理部作為集團層面的數據管理組織，主要負責集團層面數據相關項目，推動以數據為核心的數字化轉型、設計公司數據質量度量模型，執行數據質量監控及重大數據問題披露、公司數據管理能力提升，推動企業數據文化的建立和傳播。