最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

从招行组织结构调整看传统数据管理部门急需的五大转型

[复制链接]
跳转到指定楼层
楼主
发表于 2020-1-3 10:00:53 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
   
     随着企业对于数据重要性的认知越来越深刻,很多大型企业都已经有了数据管理部门,初衷是希望通过数据管理部来构建企业级的数据管理体系,组织,标准,系统,来解决数据一致性的问题,更好的利用数据,但是,近两年经过观察和与多个数据管理部负责人的沟通,我们发现不少数据管理部的工作步履蹒跚,收效不大。
    而在近期,招商银行,中国银行,广发银行这样的大型金融企业,都将数据资产部门单列,将数据资产的应用,价值的挖掘作为数据资产部门的目标。
    这两者对比来看,我们发现传统数据管理部门正在面临着巨大的挑战,急需整体的转型。




传统数据管理部的定位和职责




    传统企业的数据管理部的定位是统一管理数据标准。
    一般来讲,传统数据管理部门的主要职责如下:
  • 数据标准制定
  • 主数据管理
  • 数据统计与分析(数据仓库或者BI系统建设)
  • 数据安全管理

    传统的数据管理部们主要以数据管理员,数据工程师,ETL工程师为主,是一个主要目标是将数据质量和安全管理好,距离业务比较远,服务于应用开发部门二级支撑部门。




数字化时代数据管理部的挑战




    目前企业数字化转型已经进入智能化时代,企业都希望借助数据来驱动和赋能传统业务,而这样一来对传统的数据管理部门的要求就提高了很多,定位发生了本质的变化。而这对于数据管理部门来讲,挑战是巨大的,主要体现在:
1.定位和考核的挑战

    数据从企业经营管理的副产品变成了企业和核心战略资产,所有的业务都会从流程驱动转向数据驱动。
    企业对于数据管理部门的要求,从管理数据本身变成了挖掘,创造,管理和运营数据服务,为业务提供数据价值。

    这样一来,数据管理部门的定位和考核指标就发生了本质的变化,主要体现在:
  • 服务对象的变化
    传统的数据管理部门,服务的对象是数据开发部门。而数据资产管理和开发部门,服务的对象是企业的业务部门和业务价值的开发部门。前者的输出产品是数据,而后者的输出产品的本质是服务于业务的数据价值。
  • 部门定位的变化
    传统的数据管理部门的定位是管理,是从上至下的企业数据管理,是总部机关职能。而现在的数据资产的定位是服务于业务价值的,是为业务服务的部门。
  • 绩效度量的变化
    传统的数据管理部门的绩效是是否制定出了统一的数据标准,是否规范了数据利用的过程和,是从企业管理视角来度量价值。而新的数据资产的开发和利用部门的度量则是是否为业务产生了价值,是否利用数据资产产生了新的增值。
2.数据质量的挑战

    过去信息化时代,企业的研发,生产和经营相对是稳定的,所以,企业的组织结构,产品组合,用户信息等结构相对变化不大,所以数据质量问题,更多的是不同源,重复生产加工,数据孤岛带来的问题,所以希望通过数据管理部门的统筹管理,通过以上而下控制的手段来制定标准,来强行解决一致性的问题。
    但是,到了数字化时代,我们发现,市场变化快带来了对于业务的高速响应的要求,而业务高速响应的体现很多时候是产品不断创新,前端作战团队的组织形式不断变化,从而拉动了对于中后端的高速变化,但是这些变化的速度是不一致的。
    比如,今天市场团队创建了一种新的市场活动模板,并且立刻线下推广,而软件系统里这个活动还没有创建出来,这样一来,数据就不一致了,出现了线上线下两套数据。但是,在短期内,这样的现状是很难改变的。
    因为业务的发展和创新带来的就是系统里数据的多样性和延迟性。
所以,我们要正视数据与业务的不一致性带来的数据质量问题是客观存在的
     
3.外部数据的挑战

    同时,传统企业管理的数据大部分都是自己的软件产生的,而数字化时代,企业管理和利用的数据很大部分是外部产生的,源头不在企业内部。比如供应链上下游的交易数据,采集的用户社交媒体数据,外部市场数据,外部公开数据等,这种情况下,这些数据的格式,规格和数量是动态的,这些数据对于企业来讲的价值越来越高,这种情况下企业根本无法控制和管理这些数据的质量。
4.业务能力的挑战

    传统数据管理部门是不需要很懂业务的,他们面对的是一堆存在数据库里的字节,他们是从数据专家的视角,从数据建模的视角,利用数据处理的工具和技能来根据需求部门对于数据的要求来加工数据,然后将数据给到需求部门。传统的数据管理部门只需要对数据本身负责,不需要对于数据加工后的产品和价值负责。

    企业对于数据资产开发和运营部门的期待是挖掘出业务价值,为业务产生直接的贡献。这就需要数据管理部门必须具备一定的业务能力,比如要识别出数据资产的业务价值密度,要能够与业务部门沟通的能力,距离业务更近一些。
5.技术能力的挑战

    传统的数据管理部门主要的技术能力是在数据仓库,ETL领域,但是随着前端业务的高速响应的要求,传统厚重的,套装软件,工具类的数据技术已经不能满足和支撑这样多元化,实时性的需求。
   
    主要体现在以下横向和纵向两个维度:
    横向,对技术的需求从局部的数据处理到端到端的数据价值的探索,挖掘和运营。
    纵向,从传统数仓,数据存储,处理为主,到云计算,数据服务构建,微服务,DevOps的纵向拉通。
所以,数据资产部门的技术需要现代化的变革(Data Modernization)。




新时代的数据管理部门的使命和愿景




    从近两年,一些创新型企业陆续成立数据资产部门,基于他们对于数据资产部门的期待,我们可以总结一下新时代的数据管理部门的使命和愿景:
构建和利用企业数据资产,挖掘产生业务价值
   
数据管理部需要的五个转型

    在以上的五大挑战背景下,结合新时代的数据管理部门的使命和愿景,传统的数据管理部门亟需完成以下的五个转型:
转型一、从数据到价值

    首先是使命和愿景的转型,从交付数据到交付价值的转型。
数据部门要将自己的输出成果,从输出一个数据集,数据平台,到输出对业务有价值的数据产品和服务。从关注数据向前延展到关注价值。
这个转型是最本质的变化,数据管理部从机构的划分,岗位职责的设定,绩效考核,协作流程等方面要全方位,体系化围绕这个本质进行调整。
转型二、从控制到运营

    其次,是数据管理部门的心态的转型,从总部偏控制的角色转型到运营数据资产,产生业务价值的角色,通俗一点,一个是坐机关的,一个是做业务的。
转型三、从管理到赋能

    第三点,数据管理部门在组织里的职责从以管理为核心,变成多元化的职责,其中很重要的一个点,就是赋能。
将数据和智能的能力赋予到企业的所有业务部门,从而让企业的业务人员能够理解数据的价值,掌握数据和智能能够给业务带来的场景从而能够让他们在解决问题和业务创新的时候,有新的武器和工具。
转型四、从支撑到创新

    第四点,原来的数据管理部门更多的是第二线的支撑部门,距离业务创新较远。而在新的愿景和使命下,数据资产部门要承载数据创新的探索,挖掘的职责。

    在一定程度上,要从支撑型被动响应转型为牵引型的主动创新。
转型五、从后台到中台

    第五点,数据管理部门要从企业的后台数据部门转型为企业的数据中台部门,成为探索,挖掘,生产数据服务,运营数据服务产生价值的企业中台部门,从而直接服务于客户或者是业务体系。




总结




    数据管理部门转型最重要的挑战是一个心态的变化,从支撑部门,没有直接的业务指标压力转型到直接面向业务,服务客户价值,承担业务指标的变化。

    这是一个必然的趋势,但是也是一个很有挑战的转型,比如,如何实现对数据系统从T+N到T+0的业务系统实施需求响应?
参考文献:
https://zhuanlan.zhihu.com/p/79528201
https://new.qq.com/omn/FIN20191/FIN2019122402787400.html
http://news.sina.com.cn/o/2019-11-05/doc-iicezuev7373416.shtml
作者:凯哥
来源:凯哥讲故事系列

楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-2 11:01

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表