当前位置: 首页 > news >正文

【数据之道解惑001】数据体系为什么建不起来——Ownership应始终作为数据治理的目标,坚持长期推进

经常有行业朋友和我交流,聊得最多的一个困惑就是:华为的数据治理我们照着做了,平台建了、模型梳了、指标体系也抄了,可业务主管就是不买账,不认可。久而久之,业内就有了一个声音:华为的数据管理方法你学不会。

作为《华为数据之道》的作者,也是华为数据管理理论、流程方法的创始成员,以及主要的落地推行者,我亲历了华为十几年来从混乱的数据现状,一步步走到数据标准化、服务化的全过程。先后负责流程IT、终端、财经、华为云、数字能源等多个核心领域的数据管理和变革项目数据架构。长期在基层业务领域培养金种子和数据团队,开枝散叶,构建起数据管理的组织框架,培育人才基础,逐步改善业务认知,十几年的“日拱一卒”,持续推进,才换来业务领域从“你是数据管理者,你要管好数据”,逐步变成“这是我的数据,感谢你们帮我”的认知转变。

回头看走过的十几年路,站在实操的角度,我想说一句真话:不是华为的方法学不会,是大多数企业急功近利,只学了一点“术”,而回避了最漫长磨人的“道”——数据Ownership构建的长期性和复杂性。而这,正是数据治理真正的根,也是所有企业想要做好数据管理,必须迈过去的坎。

01 很多企业做反了:重工具平台建设,忽略了支撑工具平台运作的组织设计

当下大多数企业做数据治理,几乎都是偏技术,重形式,短期目标。比如,立项建数据中台、搭数据底座、梳理元数据、统一指标口径。这些工作交付成果清晰、验收简单,追求“短平快”,容易出绩效。但是没有组织的保障,这些成果不过是空中阁楼,水中镜月,热点一过,就成了一堆废弃的资产,无法持续对公司产生价值。

从我这么多年的实践来看下来,绝大多数企业的治理困境,根本不出在工具和数据应用项目上。

企业的问题大抵相似:系统建好了,但数据还是乱的;平台建好了,业务还是喜欢用excel;标准文档发布了很多,但从来没人去看,没人执行。

在2008年我们最初从IBM学习引入数据管理体系时,敏锐地意识到,数据管理脱胎于IT,但数据不是IT,数据是根据业务流程的需求,由业务人员产生的,反应的是业务执行的结果,其管理责任应该回归到业务部门,由业务主管承担数据管理责任,才能从根本上解决无人对数据负责的问题。IT部门有时会很积极,会主动承担数据管理责任,也有可能是受行政指令承担管理责任,但不管哪种场景,其组织定位决定了其缺乏承担管理责任的能力。勉强带病运营的后果就是导致企业长期无法建立起可以运作的机制,在数字化时代延误时机。

02 Ownership的建立不是靠一纸任命,而是需要长期的松土,辅导,人力物力的倾斜支持,需要倾注集团领导大量的心血,是一个长期的变革过程

很多企业觉得Ownership建设很简单:发个文件、任命几个数据Owner、挂个头衔就算落地了。

缺乏对背后机理的理解和长远安排,从一开始就埋下了失败的种子。

真正的数据Ownership建设,不是简单的岗位任命,而是一场颠覆固有习惯、重塑部门权责、平衡局部与全局利益的长期组织变革。这件事没有捷径,不可能速成,应知难而上,不应该回避。

第一,转变业务认知,是缓慢的过程。

对绝大多数业务管理者而言,营收、利润、交付、市场份额是核心本职,数据治理天然被视作“额外负担”。大家愿意为业务结果负责,却不愿意为自己产生的数据负责,这是企业的普遍现状。IT部门宁愿增加100个开发工程师改bug,却不愿意增加10个数据架构师来优化系统数据架构,这就是管理上的惯性,是组织的现状。大多数的基层管理者都不愿意改变,因为改变工作模式意味着未知的风险。

认知的改变,不是培训、宣贯就能完成的。华为早期推行数据Owner体系时,同样面临大量抵触:业务觉得标准约束了灵活的作业、数据治理增加了大量的工作量。业务部门长期抵制,不认可数据工作。我们是通过长年的高层背书、制度固化、述职汇报,考军长,培训赋能,问责机制,以及集团给以预算支持,专家下乡,平台打造等,软硬兼施,一点点磨掉业务部门的固有思维,用“阳谋”驱动组织按设定的方向转变。

我们深刻地理解到,“变革”要“慢”,慢就是快,要给以基层组织适当的宽容,在漫长的时间演进中逐步融化松解思维,变革推行过快往往会流于形式,应付交差,反而达不到预期目标。只要“方向大致正确,组织充满活力”,我们就能越过前方的艰难险阻去。认知的改变,急不来。

第二,数据治理人才,需要长期培养沉淀

数据Owner、数据架构师等不是简单的兼职岗位,是典型的复合型岗位:要懂业务流程、懂数据管理,要有标准化思维、要懂业务管理口径、要懂法律合规要求,还要有全局协同能力。

这类人才无法在人才市场获取,也无法批量速成,只能在一次次实战中手把培养、项目落地中慢慢历练、沉淀。

结语

做了十几年数据治理,我得出的一个结论:数据治理的根本问题,不在技术,而在组织。

工具平台可以购买,也可以自研;数据标准、数据模型可以投入专家去设计,几个月到一年就能落地成型。但业务owner不认可是其责任,不愿意投入业务专家资源,不愿意花时间去认真思考如何更好地管理数据,整个数据管理体系就会失去龙头牵引力,缺乏驱动力,自然就无法正常运转。

读懂华为数据管理的企业,明白一个道理:Ownership不是一个岗位标签,而是一份对企业的责任,是一套可以闭环运作的机制。

http://www.jsqmd.com/news/1178212/

相关文章:

  • 2026最新昭通本地漏水检测公司本地精选权威推荐:正规防水补漏公司优选口碑TOP5:卫生间/厨房/阳台/飘窗/地下室渗漏水维修师傅上门 - 即刻修防水
  • Pydantic AI构建生产级LLM流式响应系统
  • AI 芯片全景对比:NVIDIA / AMD / 华为,谁在为你的模型“发电“?
  • 《月华剑士》限定品抢购实战:从信息监控到自动化脚本全攻略
  • 20个CC0素材网站2024年可用性实测:Pexels、Coverr等5个无需梯子访问
  • Java基础实操手记:27个可运行示例+错误对照学习
  • Vivado 2018.3 安装避坑指南:3个常见报错分析与Windows/Linux双系统配置
  • 多维聚合实战:从pandas groupby到银行级生产分析流水线
  • STM32F427ZI与AD5593R的嵌入式信号处理方案
  • C语言模拟STL容器:从内存管理到红黑树实现
  • 2026最新无锡本地漏水检测公司本地精选权威推荐:正规防水补漏公司优选口碑TOP5:卫生间/厨房/阳台/飘窗/地下室渗漏水维修师傅上门 - 即刻修防水
  • 模电面试问题汇总三
  • Agentic o3框架实战:解耦决策与执行的AI智能体生产落地指南
  • 大模型越狱(Jailbreaking)原理与三层实战攻防解析
  • 2026 年我筛选出的 10 个程序员兼职渠道,在校生避雷经验
  • G6D-ASI固态继电器与PIC18F4585的直流负载精准控制方案
  • 2026最新猫眼协议抢票-破军网络
  • 卡地亚中国官方售后服务中心|服务电话及完整官方地址权威信息声明(2026年7月最新) - 卡地亚官方售后中心
  • 高项备考用思维导图:视觉锚点记忆法
  • 多商户收款方案对比:支付宝小程序3种支付架构与选型指南
  • Typora 1.x 编辑器宽度自定义:3种CSS修改方案与百分比/像素值对比
  • Java里的RPC:远程方法调用技术,一文带你搞懂
  • 前端音频播放性能优化:Vue 3 组件封装与预加载策略实测
  • 零代码AI开发Chrome插件:从创意到月入5000美元的完整指南
  • YAML配置最佳实践:解耦环境、实验与业务配置
  • 双节锂电池主动均衡系统设计与MP2672A应用
  • Pandas数据整形+Plotly交互可视化实战指南
  • EM3080-W与PIC18F57Q43在条码识别系统中的硬件协同设计
  • 数据大屏素材自动整理:OpenClaw 批量处理图表、适配大屏尺寸、生成素材包
  • 51单片机学习2