作為近年來的熱門詞，“數字化”或“數字化轉型”，對大家應該算是耳熟能詳了，而以之為標題或主題的文章或演講，也充斥于相關媒體或行業論壇。有意思的是，即使是相關的文章可算是汗牛充棟，可還是經常有朋友問筆者這么一個問題——什么是數字化？什么是數字化轉型？

關于什么是數字化？什么是數字化轉型？不同的人，或是以不同的角度，會有不同的解答。本文中，筆者就嘗試從數據管理的角度來談數字化及數字化轉型的具體內涵。

在筆者看來，從數據管理的角度看，數字化就是以數據管理為主要內容，以數據驅動為運行機制的組織實踐；而數字化轉型則是指以“業務數據化，數據資產化，資產價值化”為路徑，以數據定義組織、數據驅動運營為邏輯的變革范式。

大體上，相比較傳統形式的信息化和業務流程重組，以數據管理為主要內容的數字化和以數據定義組織為變革范式的數字化轉型，需要進一步做好這么幾項工作：1）明確數據價值定位，2）強化數據質量意識，3）完善數據管理體系，4）健全數據治理機制。

明確數據價值定位

在傳統的組織實踐和信息化建設中，IT只是作為一種提高工作效率的工具，而工具是可替代的；在數字化建設和數字化轉型中，IT則將重塑組織的生產力、生產關系和生產方式，其典型特征之一是，數據將作為組織的戰略性資產，它將幫助組織準確和深入地了解市場、客戶和產品，幫助組織快速實現產品創新和商業模式創新，幫助組織快速和系統地提升其運營效率。

如今，作為無形資產的形式之一，企業商譽已經可以記錄進企業的資產負債表中。未來，企業所掌握的數據，也將成為無形資產的一部分，將得以記錄進企業的資產負債表。實際上，很多互聯網企業的公允價值或股票估值，很大程度上就考慮了其所掌握的數據資產的價值。最近，新勢力造車重新成為社會的熱點，很多本來已經瀕臨倒閉的新勢力造車企業，重新成為各地政府或風險投資的寵兒，而其背后的邏輯，應該是出于“軟件定義汽車”的產業思考。

從二元對立統一的視角看，我們所生存的世界，可以大概分為這么兩部分：物理世界和數字世界。在傳統的產業邏輯中，以廠房、設備、工藝、機械、電子等為代表的物理世界，始終是處于主導地位，而以軟件和數據為代表的數字世界，則處于從屬地位，比如傳統汽車中的嵌入式軟件。在以特斯拉、蔚來等為代表的造車新勢力眼中，未來將是“軟件定義汽車”，軟件和數據將處于產業的主導地位，而這些正是她們所擅長而傳統汽車企業所欠缺的。

如果“軟件定義汽車”的產業邏輯是正確的，蘋果、小米們踏足汽車行業，與通用、長城們進行正面對決，也不是沒有戰而勝之的可能。從上述角度來看，明確數據價值定位，就是要求我們從數據定義組織的角度，從未來發展趨勢的角度，認真地審視數據對組織發展的戰略意義，認識到數據和數據管理在組織發展中的主導地位，認識到數據在產業發展和變革中的顛覆性作用。

強化數據質量意識

軟件定義汽車，數據定義組織，這些話說起來輕松，要做到、做好可不容易，其根本原因就在于，作為一種不可觸摸、隱形的存在，軟件和數據的質量管理比傳統意義上的機械或電氣元件的質量管理要更難做。高質量的數據是必須的，而壞的或錯誤的數據，就像癌癥，將拖累，甚至扼殺一個組織。

大家知道，如今的大數據有5個特點：海量（Volume）、快速（Velocity）、多變（Variety）、低可信度（Veracity）和低價值密度（Value），而要確保大數據的數據質量，以便從其中挖掘價值，顯然不是一件容易的事。R.MAHANTI1就認為，評價數據的質量可以有29個維度，包括：客觀性（Objectivity）、簡明性（Conciseness）、易操作性（Ease of manipulation）、可靠性（Reliability）、可解釋性（Interpretability）、可追溯性（Traceability）、波動性（Volatility）、及時性（Timeliness）、冗余性（Redundancy）、顆粒度（Granularity）、精確性（Precision）、一致性（Consistency）、相關性（Relevance）、誠實性（Integrity）、完整性（Completeness）、唯一性（Uniqueness）、有效性（Validity）、可獲得性（Accessibility）、安全性（Security），等等。

為了做好數據的質量管理，我們需要借助5W1H模型，準確和完整地理解數據的特點和質量特性：- 誰（Who），提供數據的傳感器、設施、機器、人員，智能互聯產品，等等；- 什么（What），將要計量或評估的數據類型；- 何時（When），數據產生或被收集的時間；- 何地（Where），數據收集或計量的位置和背景；- 原因（Why），數據產生或被計量的原因；- 怎樣（How），得到數據或提供數據的過程，即，通過哪些步驟來清洗、轉變、生產或格式化數據；在一個互聯、智能、自動的時代，為了充分發揮數據的價值及其在組織中的主導地位，做好數據質量的管理是最基礎的要求，如何強調其重要性都不過分。

完善數據管理體系

數據價值的發揮和數據質量的確保，主要還是通過體系化的數據管理工作來實現。國際數據管理協會（簡稱DAMA）是這么定義數據管理的：“計劃、策略、項目、實踐的開發、執行和監督，以控制、保護、交付和增強數據或信息資產的價值。”在上述定義指導下，DAMA還開發了相應的數據管理功能框架：

圖2：DAMA數據管理功能框架2

DAMA數據管理功能框架，以數據治理為指導，以數據保護（隱私、安全和風險管理）、元數據管理、數據質量數據管理等基礎性活動做支撐，以數據的全生命周期為紐帶，從計劃和設計（架構、建模和設計），使能和維護（大數據存儲、數據倉庫、數據存儲和運營、主數據管理、參考數據管理、數據集成和互操作、），以及使能和維護（數據科學、數據可視化、數據貨幣化、業務智能、文檔和內容管理、預測性分析）等角度，闡述了數據管理的內容和要求。筆者甚至認為，組織的數字化診斷和規劃，主要工作內容就是數據管理體系的診斷、規劃和完善。另外，數據管理體系和能力的建設是一個循序漸進的過程，讀者可以參考數據管理能力成熟度模型來推進相關工作。

健全數據治理機制

數據治理的目的是確保數據管理要求的一致性，并做好數據管理各功能模塊之間的平衡。數據治理的核心內涵在對齊（Alignment）：1）業務和技術就數據管理的目標、內容和要求進行對齊，2）戰略層、管理層和操作層就數據管理的目標、內容和要求進行對齊，其基本要素就是過程（包括作業活動、輸入、輸出）、人員（組織、角色和職責）和技術（軟件、工具、模板等）。

圖3：數據治理框架3

數據治理是從組織全局和長遠發展的角度引入監督、控制和協調機制，以確保數據管理工作緊緊圍繞組織的目標和戰略要求來展開，并對數據管理的成效進行實時監控。根據R.MAHANTI的定義，數據治理包括六個要素：參與規則、數據策略、過程、人員、角色和責任、技術，等等。其中，數據治理的過程又可分為計劃、組織、運營、實施和監控。可供參考的管理體系包括：ISO 11179（元數據管理）、ISO 8000、ISO 25012（數據質量管理）和ISO 27001（數據安全）。

綜上所述，從數據的角度看，數字化轉型的本質是數據定義組織，數據驅動運營的組織變革，其落腳點是數據管理，這要求組織必須進一步明確數據價值定位，強化數據質量意識，完善數據管理體系，健全數據治理機制。

原文標題：數據管理與數字化轉型

文章出處：【微信公眾號：工業IoT】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq