新年快樂,歡迎回到《注意差距》。好吧,廢話不多說。最近,我一直在思考以下觀察:
許多組織,甚至大部分組織,面對相同的資訊管理和數據治理挑戰已經有幾十年了。
當然,我們在某些地方看到了一些進展,那些組織正在獲得好處。但是舉手:有多少人會說數據治理是成功的呢?可能不多。
這與過去幾年其他數據和分析創新形成了鮮明的對比。我記得在數據倉庫剛出現時,它是一個競爭優勢,但現在,對於許多公司來說,這已經成為基本要求。這是經典的創新採用曲線:創新者、早期採用者、早期大多數、晚期大多數和落後者。大數據、雲端技術,現在還有人工智慧(AI),都遵循著相同的模式。
數據治理一直是持續存在的。 “數據”和“治理”這兩個詞通常在大多數分析架構圖中相鄰出現,通常位於從生產者到資料庫再到消費者的流程圖下方,或是在同心圓的某個圈子裡,或是在其中心。這意味著治理在數據和分析中無處不在且至關重要。它如此重要,以至於值得特別關注並在圖中佔有一席之地。然而,儘管出於良好的初衷,它似乎卻得到了最少的關注,甚至沒有。
將數據治理作為一個單獨的活動來展示,使它更容易被邊緣化和忽視。
我們已經完成了所有其他活動,數據正在流動,我們的客戶也很滿意。大家都在慶祝!我們現在沒有時間或資源。也許我們根本不需要做這些數據治理的事情。什麼?你說我們需要?告訴你,我們會把它納入下一階段。翻譯:永遠不會。
這種情況已經重複了無數次,幾乎沒有改變。我們仍然在用相同的方法和方法嘗試,卻沒有成功。
任何恢復計劃的第一步是接受。
我們必須接受數據治理作為一門學科已經失敗。
這真是令人震驚和沮喪。每個人都知道需要做什麼。我們擁有出色的資源、框架、書籍、實踐者、會議和方法論。在這個領域的知識深度比數據和分析的其他地方更大。我們已經看到了那些成功實施的組織所獲得的好處。但即便如此,這通常仍然是一場掙扎,成功往往僅限於某些特定領域。也許你的組織在整個企業中都取得了成功。如果是這樣,恭喜你!!請聯繫我,告訴我你是怎麼做到的,我會把它加入名單中。
嘿,看看!管理層要求我們組建一個數據治理計劃。我們一直在期待,現在大門打開了。但我們往往會本能地開始定義委員會、會議和論壇,指派利益相關者的角色和責任,並創建表單和流程圖。PowerPoint簡報堆積如山。建立一個龐大的治理體系很容易。我們重視完整性,對細節感到舒適。我們想提供一個全面的方案。這是我們的本性。
新創建的數據治理流程往往像一個大背包。
沒有人想在已經背負的重擔上再多背一個一百磅的背包。也許管理層根本不想要完整的方案。
因此,我們試著縮小數據治理的範圍。讓那個背包變得盡可能小和輕。一位朋友創造了“最小可行治理”(Minimum Viable Governance)這個詞。我一直倡導一組類似的最小數據策展要求:定義、預期內容、權威來源,以及安全和隱私。去年的《數據鴻溝》系列討論了這一點,但這些活動仍然是附加的。
我們需要做什麼不同的事情?
一切。
也許我們的思考方向錯了。也許我們的思考太小、太集中、太分開。也許我們應該朝著一個更大膽、也許更有效的目標努力,顛覆整個應用開發文化。這並不是不可能的。想想敏捷方法論的引入對開發的影響。
是的,我們想做的任何事情都會對某些人產生附加影響。資訊管理將永遠無法滿足主要的企業需求,即你可以做任何你想做的事情,只要沒有人需要做他們尚未做的事情。
然而,仍然需要一個系統性的、變革性的解決方案。
一個成為組織文化一部分的解決方案,並超越任何個別的高管倡導者。每個人都認識到這是必要的,並將其視為標準操作程序。我們不會在每次部署新應用時爭論測試是否必要。一個人們理所當然地認為有益的解決方案,如果被移除,將會受到嚴重懷念。
對數據治理的顛覆需求並不是一個獨特的觀察。對於這個領域的人來說,這變得越來越明顯。對缺乏進展的沮喪已經積累了一段時間,這個話題現在正在從陰影中浮現。我的目標是在這一系列文章中探討根本原因和挑戰,提出解決建議,並為這一必要的變革奠定框架。
這裡是第一個建議:
停止將數據治理視為一個單獨的活動。不要用一個單獨的框框來展示它。相反,將我們所描述的數據治理能力分散到現有的企業流程中。
我在去年夏天提到過,將分析數據的責任分配給業務流程團隊。還有更多內容即將到來。
我們現在所做的,以及我們幾十年來一直在做的,顯然是行不通的。是時候開始以不同的方式思考和行動了。請緊緊抓住。這將是一段顛簸的旅程。
本文由 AI 台灣 運用 AI 技術編撰,內容僅供參考,請自行核實相關資訊。
歡迎加入我們的 AI TAIWAN 台灣人工智慧中心 FB 社團,
隨時掌握最新 AI 動態與實用資訊!