5G時代的數據治理不僅僅是技術活

張靖笙

    “數據驅動”這個概念最早應該是出現在上世紀九十年代，當時誕生的商業智能的概念是通過數據分析和價值發現改善客戶、產品、基礎設施、盈利方式等業務核心環節的活動安排，從而提升效率和效益，創造價值，而在“數據驅動”這個概念提出前的信息技術是“功能驅動”和“流程驅動”的，早期的計算機程序受限于硬件性能和存儲空間，不太可能處理大規模的數據，存儲數據的成本也很高，所以數據依附在算法的結構里面，和公園門票一樣，用過就丟棄了，當然也發揮不了今天的價值。

     即使時間倒退到30多年前，隨著關系型數據庫(RMDB)技術被越來越廣泛使用，各種信息系統沉淀下來可以被重復利用的數據資源也越來越多，可以用數據來做的文章也越來越大，數據的重要性和價值日益凸顯，1996年的時候《Being Digital(數字化生存)》的作者Negroponte（尼葛洛龐帝）就提出數字化生活的概念，而20多年以后的今天，我們已經進入了數字化的生活，移動互聯網、物聯網、手機、各種社交媒體、電子支付等各種數字化技術把我們的生活完全連接到了云端，連接到了網絡。每一個消費者通過手機和設備，成為了一個巨大的數字化網絡的一個節點，每時每刻，我們從云端獲取各種信息，各種狀態，瀏覽各種商品，從而實時的決定我們的決策和行動，“數據驅動”成為日常生活。

過去，很多行業知識、數據、信息、方法等都是封閉的，而數字化時代首先的表現是信息透明，信息透明給這個社會帶來的改變是巨大的，它從根本上打破了傳統的物理世界的各種信息壁壘，極大的沖擊了傳統行業和社會形態。在互聯網上每一個人可以搜索到各種各樣他需要的數據，并從中獲得他需要的各種各樣的信息。

    今天，越來越多的企業已經把業務搬到網上了，這些業務活動都需要數據才能驅動和運作，數據質量不僅僅關乎企業組織和機構內的業務效率和效益，更關乎到客戶和合作伙伴的滿意度和配合度，而事實上，由于大量關于人財物等核心資源的數據質量不高，很多企業開展網上業務背后也還是靠人力服務（People Service）來驅動的，這樣積累下來的數據如何和企業內部信息系統的數據有效共享和融合又成為新的難題。

     數字經濟中數據被認為是推動企業增長和商業創新引擎的燃料，數據無疑被組織認定且擁有的資產之一，但是由于其海量數據的增加，復雜度隨之增加，管理和控制的難度越來越大，數據治理已提升為企業戰略優先事項。

    通常數據治理被認為是獲得高質量數據的核心控制規程，用于管理、使用、改進和保護企業數據加工過程中數據質量。許多企業通過學習、培訓和借鑒經驗，開展自身的數據管理實踐，通過尋找行業基準和通用框架建立實施方法論，IBM 數據治理成熟度模型就是其中之一被廣泛應用的標準框架, IBM數據治理能力成熟度模型針對組織級數據治理規程開展成熟度評估和管理，進而通過管理實現有效的協同一致性。

      按傳統理解，數據治理工作的推進者通常為企業的信息管理者和信息技術工作者，他們關注需要跨職能、跨流程、跨功能邊界的標準化，考慮信息生命周期中數據質量、數據安全的需求，這仿佛只是技術層面的工作。

但筆者實踐中發現，如果我們僅僅把數據治理工作看成技術活，在實際工作中就會發現很多數據治理的要求難以貫徹執行。以銀行為例，大量的數據質量問題的源頭是技術解決不了的，比如曾幾何時，很多銀行的柜員都習慣為了節約時間，潦草地錄入客戶的身份和聯系信息，這些情況不但我等銀行信息科技部門的人無能為力，行管理層對網點三令五申也收效甚微，筆者就曾親耳聲聞，某國有大行為了解決數億戶儲蓄賬戶中身份證號字段存量數據的質量問題，后期不得不耗費數十億的業務動員和獎勵費。

      IBM數據治理成熟度模型提供了一組基準和里程碑，幫助組織度量數據治理成熟度，通過成熟度級別、業務實踐和組織活動等要素，幫助組織利用成熟度模型開展整體的數據治理能力提升，確定今天我們在哪里？未來我們將去何處。

     成熟度評價不是數據治理的目的，僅僅的評價也并不能真正地解決組織各種數據問題，關鍵還是要組織轉化成一系列行之有效的行動，今天如果我們僅僅還是停留在技術的層面來理解數據治理工作毫無疑問是片面和錯誤的，在5G時代，數據的采集、加工和應用隨時隨地無所不在，我們每個人都是數據的生產者和消費者，數據包含了一切的事實，數據也包含著一切的本質，數據治理本質上就是如何讓人的思想、決策與行為所形成的數據更加符合客觀實際的要求，這毫無疑問不是一個僅僅停留在技術層面能解決的問題。

     如筆者前文所分析的，5G時代是一個讓人工智能變成自來水供應的時代，大數據是人工智能技術研發、訓練的關鍵，是人工智能長期發展的重要保障。只有當人工智能系統能夠獲取更為準確、及時、一致的高質量數據，才能提供更有效、有用、精準性高的智能化服務。數據治理是人工智能的基礎，5G時代數據治理的主要目的之一很可能是為人工智能提供高質量的大數據“燃料”，而人工智能本身就是燃燒大數據而煉金的一種商業模式，如果說人工智能是機智過人的技術活，那么數據治理更強調的是人類社會中每個組織和個人都要修煉內功，才能確保我們給人工智能所灌輸的是能造福人類社會的正確信念。

     治理數據是假的，修煉我們自己的能力才是真的，借假修真方得始終。

（本稿完成與2019年6月22日，如需轉載請注明出處）