數據治理的好壞決定著傳統行業用戶的未來？

此絕非虛言。在數據成為關鍵生產要素的今天，企業的運營管理、營銷服務乃至創新突破均愈發倚重數據。在經歷多年的數字化建設之后，絕大部分傳統行業用戶的數據治理已步入深水區：

(相關資料圖)

一方面，企業積累了較為豐富的數據資源，數據正加速重塑業務、流程等方方面面，數據驅動型業務也不斷提升；另一方面，企業數據資產化演進過程中，普遍經歷了數據倉庫、數據管理、數據中臺等多個階段，隨著業務與數據復雜性持續提升，使得數據治理的難度也水漲船高。

因此，數據治理正成為行業用戶數字化轉型和智能化升級中的一道必答題。例如，《關于加快推進國有企業數字化轉型工作的通知》就提出構建數據治理體系，促進國有企業數字化轉型。去年底，《關于構建數據基礎制度更好發揮數據要素作用的意見》更明確指出，壓實企業的數據治理責任。

“雖然很多企業在數據治理方面做了很長時間，但在新需求、新場景、新技術、新模式等驅動下，如今的數據治理在維度、標準體系、數據模型、建設理念等均在不斷演進，企業們需要與時俱進，走出數據治理深水區。”中國電子云助理總裁、數據事業部總經理馮進如是說。中國電子云是近年來數據治理市場的代表廠商，其是數字政府、央國企等數據治理領域的市場領導者，對于中國企業的數據治理趨勢演進有著深刻理解。

數據治理步入深水區

傳統行業的數字化轉型，本質上是以數據作為新型的生產要素，賦能于整個業務生產運營經營環節，初期將降本增效，高階則是產生新的運營模式和商業模式。

在這個過程中，數據治理扮演著極為關鍵的作用。就像石油需要精煉才能被廣泛使用一樣，數據必須經過治理之后，才能在業務場景中發揮最大價值。

但與過去相比，中國市場的數據治理需求今非昔比。IDC在《中國數據治理市場份額，2022》報告中指出，數據治理正從政府、金融等行業加速向能源、制造、交通、建筑等行業，其價值和必要性逐漸被認可，應用前景越來越廣泛。不過，數據治理市場的需求已發生重大轉變，企業內部的數據架構越來越復雜，單個主數據管理、元數據管理、數據集成工具組件很難滿足需求，數據治理工程化是未來趨勢。

馮進也認為，數據治理是傳統企業數字化轉型的核心動能所在，但它也是一項長期工作，且傳統企業面臨的數據治理局面趨于復雜化，主要體現在四個方面：

其一、很多企業的數據治理規模正在變大，幾年前傳統企業的數據依然是以ERP、CRM數據為主，數據規模往往在TB級別；如今，企業的數據規模在向PB級演進，包含了大量非結構化、半結構化數據。企業除了傳統的數據倉庫之外，也在加速構建數據湖等。

其二、企業自身業務走向復雜化，但業務對于數據期望又在不斷提升，業務場景對于數據分析和數據消費隨之走向細分化，對于數據治理的要求也越來越高。

其三、大部分企業都有較長的數據治理歷史，并且往往存在著多種技術體系，一定程度上形成了歷史包袱，后續的數據治理如何在前面工作基礎上實現持續演進和升級是比較大的考驗。

其四、很多企業現在數據治理工程化項目不再僅僅是數據治理平臺、數據湖等建設，還涉及到服務應用體系、安全體系、項目監理和項目測試等諸多環節，一個數據治理工程會有多方廠商參與、協作，讓數據治理工程化的復雜性進一步提升。

顯然，當前的數據治理無論是定義范疇、治理范圍，還是側重方向、體系標準等都在產生巨大變化。事實上，數據治理較為成功的企業已經感受到其帶來的業務價值，比如更快獲得洞察、有效縮減成本、增加用戶獲取以及提高產品上市效率等。考慮到AI技術會逐漸融入到企業的業務場景中，數據治理未來的復雜性和難度只會進一步提升。

“從市場側來看，中國電子云基于在政務、部委、央國企等領域的大量數據治理洞察與實踐經驗，認為傳統行業企業數據治理已步入深水區，對于數據治理的戰略定位、建設方向以及未來規劃迎來全面重塑。”馮進介紹道。

攻克數據治理難題：應該這么做

中國有著數目眾多的傳統行業用戶，中海油屬于典型的傳統能源企業，其在數據治理遇到的挑戰具有很大共性：多年的信息化和數字化建設，業務系統多且專業性極強，數據繁雜且不規范，數據治理涉及到成百上千個業務系統，需跨組織、跨職能、跨專業進行，數據標準化體系亟待建立等等。

與此同時，中海油數據治理從頂層設計出發，致力于將數據湖平臺作為支撐集團公司數據治理和數字化轉型的核心平臺，推動數據標準化體系建立，以及注重數據治理與業務場景的適配，又值得很多傳統行業企業學習與借鑒。

馮進直言：“數據湖平臺的建設思路和技術路線差異較大。類似中海油數據這樣的項目投入大、周期長、涉及面廣，需要全方面綜合考慮。”

為此，中海油首先是從頂層設計的角度去考慮數據治理的建設，希望通過數據湖的設計與開發，寄希望改變之前互不交叉、缺乏統一協調的局面，并以此為牽引，帶動數據治理、數據安全、數據標準和數據應用等之后的工作，從而支撐起集團業務場景的數據消費與使用需求。

經過18個大項、59個細項考核指標的設定，中海油采用“賽馬制”對于多個廠商的數據湖平臺底座和數據治理工具能力進行多輪測試與評估，最終放棄了多家頭部云廠商，選擇了中國電子云CeaInsight智能數據云產品。

“像數據湖平臺底座關系著未來數據治理工作的成敗，需要對技術實力、產品成熟度以及廠商服務能力等進行全面的考核與評估。”馮進介紹道。

其次，像中海油這種傳統行業企業，涉及業務眾多且復雜，對于數據治理的產品、工具要求需要較為全面；與此同時，因為帶有行業屬性，在標準產品的基礎上又會有一些定制化的需求，因此在選擇數據治理產品與工具時會兼顧標準化產品與定制化需求，這極大考驗了數據治理廠商的方案全面性和定制化服務能力。

“在行業數據治理中，非標準化功能是在所難免的。需要數據治理公司具備快速響應能力，圍繞需求進行分析、設計和開發。”馮進透露道。

更加重要的是，在復雜業務環境下，數據治理早已不能“獨善其身”，而與業務場景有著緊密的聯系，以此實現場景中能夠更加便捷、高效地消費和使用數據。不過，不同行業有著不同業務的特點，使得企業非常看重所屬行業的數據治理方法論，這無形中對于數據治理公司的行業了解、數據治理行業咨詢和構建解決方案等能力提出了更高要求。

馮進認為：“結合行業業務的洞察與認知，建立起相關行業的數據治理方法論，這是用戶所亟需的。”

事實上，越來越多傳統行業的用戶開始像中海油這樣，從戰略層面重視數據治理，不再是點狀的數據治理項目為主，而是以業務驅動的方式來構建起數據治理標準體系與機制，圍繞業務的特點有針對性進行數據治理，例如數據標準、數據規則、采集規范等等，以標準體系進一步推動數據驅動型場景的建設，并持續完善數據模型、數據質檢等，全面完善和推動數據治理工作。

中國電子云：做數據治理的排頭兵

今年初，隨著《數字中國建設整體布局規劃》的頒布，數字中國“2522”的整體建設框架出爐，數據資源體系成為“兩大基礎”之一。國家希望加速通過構建國家數據管理體制機制、健全各級數據統籌管理機構，來暢通數據資源大循環。

落實在產業數字化市場中，所有行業用戶都意識到數據治理對于未來的重要性。在行業用戶需求的驅動下，數據治理也會進一步走向工程化，并朝著工具化、自動化、智能化等方面持續演進。

在眾多數據治理企業中，中國電子云憑借在多個行業的實踐積累、全面豐富的產品與解決方案以及強大的咨詢與服務能力，成為數據治理的市場的排頭兵。

首先，中國電子云在數字政務、關鍵行業、央國企等行業的數據治理領域積累了大量的案例和豐富的實踐。根據IDC《中國數據治理市場份額，2022》、《中國數字政府數據治理市場份額，2022》等報告顯示，中國電子云穩居中國數據治理平臺和數字政府數據治理平臺市場第二，在政務、部委、關鍵行業及大型央國企等市場具有領先優勢。

其次，中國電子云在數據治理領域具備全面的產品與工具能力。例如，中國電子云CeaInsight智能數據云將云原生與數據原生有機結合，利用跨庫數據匯聚融合分析、云上數據工具一棧式供給、云上多組織數據共建共治等，為用戶提供跨云的一站式數據能力與數據資源供給和服務共創的解決方案。

此外，針對行業用戶對于AI的需求，CeaInsight智能數據云內置一站式智能模型開發、訓練、部署、上架等功能，并整合不同行業的AI模型，為用戶構建完整統一AI服務能力中心。

第三，中國電子云具有強大的咨詢、交付和服務能力。數據治理不僅僅涉及到全面的產品與工具，而是需要深入到業務之中。中國電子云經過多年的市場耕耘，其咨詢、交付與服務能力在多個行業中已經得到驗證，獲得了市場廣泛認可。

“隨著數據要素相關政策法規的持續完善，數據治理未來可能有兩個重要趨勢：其一是數據對象標識化，從技術和管理層面去解決數據確權的問題；其二是數據治理的智能化，結合AI技術對數據治理進行降本增效，例如數據標準自動識別、數據分類推薦、智能探查等等，數據治理的智能化會是未來產品競爭的焦點。中國電子云在這兩個方向也在緊密研究與布局，希望持續推動數據治理演進，為用戶的數字化轉型帶來更多價值。”馮進最后表示道。

關鍵詞：