原標題：釋放數據生產力，如何才能做到最優(yōu)解？

近年來，數據及其價值被社會各界廣泛討論，儼然成為最為熱門話題之一。

事實上，關于數據價值的這一波討論，看似偶然，其實必然。隨著產業(yè)互聯網的深入，以及《關于構建更加完善的要素市場化配置體制機制的意見》中首次將數據寫入生產要素，傳統企業(yè)逐漸意識到數據形成資產化之后所帶來的巨大價值。

因此，如何釋放數據生產力就成為眾多企業(yè)數字化轉型中的一道必答題。如今，越來越多傳統企業(yè)著手構建數據資產體系，希望把數據“用起來”和“用好”。但這絕非易事，因為如今數據從生產到消費的鏈路愈發(fā)復雜，傳統的理念和方法論亟待突破。

如何才能打破局面？為此，網易數帆帶來了突破性的“數據治理與開發(fā)一體化”理念以及數據生產力模型，帶來了“人人用數據，時時用數據”的最優(yōu)解。

從“有數”到“用數”為何如此之難

不可否認，經過多年的“大數據”概念教育，很多行業(yè)如今都異常重視數據的采集，有些企業(yè)甚至都擁有龐大、且豐富的數據集，卻無法很好地實現數據驅動日常的決策、運營和創(chuàng)新。

造成這種局面的核心原因主要有三個方面。

1. 首先，業(yè)務場景發(fā)生巨大改變，基于數據驅動的業(yè)務場景正在迅速興起，徹底改變了數據的使用范式。
2. 其次，新場景帶來了數據量、數據類型不斷走向豐富，與數據處理、分析相關的技術也是層出不窮、應接不暇，從數據庫、數據倉庫，到數據中臺、數據湖，甚至現在熱門的湖倉一體、DataFabric，大部分企業(yè)并無掌控新技術的能力。
3. 第三，數據消費人群規(guī)模、類型今非昔比，任何員工都可能是業(yè)務中的數據重度消費者，但大部分企業(yè)目前在組織架構、數據文化等方面尚未調整到位，不足以支撐起企業(yè)“用數”和“用好數”的需求。

面對當前數據市場里越來越旺盛的需求，當前市場中卻處于比較尷尬的局面。“市場不缺供應商，但卻鮮有一套合理、經過驗證的方法論能夠幫助用戶把數據資產用好?！本W易數帆大數據產品線總經理余利華如是說，“很多企業(yè)通常是走一步看一步，先建設再說，缺少整體和長遠的考慮。”

為此，網易數帆基于超過300+行業(yè)頭部客戶、10+行業(yè)覆蓋的實踐上，針對目前大部分企業(yè)在“數據治理”和“數據開發(fā)”等領域遇到的挑戰(zhàn)，在今年的網易數字+大會上推出了數據生產力模型和“數據治理與開發(fā)一體化”理念，為釋放數據生產力尋找到一條可行之路。

數據開發(fā)治理一體化讓“用數”有解

“數據治理”目的是實現數據資產安全可控、質量高和容易消費，乃釋放數據生產力的基礎前提。

如果說數據如水，滋潤數字經濟時代萬物生長；那么“數據治理”則恰如治水，釋放數據生產力或造成數據泛濫均維系于此，其重要性堪比數據本身。

不過，“數據治理”擁有多年歷史，并非新鮮事物。但隨著千行百業(yè)數字化轉型的深入，用戶數據驅動和數據創(chuàng)新的需求亦產生重大轉變，讓數據治理的復雜性今非昔比，傳統的數據治理理念、方法論很難適應需求的變化趨勢。余利華認為：“多數情況下，企業(yè)對于數據治理并無規(guī)劃，并且治理與開發(fā)脫節(jié)，容易陷入運動式治理和惡性循環(huán)?！?/p>

具體來看，很多企業(yè)在數據治理領域首先采取的是先污染后治理，開發(fā)與治理體系割裂；當遇到數據問題越來越多之后，則通過運動式治理來解決數據問題，治理效果無法有效衡量和持續(xù)反饋；并且很多企業(yè)的數據治理范圍往往局限在湖內，無法對大量湖外數據進行治理；最終形成的數據資產，往往存在找不到、看不懂和信不過的尷尬情況。

“造成這種情況的核心原因在于，數據治理是旁路系統，上不能深入到應用環(huán)境，下達不到開發(fā)環(huán)節(jié)?！庇嗬A坦言道。

為此，圍繞數據治理與數據開發(fā)脫節(jié)這個難啃的硬骨頭，網易數帆的數據生產力方法論提出了“數據治理開發(fā)一體化”理念，即“先設計后開發(fā)”，將數據標準定義、指標規(guī)范定義、模型設計和數據開發(fā)體系連接在一起，讓數據治理流程自然融入到數據開發(fā)的全生命周期過程中，在數據開發(fā)過程中即可完成數據治理，實現研發(fā)治理一體化，從而幫助用戶在數據治理方面取得長效治理。

例如，數據標準定義了數據取值范圍、安全特性和類型，將數據標準與數據質量相結合，自動生成集合規(guī)則，則可以在數據測試階段看到數據質量報告，在線上運行階段可以收到數據治理告警；數據標準與安全中心結合，則可以得到加密、脫敏的規(guī)則，構建數據安全等級，實現數據開發(fā)治理一體化。

元數據管理也是治理能力中關鍵的一環(huán)，網易數帆在技術元數據之外對管理元數據、業(yè)務元數據的覆蓋，使得產出的數據資產具備了可理解性。此外，網易數帆還通過大數據健康評估體系實現大數據的健康診斷，并且利用數據治理運營三板斧形成數據治理運營的改進閉環(huán)；而且還能實現湖內、湖外數據統一治理，以及統一的數據資產門戶，從而幫助用戶不斷提升數據治理的效果。

“數據治理過去的理論和方法在當下的確存在巨大短板。網易數帆對數據治理理念進行大膽創(chuàng)新與實踐，如今在多個行業(yè)客戶中得到落地。未來，網易數帆還將打磨全鏈路大數據產品和技術能力，持續(xù)做好數據治理?！庇嗬A補充道。

數據生產力模型：理論+實踐的最優(yōu)解

如果說數據治理是釋放數據生產力的基礎，那么要想徹底釋放數據生產力，則必須從數據全生命周期的整體視角帶來最優(yōu)解。為此，網易數帆基于過去各種理論和自身長期實踐，推出了數據生產力模型。

據悉，網易數帆數據生產力模型包含DataOps、DataFusion、DataProduct三大內核和數據技術、數據資產、數據應用、數據運營四要素。

具體來講， DataOps是一種將軟件工程CI/CD的方法融入數據開發(fā)的流程,基于自動化的數據測試、任務發(fā)布等技術，構建數據發(fā)布流水線,使得數據開發(fā)效率更高、交付更加頻繁，交付質量更有保障；DataFusion則是面向分析的數據治理，在傳統數據治理的基礎上，將數據治理融入到數據開發(fā)之中，形成開發(fā)與治理一體化；DataProduct則是通過數據產品化來打通數據到決策的轉化鏈路，實現數據到決策轉化。

而從企業(yè)實踐的角度，打造數據生產力離不開數據技術、數據資產、數據應用、數據運營四要素的共同作用，四要素提供了三大內核落地的路線圖。網易數帆認為，沉淀數據資產是核心所在，不僅符合企業(yè)追求數據價值的初衷，更容易獲得各層級各角色的感知與認同，也讓實現數據開發(fā)與治理一體化的意義更加鮮明。

數據生產力模型最難能可貴之處在于，它既充分汲取了互聯網公司在數據技術、數據理念和數據創(chuàng)新方面的可取之處，又從服務眾多傳統行業(yè)的過程中獲取了豐富的實踐經驗，以此來幫助企業(yè)建立數據資產管理體系和實現數據資產化。

正如余利華所言：“數據生產力模型是網易數帆融會貫通+創(chuàng)新的結果?！蹦壳?，數據生產力模型已經在金融、制造、醫(yī)藥、物流等多個行業(yè)得到實踐。

以東北證券為例，該公司選擇與網易數帆合作從0到1搭建數據治理體系，希望實現數據的資產化、價值化和智能化，支撐數字化轉型。結合組織架構、業(yè)務流程的梳理及網易數帆全平臺產品引入，通過元數據管理、數據標準、數據安全等能力，東北證券完成了數據資產的構建。目前，東北證券已完成核心系統30000余張表的全量元數據采集，數據資產的質量提升和完善累計注冊2814項，形成179個基礎數據標準，累計沉淀400余項數據質量規(guī)則，并建立了覆蓋數據分級分類的數據安全體系。

資產建立之后，相比此前BI需要到底層數據庫獲取數據的方式，此時通過數據資產拖動BI，效率、準確性和口徑一致性都更加有保障。

面向未來，企業(yè)在數字化轉型過程中所形成的變革能力、敏捷能力、生態(tài)能力、數字化產品與服務能力均是以數據為基礎，企業(yè)建立數據資產管理體系和實現數據資產化是大勢所趨?！熬W易數帆的生產力模型希望幫助企業(yè)充分激活數據生產要素活力，將數據與業(yè)務相結合，沉淀企業(yè)數據資產，從而實現數字化轉型發(fā)展。”余利華最后表示道。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。