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
森山冶仁1 天前
智能体研发数据怎么确认入表:当数据既是“运行介质”又是“直接产出”
数据治理·数据要素·智能体·数据入表·数据资产
蒸鱼Yuzheng1 天前
HarmonyOS HAP 与调试工件治理:包结构、版本身份与自动化证据链
自动化·性能测试·数据治理·harmonyos·hap
森山冶仁3 天前
数据券、算力券、语料券:地方补贴政策里数据治理团队该申领什么
数据治理·数据要素·数据平台·数据资产·政策解读
森山冶仁9 天前
2026 数据岗正在分化成三支:治理推动者、AI-ready 治理专家与数据产品经理
职业发展·数据治理·ai落地·数据产品经理·数据标准
衡石科技13 天前
指标管理平台选型指南:四个评估维度与一份验证清单
数据治理·指标平台·指标管理·ai bi·选型指南
明航咨询_贾老师14 天前
DCMM 2.0落地实操深度拆解|从数据治理到数据资产化,五步走框架与三个核心能力
数据治理
大大大大晴天️14 天前
大数据数据治理体系建设:从平台能力到组织闭环的完整蓝图
大数据·数据治理
Patrick在香港15 天前
Python 审计香港开放数据目录:两个端点差 10 倍,只有 9.3% 的资源标了「最后修改时间」
开发语言·数据库·python·数据分析·api·数据治理·开放数据
物联网IoT小易18 天前
物联网设备数据异常怎么处理?重复、乱序、断点续传与脏数据治理
物联网·mqtt·数据治理·时序数据库·物联网设备·物联网设备接入·物联网设备连接
大大大大晴天️21 天前
从数仓建模到 AI 数据底座:重新理解数据治理的位置
大数据·数据治理