數據管理工作充滿曲折和挑戰，今天就來聊聊我當前面臨的八大困境，分別是：大模型瓶頸、責權利不對等、組織架構缺陷、達摩克利斯之劍、扁平化悖論、數據不owner、完美的“坑”、沖動是魔鬼。同時也給出了我的一些思考，與大家共勉。

1、大模型瓶頸

從去年以來，我們團隊陸續開發了智典、智能核稿、智乎、ChatOA、ChatBI、代碼解釋器等大模型應用，其中智典和智能核稿算是初戰告捷。但ChatOA和ChatBI這類大模型的準確率始終達不到實際使用的標準，只能靜待更強大的開源基礎大模型的推出。最近，Llama 3的開源讓業界歡呼雀躍，我們團隊也感到非常激動，急于進行測試。但這也讓人感到些許悲哀，畢竟我們不能總是依賴外部因素。我們決定轉向聚焦用戶需求，尋找更實際的解決方案。實際上，在ChatOA中我們自創的智能辦公場景，如幫助業務人員撰寫摘要、發送郵件等，并不常見。考慮到大多數企業員工可能一年都不需要寫一次摘要，這就引發了一個問題：為什么我們要開發這類大模型產品？對于ChatBI情況也類似。OpenAI和大廠的使用場景，并不代表所有企業的實際需求。這些需求的差異往往是由于受眾和規模的不同。許多產品開發的沖動僅僅是跟風。我們團隊在內部討論后，決定回到基礎，從真實的用戶需求出發，探索大模型的應用場景。例如，我們找到了一個高頻的通訊錄使用場景，這大大降低了大模型應用的構建難度，同時也便于結合現有的結構化知識圖譜。我們改變了大模型應用的策略，不再貿然嘗試去開發像ChatOA這樣試圖改變商業模式的龐大產品。我們更傾向于在現有流程中嵌入大模型服務，為業務人員帶來小驚喜。AI+是我們的愿景，但首先我們需要做好‘+AI’。我們也在積極推廣‘小而美’的大模型功能，畢竟這些由IT部門開發的初期產品并沒有太多的資金支持，需要借助企業內部的結算機制維持運轉，否則這些產品可能會很快被遺忘。

2、責權利不對等

數據團隊會抱怨自己的工作成績別人看不見，嗯，也許有吧，但有沒有想過，我們自認為的價值很大的事情，也許別人看不上。那為什么別人不認可呢？因為我們很少承擔風險，做好了是我們的功勞，比如精確營銷就是數據團隊經常提到的成績，但做差了呢？當公司用戶增長乏力的時候呢，數據團隊到哪里去了？這個時候，數據團隊和業務團隊可能并沒有skin in the game，也就是塔勒布說的缺乏‘共擔風險’，這就是責權利不對等。今年我們一直在做跨部門的數據一致性工作，領導給了很多的支持，業務部門也表示認可，我們也非常開心。但當審計到來時，我們一下子就被推到了風口浪尖，很多解釋工作需要我們代表企業去做，這個時候我才意識到，哦，原來天下沒有白吃的午餐。對于跨部門的事情，大家一般都是躲之不及的，因為存在很大的不確定性，這就是風險。為什么我們當初做大數據變現容易獲得認可呢？因為我們對公司有所承諾，一旦收入沒完成，就要承擔這個風險。有時候數據團隊會與業務部門在貢獻上的認知不一，各執一詞。我想大致的原因是業務部門在熬夜制定方案的時候，數據團隊可能只是在那里等著業務提需求，然后按部就班地執行。但如果數據團隊能主動提供建議，與業務同頻戰斗，那至少人家不會對我們的貢獻產生質疑，說不定還會送個大紅花呢。

3、組織架構缺陷

數據團隊在增加了數據治理職能后，我自認為自己設計的數據團隊架構已經非常科學了，比如數據治理組負責建章立制，數據中臺組負責能力建設和運維，數據服務組負責滿足前端需求。但在實際的運作過程中，當有一個重要的任務需要三個小組協同來做的時候，我就會糾結這個任務應該安排哪個組牽頭？

就拿數據開放來講吧，這個事情既涉及到建章立制，也涉及到數據開放平臺建設，還涉及到數據開放運營，我有時就只能因人定事，誰能力強一點，誰最近空一點，就安排誰牽頭去做，雖然這種亂點鴛鴦譜的方式好像也不妨礙事情的推進，但我隱隱覺得這種管理是很混亂的，組織架構的設置和小組的職能劃分可能存在一些問題。

最近在推進數據安全相關工作時，我這種感覺越加強烈，然后我去仔細研究了公司的組織機構，才恍然大悟，原來我把規劃建設的職能給漏了，也就是團隊缺少大腦組織，我原來以為數據治理組是團隊的大腦，但實際上這個大腦不夠，因為漏了數據管理規劃建設這類關鍵職責。

我馬上進行了組織職能和人員的調整，在數據治理組增加了以下規劃職責，它們是拉通各個組工作的關鍵所在，大家可以看下：

1、對企業數據匯聚、建模體系進行統一規劃，負責相關制度建立，制定發展目標和指標，指導和監督相關工作落地。

2、對數據共享開放體系進行統一規劃，負責相關制度建立，制定發展目標和指標，指導和監督數據共享開放工作落地。

3、對數據管理體系（含數據資源管理、數據開發管理、數據運維管理、數據質量管理、元數據管理、主數據管理）進行統一規劃，負責相關制度建立，制定發展目標和指標，指導和監督數據管理工作落地。

4、對數據應用體系進行統一規劃，負責相關制度制定，制定發展目標和指標，指導和監督數據應用工作落地。

5、對數據安全管理進行統一規劃，制定發展目標和指標，指導和監督數據安全工作落地。

通過這些調整，數據治理組不僅建章立制，還負責數據管理工作的總體規劃。數據中臺組和數據服務組則按此規劃執行，這樣就能清晰地界定各組職責，避免職能交叉和模糊，我也不再糾結于誰應當牽頭某個任務。

這種"規劃-執行"的運作模式其實與公司整體的運營管理十分類似。或許有經驗豐富的管理者會覺得這些道理理所當然，但對我這樣的技術管理者來說，確實是一次難得的領悟。

4、達摩克利斯之劍

以前我一直是以數據驅動業務為使命，因此會拼命的向業務兜售自己的數據能力和產品，比如我們打造了數據資源、數據資產和數據服務三本數據字典、對數據進行了分類分級、優化了數據開放流程、打通了各部門的數據壁壘，實現了數據的一鍵入湖，通過運營，我們把端到端數據開放時長大幅縮短了，我們的數據變現也到了一定規模。

但在數據共享開放的同時，也會帶來數據安全的隱患，把數據要素流通的效率提升到一定水平固然不易，但在高效開放的同時確保數據安全可控更加考驗管理者的智慧。很多企業數據共享開放水平不高，主要還是因為擔心數據安全不可控。

近年來，隨著國家對數據相關法律的陸續出臺，各行各業也相繼建立了數據合規性制度。作為一個數據的運營者，我也不得不開始關注這些變化，不禁會問：為什么會有這么多人要使用數據？這個場景下要不要共享這個數據？是不是不合理？

你看，當年屠龍的少年，也開始變得保守了。

不作為，當然可以不出錯，但這就背離了做數據的初心，作為了，就要承擔風險，而且可能代價很大。要想兩者兼顧，唯一的方式就是改變數據服務的供給模式，而這條變革之路，需要自己趟出來。

首先，做數據安全，時機是第一位的，否則很難有資源和組織的支持，正好公司最近有些組織上的優化。

其次,數據安全意識也是非常重要,我們要能在腦中同時容納"高效開放"和"安全可控"兩種看似對立的觀點,找到平衡點,協同推進,這樣數據安全問題就解決了一半。

第三、數據安全的理論和制度也需要系統學習，比如雖然企業有數據安全的管理辦法，但這些辦法往往都是原則性的，需要根據這些原則制定出具體的操作細則，確保這些制度能夠落到實處。例如，如何解決涉敏數據的人員集中管理問題，如何分工明確“誰主管誰負責、誰運營誰負責、誰使用誰負責、誰接入誰負責”的職責，以及如何設計一個“權限明確、職責分離、最小特權”的賬號權限體系。

第四、“工欲善其事，必先利其器”，數據安全的相關方法和技術這些課也需要補，比如數據的分類分級方法、數據的安全傳輸、數據加密存儲、數據的脫敏訪問、4A的管控和金庫模式等等。

最后，需要根據企業的實際情況給出一個可行的落地方案，將這些能力整合到相關流程和系統中。最大的挑戰其實是如何處理既有的包袱，包括如何改進現有流程和系統，以及如何確保用戶的數據使用體驗不受影響。

前幾年我們通過企業級數據治理，終于把數據共享開放的體系建立起來了，現在需要再演進。

5、扁平化悖論

數據工作很多具有創新性，特別是我做大數據變現的前幾年，那個時候非常講究扁平化，隨便一個員工就可以直接找我直接討論問題，我也有靈活的時間去應對這些事情。那個時候雖然也有主管和組長的層級之分，但基本上只是個頭銜，除了處理一些統籌的事務外，并沒有實質性的層層匯報的關系。

我一直以此種架構為榮，認為我們終于跟上了互聯網的節奏，在大數據變現相當長的時間內，這種扁平化的匯報關系也是相當有效的。

然而，當我因工作變動，重新回到數據治理、數據倉庫、報表和取數等內部工作后，我開始感覺到扁平化的組織架構并不完全適應這種環境。

公司總體上還是靠機制和流程驅動的，比如我會增加很多外部的會議，這樣我的時間變得不自由，員工要找我其實也并不容易，有限的時間逼迫我減少探索性的交流，追求更高質量的溝通，我能“浪”的時間其實變少了，我更希望組長和主管想清楚了跟我進行言簡意賅的交流，而不是大家促膝長談，追求靈感爆發。

我們以前做大數據對外產品，自己既是業務部門，也是支撐部門，只要找對了客戶和市場，就能直接開干，干了就能自己賣，公司給予了極大的自主權。但一旦對內，我回到了支撐者的角色，客戶是內部的各個業務部門，渠道也是各個業務部門管理的，而業務部門有自己的機制和流程，節奏基本就掌握在了業務部門手里。在溝通上，也需要遵循中層對中層，主管對主管的對等原則，大家需要對等談話才能推進工作。

應該說，沒有哪種組織架構更好，只能說都是適應了生產力發展的結果，大數據變現追求更快固然是很好，但做大了必然要有甄選決策的流程，規模越大，風險越大，流程就越復雜。

現在，我還是傾向于回歸傳統，恢復組長、主管的管理職能，他們需要承上啟下，不僅要干好自己的專業工作，也需要為組員的工作負責，這不以個人的意志為轉移。當然在個別創新性較強或需要快速響應的事情上，我還是可以采用扁平化的方式。

6、數據不owner

作為一個IT部門的數據工作人員，如果有審計部門來問你，你為什么要開放這個數據，有沒有遵循最小必要原則，你怎么回答？

我以前是沒想清楚的，想著似乎這是自己的責任，比如我開放一個自己加工完的融合模型出去，當然我要為這個融合模型的開放合理性負責，但我又覺得這對我似乎不公平，但說不出個所以然，感覺沒有法理依據。

最近幾天我才把這個邏輯想清楚了，說到底，還是頂層設計的問題，IT部門有時有點冤，做的越多，背負的越多，這是責權利不對等。

我們首先可以去看下國家的“數據二十條”的設計，除了第一條的指導思想和第二條工作原則，最實質性的內容，就是從第三到第七條的數據產權制度開始的，即首先要進行數據確權：

“探索建立數據產權制度，推動數據產權結構性分置和有序流通，結合數據要素特性強化高質量數據要素供給；在國家數據分類分級保護制度下，推進數據分類分級確權授權使用和市場化流通交易，健全數據要素權益保護制度，逐步形成具有中國特色的數據產權制度體系。”

回到企業內部，華為公司給出了一個數據確權落地的解決辦法，即數據owner制度，我覺得這是企業內解決數據共享和數據安全的最核心的抓手，誰負責業務，誰負責業務數據，誰就要負責保護業務數據，這個責任矩陣一旦落實，很多問題迎刃而解。

那么，數據團隊是否該為融合模型表的開放負管理責任呢？

我的答案是，數據團隊不應該擅自開放這張表出去，如果業務部門需要，需要由業務部門作為數據Owner發起數據上架流程，這個時候，這張表的owner就應該變成了相關業務部門，業務部門需要在充分理解這張表的業務邏輯基礎上，明確開放表的目標范圍，確保最小必要原則，這才是真正的責權利對等。

業務部門不能只享受了從數據中獲取價值的利益，但不承擔數據共享可能產生的風險，羊毛出在豬身上，這是不合理的，IT團隊則應主要為數據共享平臺的技術安全性負責。

這種數據owner制有個風險就是，誰都不愿意進行跨部門的數據共享，這個時候就需要企業的數據管理部門出來建章立制，明確規則，在必要時推動業務部門履行數據共享職責，實現責任共擔。

這可能是今年我最大的領悟之一。

7、完美的“坑”

我進入職場以后，在前10年基本以數據倉庫建設為主，然后做過一段時間的數據分析師。成為主管后，文字工作就開始變多了，因為需要代表科室寫月報，寫總結。大數據起來后，我曾經寫了一年的技術材料。再后來，大數據變現出現，一方面我們如火如荼的搞產品，另一方面不停的寫對外商業模式的材料。自己還兼職做過部門的文書，寫了很長時間的部門材料。

最近2年，我一直在負責企業數據治理體系的建設，同時也在主導企業數據治理的材料編寫，企業數據治理的道路，不夸張的講，那也是用材料鋪成的，材料代表了我們的思想結晶，一定程度也代表了生產力。

我以前也講過，鑒于數據工作的特殊性，任何數據團隊都需要一名外交部長，會寫材料是數據團隊體現自身價值的有效方式。

然而，隨著管理職責的加深，我發現自己在追求材料的質量上有些過于執著，每次匯報都希望體現自己想像中的完美水平，這導致了資源和精力的過度消耗。其實，材料做到70分，能把事情說清楚就行了，但我總是會不自覺地去追求那個90分。一旦沒達到，還經常自己上手，在一定程度上剝奪了團隊成員獨立思考和鍛煉的機會。

應該說,一個管理者的主要工作就應該是決策,我多花點時間思考,多了解實際情況，做出更科學的決策，整個團隊就可以少走一些彎路，這才是真正提升生產力的方式。而對材料盡善盡美的要求實際是對生產力的一種侵蝕。

我后來反思，覺得這是由自己怕失敗的心態決定的，自己總是在追求某種確定性，可能我們這代人，生存憂患意識太強了吧，希望自己能擺脫這個心魔。

8、沖動是魔鬼

最近發生的兩件事讓我深刻意識到自己決策時的傲慢和不科學。

第一個事情是部門開決策會，討論進行賬號收斂的問題，然后問數據團隊的XX賬號能收斂到多少？我心中一盤算，覺得Y個賬號就夠了，然后直接跟部門拍胸脯。

兩周后科室開周會，組長在介紹ZZ項目的時候，說要延期2-3周，我仔細看了周報上的文字，里面寫了原因：由于賬號不夠原因導致項目進度受阻。我感覺很詫異，然后項目經理解釋原因，說項目組的賬號都被回收了，重新開通很花時間。

我問主管為什么當初決策會上不補充說明，主管說當時也很難判斷具體要多少，只能憑經驗定，而且當時既然我拍板了，就不好說什么，后來發現把項目組的賬號數量給忘了，我問為什么不反饋到我這邊，又不是不能改，大家開始沉默......

第二個事情是有一次我去替一位同事參加公司會議，會上各部門代表要對某個議題發表意見，我不太了解實際情況，因此找了一位相關的同事咨詢，然后就去參會了。在各部門發表意見環節，我按照自己的理解進行了慷慨陳詞，然后老板說我們要克服困難解決問題......

回來的路上，我重新找了原來做過這個事情的相關領導和同事了解了情況，才發現的確是自己片面理解了，我自己所謂的邏輯推理完全是錯誤的。根本原因還在于我并沒有掌握完整的背景信息，加上自己不了解這個專業領域，做了很多主觀的臆想。

在一個嚴肅的會上由一個不專業的人發表未經過多方審核的觀點，的確是非常不專業的做法。

萬維鋼講，科學決策的要點之一就是要多征詢別人的意見和建議，然后綜合起來自己拿主意，我感覺自己離這個要求很遠，姑且不說我在自己的熟悉的領域也會犯錯，更別提在一個自己不熟悉的領域。

我知道果斷決絕有時候很有用，但尺度并不容易掌握，考慮到大多時候我們做事情沒到那個緊急程度，因此更要放下身段，多聽聽別人尤其是一線人員和相關專業人士的意見，特別是在面對一個自己不熟悉的領域的時候，多shut up，少show time。

八個領悟講完了，其實以上的反思都集中在了古人說的兩個字上，即“中庸”，你也可以認為這就是馬克思的矛盾的對立統一。做事之道，就在于恰到好處，沒有什么事情是非黑即白的，人生這堂課，還真不容易學明白。