引子
“生命是靠负熵来维持的。” --《何为生命》埃尔温·薛定谔
在如今的互联网时代，数据是企业重要的资产。我们无时无刻不在产生数据：每一次打开手机应用，每一次网购下单，甚至每一次驾车穿过红绿灯，都会产生数据。数据无处不在。在企业中也更是如此。如此之多的原始数据，加上日渐成熟的数据分析技术，让企业家们大为兴奋，因为这就是企业堆积如山的金矿啊。然而，事情并没有想象中的这么简单，要从这些杂乱无章的酷似垃圾堆的所谓 “金矿” 中提取有价值的宝贝，并不容易。笔者之前的文章《浅谈数据：数据领域需要掌握些什么？》也稍微提到了数据治理（Data Governance）这个概念。本篇文章将从企业数据管理的角度，介绍数据治理是如何在混乱的企业数据中创造价值的。
数据孤岛问题
中大型企业（一般超过 100 人，且有多个职能部门）在快速发展业务的同时，也会遭遇管理混乱的问题。销售部门有着自己的销售统计数据，通常是庞大而分散的 Excel 或者简单的在线表单；IT 部门自己建立且管理一套资产和库存系统；HR 部门又维护着一整个人员统计名单。而这样的情况会导致不少头疼的事情：大老板抱怨每周才能收到整个公司运营的管理报表；经理们看着报表中忽上忽下的数据，怀疑着真实性；基层员工加班加点整理好老板要的数据，却被质疑数据有问题。熟悉么？这些都是企业中经常发生的问题，其直接原因就是所谓的数据孤岛（Isolated Data Island）问题。
数据孤岛发生的主要原因是来自于各个部门或团队数据不连通。很多时候，因为业务高速发展，一些团队需要快速建立一套数据系统，但又无法及时开发出来，因此只能采用 Excel 或一些快速而有效的数据录入工具来保证业务运营效率。随着业务的增长，这些野路子数据管理模式不断衍生出新的内部流程，到一定规模后瓶颈会逐渐显现出来，特别是在需要与其他部门或外部系统集成关联的时候。
当老板们意识到数据孤岛的问题之后，想要改变的时候，多数时候会显得举步维艰。这是因为他们要解决的问题很多如下之类的问题：
- 格式标准（Format and Standard）：营销部门的每月销售数据可能存在各个 Excel 文件，而产品部门则是存储在 SQL Server 数据库中；
- 统计口径（Statistical Caliber）：会计金融部门的最小统计口径为每月，但营销部门精确到每一订单；
- 关联性（Association）：营销部门是用的订单编号，而产品部门用的是数据库订单 ID；
- 规模（Scale）：成千上万的格式不统一的 Excel 文件，难以进行快速处理。
数据治理
现在所谓的数据治理，其实就是利用数据整合工具对数据孤岛问题进行解决。如下图，数据治理团队会将各个部门的业务数据整合、清洗、转换、存储在数据仓库（Data Warehouse）中，最终供给整个组织使用。通过数据治理和数据仓库，各个业务部门的数据孤岛被连通，各类数据通过一定关联和整合，能够发现很多洞见（Insights）。例如，营销团队会惊讶的发现自己的主要客户竟然很少用APP！
不过，上图是一个简化的流程。真正的大型企业或组织会比这个更复杂，可能需要涉及组织、文化、政治、业务性质等多方面因素的考虑。这也是为什么，很多大中型企业，特别是习惯了传统 Excel 报表的企业在数字化转型方面会遇到重重阻碍。
对于数据治理团队来说，成功的关键不在于技术，而在于对业务流程和企业文化的熟悉和把握。如何清洗和转换数据都有现成的工具和技巧，但业务流程和企业文化往往不那么直观。这需要数据治理团队有良好的沟通能力和业务能力。成功的数据治理，需要不仅是实用的工具和技术，更重要的是与各个业务团队打交道的智慧。
不断精进
企业发展离不开数据洞见，但要实现数据驱动决策（Data-Driven Decision Making），往往还需要业务部门之间的沟通和交流。这也是为什么很多企业都开始向敏捷（Agile）转型，这里可以参考笔者之前的文章《浅谈敏捷：你的团队在正确实践敏捷吗？》。数据治理需要做的更多是理解业务，思考如何利用数据整合优化业务，从数据洞见中创造更多价值。
社区
如果您对笔者的文章感兴趣，可以加笔者微信 tikazyq1 并注明 "码之道"，笔者会将你拉入 "码之道" 交流群。
本篇文章英文版同步发布在 dev.to，技术分享无国界，欢迎大佬们指点。
