管理是科学还是艺术

首先声明,本文主要是写个人体会,虽然题目有点大,也可能会有争议,但是个人观点仅供参考。我工作的很大一部分是企业数据治理,在数据治理归口管理部门工作,有大的困难绕不过去,那就是数据认责。很多人都说数据认则难,不是一般难,我们也感同身受。毕竟数据治理工作是最近这些年才引起重视成为企业很重要的基础性管理工作,之前数据工作没有那么大影响,企业也没有那么重视,因此主要是IT部门的事,当然也有企业放在类似财务部门,总之业务职能部门之前都不大重视这方面的工作。

随着数字时代的到来,数据作为新要素在企业中的重要性越发凸显,数据治理成为一块重要的工作,交由专门的部门进行统筹管理,但扎口管理归扎口管理,具体领域的数据责任管理部门不可能负责的了,毕竟业务的定义、数据的产生等都是业务部门在管理和执行,于是"谁管业务谁管数据"的原则就成为一条基本原则。平白多出一块职能,很多业务部门肯定有抵触,一说没人没资源,二说不懂不会管理,三说认定不是自己的,特别是在有交叉的领域。随着企业数字化转型的深入开展,这种情况有所好转,因为企业开始重视,特别是企业高层重视并设定有一定的组织加强协作和审议重要事项,比如数据治理委员会或者办公室等跨职能的实体或虚拟组织。不过就算如此,在实践中仍有很多具体场景下难以认责,毕竟没有一个科学衡量的尺子,经常需要扎口管理部门统筹协调和提出建议,但也经常遇到各种难题。所以就数据治理而言,这项管理工作有点业界理论支撑,但相当有限,不能称为科学,至少科学的成分不太高,而艺术的成分更多。

遇到难题,除了制度外,看碟下菜,经验、口才和关系就显得更加重要了,毕竟不能总把问题上交,老是上交问题说明能力不行啊。这也就成为数据治理专业人员的必备技能,具备强大的斗争精神,斗争不过可能只能自己先扛着,找机会再斗争。我们公司这方面总体还好,单领域的情况基本上大家还都认了,只是存在技能培训需要指导,但是也有几个难啃的地方,一个是业务财务对接的地方,另外就是多业务领域的公司级管理,至今还是没有实质性改善,还在苦苦挣扎和斗争中。

其实还有一个办法,就是需要说服自己的团队,多向前迈出半步,争取让别人也向前迈出半步,然后在过程中逐步让相关部门认同并接受,有点风险,还没有统一大家的思想,后面准备试一试。之前去另外一家头部企业调研,收获最大的一点就是他们并不过于纠结自己多付出点,因此也就推进工作更顺利,当然前提还是资源可以支撑现有工作。我们现在最大的问题是人少事多,既有管理职能,也有执行职能,监管还不停地加戏,所以说服大家还需要多做工作。所以长远来看,数字化转型逐步提高认识认知加上制度化越来越精细可能是本质的解决方案,短期双向奔赴,不纠结与一时得失,让认责逐步水到渠成可能是过程中的一个办法,但愿有用。

相关推荐
千桐科技2 天前
qData 开源版数据中台 v1.6.2 上线:修复数据连接、元数据与项目管理等多项问题
大数据·开源·数据治理·数据可视化·数据中台·元数据·qdata
袋鼠云数栈2 天前
实时湖仓如何真正做到“数据够新”?
大数据·数据库·人工智能·数据治理
灰灰20263 天前
政务数据分类分级:从零梳理、目录搭建、验收标准全解
数据治理·数据合规·数据目录·政务数据分类分级·政务数据安全·密评等保·政务项目建设
ltqvibe6 天前
数据很脏,能不能上AI问数
大数据·人工智能·数据治理·智能问数·ai问数·本体语义·数据口径
richdata7 天前
商品数字化不是先做大数据,而是先把数据变成可用决策
大数据·运维·数据治理·商品数字化·智能补货·ai商品决策
森山冶仁14 天前
AI 原生数据治理技术栈:大模型 + 向量库 + 知识图谱怎么选
人工智能·知识图谱·数据治理
Aloudata15 天前
数据治理台账 vs 元数据知识图谱:数据资产如何从文档走向计算化
数据库·人工智能·知识图谱·数据治理·元数据·数据资产·数据血缘
千桐科技16 天前
DataX组件扩展、任务日志优化与部署能力完善,qData开源版数据中台V1.6.1版本解析!
大数据·开源·数据治理·开源项目·数据中台·qdata
亿信华辰软件19 天前
边对话、边治理、边学习——数据治理的下一代范式
人工智能·数据治理
DataX_ruby8221 天前
化工行业数据治理实战:数据中台如何实现安全、环保与生产三域数据融合分析
数据治理·数据中台