公司治理小数据治理靠人工，大数据治理靠智能数据治理治什么？在哪治？怎么治？数据治理项目失败，90%都是被这样搞垮的！

元数据管理概述没有元数据，数据其实就没有任何意义。元数据看起来只是一堆毫无意义的文字和数字，但本质上它为企业的各类数据提供了上下文环境，使企业能够更好地了解、管理和使用数据。1.1

Cassandra、MongoDB。Hadoop大数据平台的相关元数据采集。BI平台，Tableau、Power

分钟数字化时代，有人将数据比作黄金，有人将数据誉为石油。但是，数据真的是新时代的黄金或者石油吗？—

接口集成接口集成是服务之间集成的最常见手段，通常基于业务逻辑的需要进行集成。RPC、REST、消息传递和服务总线都可以归为这种集成方式。微服务使用REST

分钟就在三年前，由于新冠疫情（COVID-19）爆发的措手不及，全球企业不得不增加对数字计划的资金，以在未知且不稳定的商业环境中维持生计。多项调查显示，Covid-19

EDW、实时分析引擎或独立业务应用程序中使用这些数据。数据分析和BI层在这里，数据可视化和商业智能技术允许数据科学家和分析师探索数据、提出问题、构建可视化并与之交互等等。

医疗行业数据治理的好处健康数据在许多方面从其他数据类型中脱颖而出。但最重要的是，医疗数据取决于其质量、安全性和医疗行业专业人员的可访问性。出于多种原因，这使得医疗行业中的数据治理至关重要。1.

分钟继《变革的基因》、《组织革新》之后，由腾讯集团高级管理顾问、腾讯青腾教务长杨国安教授带领青腾教研团队，历时两年深度调研

导读：详解1套方法、4类场景、3个平台能力。作者：华为企业架构与变革管理部来源：大数据DT（ID：hzdashuju）2016年，华为公司数字化转型变革规划汇报通过，一系列的变革项目由变革指导委员会（Executive

来源：谈数据作者：石秀峰全文共

来源：谈数据，作者：石秀峰全文共计4108字，预计阅读时间8分钟Hi，你们好吗？有很长时间没有写文章了，不是我变懒了，也不是没得写了，最近实在是太忙了，大家见谅哈。这个周末好不容易抽出一些时间，写了这篇文章。今天我们继续聊数据资产管理这个话题。上篇文章《数据资产管理：企业的数据资产怎么盘？》中，我们对数据资产梳理和盘点的方法、流程、模板进行了介绍，相信大家对数据资产盘点应该有所了解了。可能有人会问，数据资产盘点都是人工在做，有没有更智能的方法，能够自动盘点数据，让数据更容易查找和使用？嗯，有的。它就是经常配合BI工具（商业智能）一起使用的数据管理工具——数据发现。01

会有开源生态吗？A：目前是逐渐成熟的过程中，还没有成熟到大家都可以使用的端到端产品。我们之前公众号有篇文章讲到，硅谷的大概十几家公司，每个公司都有自己的数据门户和产品，但是没有成熟的产品。今年

来源：谈数据，作者：石秀峰全文共4708个字，建议阅读10分钟对企业来讲，资产盘点不是一个新鲜的事。所有企业都会定期或不定期地对公司的资产、存货进行全部或部分的清点，以确实掌握该期末的企业存货数量、价值，并因此加以改善，加强管理。通过资产盘点查明各项资产的库存和使用情况，以便合理安排生产经营活动，充分利用各项财产物资，加速资金周转，提高资产使用效率。这里的“资产”，是指企业的固定资产。而数据作为企业一种“特殊资产”，被列入企业的资产负债表，是迟早的事情。数据资产当然也需要盘点，只有对数据资源进行统筹规划，全面梳理，“摸清家底”，才能让数据更好地服务于企业的业务应用。今天和大家聊一聊，数据资产的梳理和盘点！—

6：作为一个架构量的数据产品组件以下示例建立在上一节的基础上，将数据产品演示为架构量子。该图仅包含示例内容，并不旨在完整或包含所有设计和实施细节。虽然这仍然是一个逻辑表示，但它越来越接近物理实现。图

来源：谈数据，作者：石秀峰全文共4018个字，建议阅读8分钟数据治理、数据管理、数据资产管理，有什么不同？这是一个我被问的最多的问题。如果要用一张图来描述它们三者之间的关系，你跟赞成以下两幅图的哪个？图1：数据治理包含数据管理，数据治理提出了数据管理的目标、架构和蓝图，数据管理是数据治理的技术实现，而数据资产管理是面向数据应用和数据价值的数据管理，属于数据管理的一部分。图2：数据资产管理的范畴更大，数据资产管理是数据管理的延伸，而数据治理是确保数据能够被管好的策略。你认为这两幅图，哪个描述三者关系更准确呢？如果三个不好比较，那我们把它拆开，两两比较，看一看数据治理、数据管理、数据资产管理，到底有何不同？—

来源：谈数据，作者：石秀峰全文共5186个字，建议阅读10分钟01

来源：谈数据，作者：石秀峰全文共5546个字，建议阅读10分钟雷军说“站在风口上，猪都能飞起来”，另一句《上孝宗皇帝第三书》：“天下大势之所趋，非人力之所能移也”，两句都强调了要顺势而为！数字化时代下，对企业来讲，这个“势”就是——数字化转型。近10年是中国企业信息化快速发展的10年，随着云计算的正式商业化、移动互联网的兴起以及大数据技术发展，让企业不再将全部精力都集中在企业内部的管理信息化之上了，而是呈现出内外融合、多样发展的特征。尤其是数据被作为新的生产要素之后，各行各业都开始探索基于数据综合使用的数字化创新场景，尝试利用数据重塑企业商业模式，企业数字化转型已经是大势所趋！当下，我相信大多企业对“要不要做数字化转型”已经没有太多争议了，大家更多的是关注“如何转”的问题。针对这一话题，简单聊一聊我的不成熟想法，未必就是真知灼见，但希望对您能有少许启发。—

企业需求从企业层面以及数字化转型路线的思考框架上，企业从行业解析、战略愿景、明确措施、规划方案自上而下，更加明晰企业数据资产是整个数字化转型及数字化运营的坚实基础。3.

来源：谈数据，作者：石秀峰全文共4708个字，建议阅读10分钟01数据架构的起源追根溯源是一个数据人的底层思维逻辑，因此，我们先说一说数据架构的起源（来源也行，一个意思）。其实，我们现在IT行业经常说的软件架构、系统架构、XX架构的核心思想都是从建筑行业学来的，架构的英文单词“Architecture”其本身就是“建筑学、建筑物、结构构造”的意思。在DAMA-DMBOK2中指出“数据架构”是“企业架构”的一个重要的组成部分。而提到企业架构，它是起源于IBM公司系统杂志的一篇文章“A

流程模型我们先来回顾一下什么是DataOps。DataOps是一种工程方法论和一套实践方法，旨在快速、可靠、可重复、持续地交付生产就绪数据以及运营就绪分析和数据科学模型。DataOps

作者丨石秀峰全文共7351个字，建议阅读需20分钟某君请领导吃饭，领导婉拒。他本想回“好的”。却回成了“妈的”。结果，他失业时才五十多岁！

流程可以应用于更广泛的数据产品，包括报告和商业智能分析（BI）以及分析和数据科学。数据管道需求来自许多来源，包括模型积压。他们填充（数据）管道积压的内容并驱动数据管道的CI/CD。DataOps

来源：谈数据，作者：石秀峰全文共计4246字，预计阅读时间8分钟Hi，大家好，今天继续聊数据治理！站在“企业数字化转型”这个时代浪尖上，我相信，数据领域乃至整个IT界“数据治理”这个词应无人不知、无人不晓了吧？如果你身边还有没听过“数据治理的，赶紧把咱们的公众号【谈数据】的名片推给他，哈哈~关于企业数字化转型为什么要做数据治理，我在文章《数据战略的8个要素》一文中曾提到，原因无外乎两个：“一是无数据可用，二是无可用数据。”一方面，“数”到用时方恨少。在一些传统企业，IT一直被认为是支撑性职能，从来没有将数据作为一个重要生产要素去看待。在以往的信息化建设过程中，都是“以流程为驱动，以线上化、自动化为目标”，数据思维和数据意识淡薄，没有将精力放在数据的收集、整理和处理上，导致“无数据可用”。另一方面，事因经过始知难。每个企业都希望将数据用起来，用它来驱动企业的决策和管理，实现数字化转型。但是，数据分散在各个信息孤岛中，缺乏统一的数据标准，彼此之间无法很好地通信，数据质量低下，不一致、不完整、不准确、不及时等问题常见，导致了“Garbage

DataOps？在当今快节奏和数据驱动的环境中，企业必须管理多个数据流。由于数据流入量越来越大、速度越来越快，数据管理也变得越来越复杂，公司需要促进这一过程。如果您仍在考虑是否为您的公司使用

来源：谈数据，作者：石秀峰全文共4338个字，建议阅读8分钟—

文章来源于公众号：南网50Hz文末附下载方式12月15日能源行业首个数据资产管理体系白皮书《南方电网数据资产管理体系白皮书》（以下简称“白皮书”）发布，白皮书结合数据要素的发展现状，数据要素发展面临的困境和挑战，提出了南方电网数据资产管理体系的构建思路、总体框架，为能源电力行业数据要素市场培育发展提供了策略框架和可行路径。首发白皮书为数据要素市场发展提供路径参考近年来，随着互联网、大数据、云计算、人工智能、区块链等技术加速创新，数据要素市场高速发展。据国家工业信息安全发展研究中心发布的《中国数据要素市场发展报告（2020-2021）》测算，2020年我国数据要素市场规模达到545亿元，“十三五”期间市场规模复合增速超过30%；“十四五”期间，这一数值将突破1749亿元。不同于传统的土地、人力、资本、技术生产要素，也有别于有形资产和无形资产，随着数据要素化的不断推进，数据要素发展正面临一系列挑战。比如，数据资产数据概念理论还不完善，其价值的确认与计量也一直是业界的难题。同时，数据权属划分与确认等问题还是没有得到有效解决，在实际的业务开展中，存在较多的盲区和一定的法律风险。为解决目前面临的各种难题和挑战，南方电网公司提出以数据作为核心生产要素，打通“源网荷储”各环节信息，以数据流引领优化能量流及业务流，通过数据资产管理的实践探索，创新构建具有数据要素化、资产化特征的数据资产管理体系。“此次发布白皮书，希望能为能源电力行业数据要素市场培育发展提供策略框架和可行路径，进而为全社会层面的数据要素价值创造提供有益参考。”南方电网公司总信息师、数字化部总经理吴小辰说。首次定义电力数据要素和资产电力行业作为国民经济的支柱性行业之一，拥有大量的高价值数据。厘清电力数据要素、数据资产的概念与内涵是进行数据资产管理的基础和前提。“电力数据要素是指投入于电能生产、存储、传输、交易、消费等生产经营环节，与其他生产要素相互融合、不断迭代，提升电能生产和消费效能的数据资源，包括数据、数据模型、数据产品、数据服务等形式。”电力行业属于国家能源战略性行业，电力数据资产具高可信度、主体稀缺和高价值性三大特征，对电力企业本身、产业链上下游、金融行业、制造行业、政府等关联方均具有巨大的社会效益及经济价值。如何定义“电力数据要素”和“电力数据资产”对电力要素价值的发挥意义重大。结合这些实际，白皮书中在对国内外相关理论对比研究分析的基础上，结合企业实际的生产经营特征和数据价值模式，首次对“电力数据要素”和“电力数据资产”做出了定义。开创性构建面向数据要素化、资产化的管理体系如何管理数据资产，是众多企业面临的难题之一。基于企业生产经营的本质属性，在实践分析的基础上，南方电网公司开创性地提出了“定责、确权、享利”和“拓量、优本、创利”的思想与策略，并以此为指导，着力突破当前发展瓶颈，构建南方电网公司数据资产管理体系，实现数据“要素化、资产化”的跃升。据介绍，南方电网公司数据资产管理体系主要由数据战略、数据治理、数据运营、数据流通、组织保障、技术支撑六个模块共36项管理职能及数据资产全生命周期8个环节构成，通过清晰界定各项职能活动的定位和内在联系，相对完整地覆盖了南方电网公司数据资产管理的工作领域。“这套管理体系有六大重点突破。其中，‘定责’决定数据管理边界，‘确权’构建业务可为空间，‘享利’明确利益分配规则，‘拓量’提升产业发展规模，‘优本’提升数据资产收益，‘创利’实现数据资产价值变现。”吴小辰认为，这六大突破为电力行业数据要素市场培育发展提供了可行路径。建立多方授权与共识机制力争破除数据授权困境数据资产权属的分类与确定，是数据要素流通的前提和基础，也是业内长期以来讨论和关注的焦点。在这方面南方电网公司进行了积极的探索并实践。今年9月，公司从企业实际经营与管理的视角，围绕数据资产全生命周期，梳理分析了各环节可能存在的法律风险，制定相应的法律风险防范策略，编制并发布了《南方电网公司数据处理法律风险防范指引》。今年10月，针对中小企业信贷、互联网金融等典型场景，通过“数据资产凭证”“三方授权”等模式，以契约为载体，权属确定为内涵，构建了“多方授权与共识机制”，突破了当前数据资产确权难题。南方电网广东电网公司配合广东省政府发出全国首张公共数据资产凭证。此外，南方电网公司在2021年起草制定了《互联网金融服务平台服务协议》，以契约为载体，明确了各方的定位、主要责任以及相关数据资产的权属界定，有效解决了互联网金融普遍面临的多方授权问题。首创数据资产定价方法

2021年12月20日，在第四届“数据资产管理大会”上，《数据资产管理实践白皮书（5.0版）》正式发布，由中国信息通信研究院云计算与大数据研究所高级业务主管王妙琼进行解读。文末附下载方式《数据资产管理实践白皮书》是我们在数据资产管理领域的系列研究报告，从2017年开始已连续4年发布，成为了国内数据资产管理的“风向标”。《数据资产管理实践白皮书（5.0版）》结合业界数据资产管理先进理念和关注焦点，总结最新实践案例，在《数据资产管理实践白皮书（4.0版）》基础上，聚焦数据资产前沿问题、优化数据资产管理理念，进一步完善数据资产管理框架、明确数据资产管理路径。从数据要素宏观环境变化和企业数字化转型的微观发展出发，明确数据资产管理的核心逻辑是赋能业务创新与发展，推动数据资产的内外部高效合规流通，搭建数据资产管理的整体框架。但是与此同时，我们也应认识到当前企业面临数据资产管理内驱力不足、数据资产管理与业务发展存在割裂、数据开发效率和敏捷程度较低、数据资产难于持续运营等问题。为解决以上问题，一方面，充分利用技术手段，结合企业实际情况，优化数据资产管理策略，制定数据资产管理实施路径，建立覆盖战略、组织、制度、技术等方面，提升管理效率、降低管理成本。另一方面，丰富数据资产应用场景，加速数据资产内部共享与外部流通，构建数据价值评估方法，持续开展数据资产闭环运营，使数据资产成为企业数字化转型源源不断的动力。随着数字经济和大数据技术的发展，未来，数据资产管理将朝着管理模式更敏捷、技术架构可扩展、管理手段更智能、合规发展均兼顾等方向发展。以下为现场分享

来源：谈数据，作者：石秀峰全文共3886个字，建议阅读6分钟数据治理关键在于“治理”两个字，而“治理”就不是简单修正一下数据质量问题那么简单，它会涉及到企业的战略规划、经营策略、组织调整、IT架构、流程优化等方方面面，可以毫不夸张的说：数据治理是企业信息化的一场重要“变革”。提到“数据治理”很多IT领导的第一反应是：我为什么要治理，我们的数据好着呢，我们的业务一切都能正常开展啊！”然而经过数据摸底、普查之后，才发现原来真实的数据管理情况真没有想象的那么好。实施过数据治理的企业都经历了这样一个事实，原本只是想治理一下数据，提升一下数据质量，发现做着做着一不小心就涉及到了企业的战略、组织、文化等顶层设计内容了。而提到变革，就不得不提变革意愿：“意愿是进行任何事情的基础，强烈的意愿是变革成功的必要条件”。面对变革，有的人谋变，有的人求变，有的人排斥、有的人沮丧，有的人欣然接受，有的人讨价还价，还有的人是“随机应变”！

在大数据时代，“数据治理”对所有拥有大量数据的公司来说都是一个挑战。业内还流传着“数字转型，治理先行”的说法。越来越多的企业将数据治理作为数字化战略的一项必要举措，并将其列入企业的战略行动计划。“数据治理”的重点在于“治理”，它是一个涉及企业战略、组织架构、数据标准、管理规范、数据文化、技术工具的综合体。没有数据治理实践经验的人一定会认为：“哇，数据治理好高端！又是战略，又是标准，又是文化，听起来很高深嘛！”然而，真正做过数据治理的人会告诉你：“数据治理不仅是苦活、累活，还是个受累不讨好、经常背锅、不容易让领导看见价值的活。”“数据治理，说起来容易，做起来难。”这是业界的共识。在数字化转型过程中，数据治理不得不做，但又难以做好，这成了企业的一个“魔咒”。什么是数据治理？数据治理治的是数据吗？为什么要实施数据治理？数据治理会遇到哪些挑战？数据治理的关键要素是什么？数据治理有哪些常见误区？数据治理在哪里治，源头系统还是数据中台？数据治理的实施方法论是什么？数据治理的关键技术有哪些？如何应用这些技术？数据治理需要哪些工具？如何保证企业数据质量的长治久安？《一本书讲透数据治理》这本书中，结合作者自身多年的数据项目经验，总结出了企业数据治理规划和落地的“3个机制、8项举措、7种能力、7把利剑”，分别对应企业数据治理之道、企业数据治理之法、企业数据治理之术和企业数据治理之器四部分内容，希望能够为企业数据治理工作的规划和落地提供一些思路和启发。读者对象本书适合正在或希望从事数据治理、数据管理工作的相关人员阅读。本书为正在寻求数字化转型的企业提供了数据治理的思路和框架，因此特别适合这些企业的CIO、CDO、IT总监、IT经理、项目经理、业务主管、业务骨干、数据管理员、数仓开发工程师、数据分析师等阅读。本书希望帮助那些想学习数据治理的新手建立对数据治理的整体认识；帮助那些了解数据治理零散知识的人建立起数据治理知识体系；为那些正在或计划进行数据治理的相关人员提供一定的方法和参考案例；帮助那些正在从事数据治理却屡碰难题、饱受挫折的人找到新的思路和方法。本书特色不仅包含业界主流的数据治理理论框架，还包含用友平台与数据智能团队多年的数据项目实战经验总结；不仅涉及数据治理在战略层面的顶层设计，还囊括数据治理在落地执行层面的实施方法；不仅可以作为配合企业数据治理的纲领性指南，还可以作为数据管理人员开展数据治理的实操手册。作者简介罗小江用友集团助理总裁、平台和数据智能事业部总经理、北京软件和信息服务业协会云计算专委会副会长、中国企业财务管理协会企业风险管控专业委员会副主任委员。专注于企业数字化平台技术应用研究，具有企业管理、IT等复合知识，并且有丰富的实施交付经验，主导过多个千万级项目的规划及设计工作。参与过来自不同行业的众多企业和机构的信息化建设项目，其中包括中国海关总署、中国一汽、中兴通讯、中国建筑总公司、三一重工、华新丽华、江西贵冶、联想控股、哈电集团、象屿集团、厦门国贸、国电投、东方传媒、施耐德等。石秀峰用友集团数据治理专家、中国电子商会数据资源服务创新专业委员会专家组成员、数据质量管理智库（DQPro）专家组成员、DAMA会员。本书赞誉本书结合国内外数据治理理论框架以及用友平台与数据智能团队多年的实战经验，详细阐述了数据治理的理论、方法、技术和工具，希望能够为企业打好数智商业创新的数据基础提供启示和帮助。——王文京

DataOps，即Data和Operations组合。是在数据分析过程中，提升数据质量，减少数据分析的周期时间，提高效率的一系列实践，现在逐渐发展成了一门方法论。DataOps适用于从数据准备到报告的整个数据生命周期。DataOps是一门快速发展的学科，用来管理不规则数据管道，这些数据管道遍布于各大公司的环境中。曾几何时有那么一段美好的日子，只有两个数据管道：一个支持生成通用报告和分析活动的数据仓库，以及一个为投资者和董事会提供审计数字的财务报告的数据管道。如今，随着自助服务分析和机器学习的发展，公司拥有的管道数量随着数据分析师，数据科学家和需要大量数据的应用程序的增多而增多。每一个都需要专门的数据集和数据访问权限才能产生内容。这简直是管道爆炸！如果没有DataOps，每个数据管道都将成为一个数据孤岛，与其他数据管道，数据集和数据生产者几乎没有关系。没有协作或重用，浪费大量的人工和返工，有大量的错误和数据缺陷，并且交付时间极慢。商业用户除了信任自己的数据外不信任任何数据，而且许多用户需要在没有任何数据或没有足够数据的情况下做出决策，因为他们等不及了。DevOps的降临。在引入敏捷开发和DevOps技术之前，软件工程界一直受到类似问题的困扰。如今，DevOps的先驱例如Amazon，Google和LinkedIn等公司每天（甚至每小时或更快）部署软件版本，这是几年前无法想象的发展节奏。令人惊讶的是，即使周期时间加快了，软件错误和缺陷也有所减少。容器化和微服务的问世将进一步加速和强化软件交付周期。简而言之，DevOps可以以更低的成本更快地提供更好的代码。

来源：谈数据，作者：石秀峰全文共4273个字，建议阅读8分钟Hi，大家好，今天继续聊企业数字化转型！数字化转型这个专题写了10多篇了，覆盖了数字化转型的常见问题、转型战略、转型架构、转型思维、组织体系、文化变革、IT部门转型等内容，这些内容涉及了多项数字化转型关键要素，例如：战略、组织、文化、架构、技术等，这些要素对企业数字化转型都十分重要。写完这些文字，回过头再去看企业数字化转型，在诸多的要素中，最为关键的还是“人”，今天我们就聊聊数字化转型中的那些角色，那些“人”！—

工具和云资源结合在一起，可以加速分析。但是，仍然面临着一个日益严峻的挑战——数据的可访问性。仅仅使用数据来产生洞察力是不够的，每个人都应该能够获得这些洞察力。于是，DataOps

来源：谈数据，作者：石秀峰全文共3188个字，建议阅读6分钟如题！这个问题一直困扰了我很久，在阿里的数据中台中，有三个主要的组成部分OneID、OneData和OneService。我之前写的一篇文章曾对阿里的数据中台做过解读，见《什么是One

来源：谈数据，作者：石秀峰全文共3429个字，建议阅读6分钟毫无疑问，数字化转型已经成为了企业迫在眉睫的事情。大部分企业都意识到了“数字化转型”很重要，但是却不清楚该如何转。尽管有些企业已经开始数字化转型的实践和探索，但大多情况下也都是“摸着石头过河”，更有一部分企业是“想过河但是不知道该摸那一块石头”！数字化转型到底如何干，有没有哪些可参考的方法或路径？在《麦肯锡：数字化转型四步法》一文中给出了企业数字化转型的：第一步：制定正确的战略，第二步：大规模能力建设，第三步：快速、敏捷的企业文化，第四步：组织与人才。这篇文章从四个角度为企业数字化转型提供了思路，具有一定的借鉴意义。俗话说：“路得一步步走，饭得一口口吃”，凡事都得讲个先后策略。今天我们来聊一聊，指导企业数字化转型的方法和步骤，我们将其称为数字化转型路线图！—

来源：谈数据，作者：石秀峰全文共3096个字，建议阅读5分钟Hi，大家好！之前写过一篇文章《一文讲透，工业企业的物料主数据管理》，时隔了一年多，突然公众号后台收到一条消息：石老师看了您工业企业物料主数据管理的文章受益匪浅，能不能讲讲商品主数据怎么管？这么好的问题，那必须安排呀！今天就我们就来聊一聊商品主数据，提纲如下：1、什么是商品主数据2、商品主数据中的两个重要概念：SPU、SKU3、商品编码与物料编码的关系4、商品主数据的管理和应用—

来源：谈数据，作者：石秀峰全文共4626个字，建议阅读8分钟我是一个金庸迷，“飞雪连天射白鹿，笑书神侠倚碧鸳”，在金庸的武侠世界里，有缠绵悱恻的爱恨情仇，也有刀光剑影的江湖天下。小的时候总幻想自己成为一个仗剑天涯、笑傲江湖的侠客，长大后误入IT业，成为了新时代一个捣鼓数据的“IT民工”！数字化转型方兴未艾，新思潮

来源：谈数据，作者：石秀峰全文共4056个字，建议阅读8分钟数据是企业的一项重要资产，这一观点已经成为了大多数公司的共识。但现实中，很多企业并没有将这项资产充分利用起来，用它来取得商业上的成功。原因很多，很复杂！但据笔者的观察，之所以出现这个情况，主要的原因无外乎两个：一是无数据可用，二是无可用数据。一方面，“数”到用时方恨少。在一些传统企业，IT一直被认为是支撑性职能，从来没有将数据作为一个重要生产要素去看待。在以往的信息化建设过程中，都是“以流程为驱动，以线上化、自动化为目标”，数据思维和数据意识淡薄，没有将精力放在数据的收集、整理和处理上，导致“无数据可用”。另一方面，事因经过始知难。每个企业都希望将数据用起来，用它来驱动企业的决策和管理，实现数字化转型。但是，数据分散在各个信息孤岛中，缺乏统一的数据标准，彼此之间无法很好地通信，数据质量低下，不一致、不完整、不准确、不及时等问题常见，导致了“Garbage

来源：谈数据，作者：石秀峰全文共3418个字，建议阅读6分钟数字化时代，数据作为新的生产要素受到了各界前所未有的重视。随着数据越来越多，怎么管好、用好数据，让数据发挥价值，成为了很多企业的一个难题，而且还是一个必选题！这就引出了数据治理。有效的数据治理可以确保企业数据全面、一致、可信，从而全面释放数据的价值，提高业务流程效率、提升业务增长的机会，驱动企业数字化转型。这听起来很简单，但事实上数据治理对每个企业都是一项很大的挑战。据Gartner

来源：谈数据，作者：石秀峰全文共4085个字，建议阅读8分钟Hi，大家好！在上一篇文章《数据中台为什么要建标签体系，分类它不香吗？》中，我们介绍了数据中台的一个颇有争议的功能——“标签体系”。有人认为，多维的数据分类体系已经够用了，标签就是一个“鸡肋”；也有人认为标签体系有有利于大数据的萃取和分析，提供画像能力，实现精准推荐，必须是数据中台的标配。如果“标签体系”确有争议的话，那么今天介绍的这个功能一定没有争议，它绝对是数据中台的真正标配，它就是——数据服务。—

来源：谈数据，作者：石秀峰hi，大家好，之前《运营之光》这篇文章中，我给大家交代了公众号【谈数据】的使命和价值主张：“做对读者有价值的数据号”。【谈数据】聚焦数据治理、数据中台、企业数字化转型，坚持持续输出有价值、高质量数据领域相关文章。写这个公众号的初衷就是将个人数据领域的所学、所感分享给大家。当然，有些观点过于主观，难免会存有争议；有些实践也受个人知识所限，未免就是最佳方案。但是，如果你能从我的文章中受到些许启发，这个事情我觉得就值了！“数字转型，治理先行”，没有好的数据质量，哪来有价值的洞察。数据治理是什么，数据治理在哪治，数据治理怎么治等等，从理论到实践，或许从这里你都能找到答案！关注↓↓↓另外，我也会将自己平时收集整理的一些数据领域资料推送给大家，这些资料很多在其他地方是需要购买或者要加入星球才能下载的，而在【谈数据】都是免费下载，不限时间、永久有效，可随时下载！在公众号的历史文章中，凡是标有“可下载”的，都属于资料推送类文章。以下是我写的几个系列文章专辑中的部分内容，请大家审阅。如有任何疑问、问题、建议和意见都可以给我留言，或者加我微信直接反馈给我，不胜感激！经典必读：数据治理并不是什么‘高端大气上档次的活，不仅都是苦活、累活，还是个受力不讨好，经常背锅，领导看不见价值的活。你要不要入坑？数据治理：说起来容易，做起来难？数据治理：90%的人搞不清的事情数据治理

来源：谈数据，作者：石秀峰全文共4850个字，建议阅读8分钟Hi，大家好，今天我们继续聊企业数字化转型！在上一篇文章《企业数字化转型：数字化成熟度评估模型》中，我给大家介绍了业界几个关于数字化成熟度的评估模型，其中有一个叫做ODMM不知道大家还有没印象？对，就是传说中华为公司提出的那个数字化转型评估模型。不过也有人说这个模型不是华为提出的，提出者“另有其人”。经过笔者多方打探，网上求证，得知这个模型来源于华为牵头成立的叫做“Open

来源：谈数据，作者：石秀峰全文共4951个字，建议阅读8分钟自从写数字化转型这个专题以来，在后台也收到了很多网友给我的留言。大家关注的问题都集中在：有哪些数字化转型的方法和技术？企业如何成功实现数字化转型？数字化转型过程如何避免踩坑？数字化转型有没有捷径？数字化转型到底该从哪里开始？……说实话，这些问题根本没有答案。虽然目前很多企业都已启动了数字化转型战略，但对大多数企业而言，数字化转型都是“摸着石头过河”，根本没有可供借鉴的经验。即便是具有数据基因的科技互联网巨头，他们也在谈数字化转型，也就是说科技公司也不能说自己是数字化企业。而对于那些号称是成功转型的企业，其实也只是比其他企业多走了一步。—

实施愿景建立符合业务特点的可迭代体系是实施愿景，从工作机制、技术平台全面改善数据资产的六性：可知性、可控性、可信性、可用性、可取性、安全性。3.

来源：谈数据，作者：石秀峰全文共3778个字，建议阅读6分钟Hi，大家好！我们继续聊企业数字化转型这个事儿。企业数字化转型主要有两大驱动因素，一个是需求的拉动，一是技术的推动。“需求的拉动”我们在之前的文章中没少聊，今天我们就来聊一聊数字化转型的另一个驱动因素——数字化技术。01.

来源：谈数据，作者：石秀峰全文共3678个字，建议阅读6分钟数据中台为什么要建标签体系，分类它不香吗？在众多的数据中台的解决方案中，一个叫做“标签中心”或“标签体系”的应用，几乎成了数据中台的“标配”。乍一看，标签体系就像一个树状的分类。因此，有专家吐槽：“现在讲啥数据标签，数据类目，跟SAP

来源：谈数据，作者：石秀峰全文共3662个字，建议阅读6分钟Hi，大家好！我们继续聊企业数字化转型这个事儿。数字化转型，目前已经成为了各行各业的广泛共识。对企业来讲，数字化转型已经不是选择题，而是必选题，很多企业都将数字化转型提升到了企业的战略层面。“数字转型，战略先行”，今天我们就重点来聊一聊企业数字化转型的战略。—

来源：谈数据，作者：石秀峰全文共4966个字，建议阅读10分钟《中华人民共和国数据安全法》（简称：数据安全法）第二十一条：国家建立数据分类分级保护制度，根据数据在经济社会发展中的重要程度，以及一旦遭到篡改、破坏、泄露或者非法获取、非法利用，对国家安全、公共利益或者个人、组织合法权益造成的危害程度，对数据实行分类分级保护。国家数据安全工作协调机制统筹协调有关部门制定重要数据目录，加强对重要数据的保护。关系国家安全、国民经济命脉、重要民生、重大公共利益等数据属于国家核心数据，实行更加严格的管理制度。各地区、各部门应当按照数据分类分级保护制度，确定本地区、本部门以及相关行业、领域的重要数据具体目录，对列入目录的数据进行重点保护。随着数据安全上升到国家安全层面和国家战略层面，数据的分类分级已经成为了企业数据安全治理的必选题。今天给大家分享的内容是数据分类分级，希望能够为您的数据安全治理工作提供帮助和参考。—

作者丨石秀峰全文共3612个字，建议阅读6分钟当前数字化的浪潮已经席卷了整个行业，数字化转型已经不再只是科技公司的事情，几乎各行各业都涉及到了数字化的转型或升级问题。驱动企业数字化转型的不仅是企业的降本增效、业务增长、商业创新、获取竞争优势等企业内驱力，更多的是数字化是一种历史必然的趋势，就如同从农业时代过渡到工业时代，从工业时代走向信息化时代，而从信息化迈向数字化的时代，也已然到来，我们不可以视而不见！话虽如此，但对于大多数企业，尤其是传统企业，数字化转型说起来简单，但做起来谈何容易！从思想认知到企业文化，从战略规划到落地执行，从业务转型到技术升级，每走一步都要遇到无数的困难和挑战，这些困难和挑战就像是横在企业转型路上的“拦路虎”，需要企业去面对和征服。01.

作者丨石秀峰全文共4416个字，建议阅读10分钟中台概念，2015年诞生，2019年爆火，在最火的时候被很多人当成了“无所不能”的“万能药”，只要是IT的问题，就一个药方——上“中台”！于是乎，很多企业都争先恐后，纷纷走上了上中台的路。但似乎“好景”不长，2019年末“中台”的大潮还未退却，就已经传出了对中台的质疑声——“中台，我信了你的邪！”。到了2020年对中台的质疑、唱衰、乃至讨伐的声音更是此起彼伏，在加上中台的鼻祖——“阿里，彻底拆中台了”，让中台彻底跌下了“神坛”。而作为众多“中台”核心成员之一的“数据中台”，似乎成了“中台”家族的最顽强的那个，在沸沸扬扬“中台”质疑声中苦苦地挣扎着……—