首页 > 御数大家谈
【御数·原创】两级体系下数据治理实践要点思考
发布时间:2018-03-28 17:59:55

 

背景:纵然热度空前,仍需冷眼观潮

 

近日,银监会发布了《银行业金融机构数据治理指引(征求意见稿)》,旨在引导银行业金融机构加强数据治理,提高数据质量,充分发挥数据价值,提升经营管理水平,全面向高质量发展转变。银监会针对此指引召开专门的新闻发布会,对指引出台的背景、意义以及要点内容与各界沟通,首次以高规格和公开化的形式倡导和推动本工作。

图片-御数大家谈-20180328-01.jpg

 

近期,工信部发布了《数据管理能力成熟度评估模型》国家标准,并推动在行业、区域开展试点建设,旨在提升各方的数据管理能力、引导大数据产业健康发展。

图片-御数大家谈-20180328-02.jpg

再早些,2018开年之际,电网公司也出台了数据治理相关规划和指导意见,为各省公司明确相关工作任务,旨在提升数据管理能力、促进数据共享利用、提升数据资产价值。与银监会指引不同,两家电网公司对于工作内容、工作目标、时间节点有更为明确和严格的管理要求,均为各省公司今年重点工作。


一场轰轰烈烈的数据治理运动已经自上而下的从行业主管机构或集团总部有力发起,正在数十家、数百家下属单位进行研读、理解、讨论和规划,预期在数月内、数年间见诸行动。一时间,数据治理这项工作也得到了史上从未有过的高度关注,身为数据治理从业者,自己的专业领域得到业界重视和快速发展,实为幸事!

图片-御数大家谈-20180328-03.jpg

然而,数据治理在国内并非新鲜事物:始于数据仓库大兴土木之时,在金融、通信等行业早已有不下十年之实践——甲方单位可谓投入不小但见效有限;乙方单位规模较小、资源分散、技术创新止步不前;从业者职业发展并非一帆风顺飞黄腾达、能坚持于此领域十年以上者,甲方和乙方都是聊聊无几。在看似又一次波澜壮阔之际,我们特别需要一些冷静思考,探索数据治理的可行之路、见效之路、可持续发展之路,让数据治理避免成为近来科技热潮中的又一个现象级热词:热火朝天之后、偃旗息鼓、门可罗雀。

图片-御数大家谈-20180328-04.jpg

就本文定位而言,并非仅仅解读一下各方规划指引,而是对于在国内特有的总部-下属单位的两级体系下,应该如何有效开展数据治理工作?这一实践层面的问题做了些许梳理和思考,希望能与各方共同探讨、共同推进数据治理的真正落地见效。


之所以从两级体系这个特定的视角展开讨论,一方面是因为最近多行业的数据治理规划指引均是上层发起的顶层设计,自上而下推动执行,上层的考虑有许多共性之处值得总结和分析;另一方面则是因为,下属单位可能的和应有的想法与做法,顶层考虑未必详尽且在在规划指引中并无阐述。但是,从落地见效的角度,下属单位是至关重要的环节,需深入分析和选择其可行路径,否则顶层规划指引与基层具体实践在大概率上无法形成完整闭环——数据治理将始于口号、成于发文、兴于运动、终于汇报、消于浮云...

图片-御数大家谈-20180328-05.jpg

 

 

分析:四个方面两级体系,透视成功要素

 

以下,从数据治理是什么、为什么、怎么办、好不好四个方面来讨论顶层与基层两级各自的长处与不足,并探讨为保障数据治理工作实践见效,顶层与基层应有的定位和职责

图片-御数大家谈-20180328-06.jpg

一、数据治理是什么——方法框架认知共识度高,解决方案同质化严重

正如前文所述,数据治理在国际和国内并非新生事物,国际上相关协会已有30年历史,国内实践也已10年以上,对于数据治理理论与方法框架,业界已有诸多共识。一般而言,组织、制度、流程、技术,是数据治理的关键保障,数据标准、数据质量、元数据、数据模型、主数据、数据安全等是数据治理的专业组成部分,从近期各机构出台的数据治理规划指引之中能看到,经过多年探索实践,甲方单位对数据治理领域知识与方法认知已基本成熟且高度趋同。

图片-御数大家谈-20180328-07.jpg

 

就乙方而言,御数坊及业界同行对数据治理的内涵已有许多介绍、讨论和文章,在此不再赘述。从各方服务内容来看,梳理数据资产目录,制定企业数据模型,梳理数据标准,开展数据质量检查和报告,进行数据安全分类分级,是数据治理项目的标配;从软件方案来看,对以上服务内容提供相应的软件支撑功能,同质化已经非常严重,即便有新进入本领域软件和服务提供商,也鲜有差异化亮点。相关软件实用化的过程,多在具体项目中与客户深度打磨形成,有多大的产品化程度和可复用性,还需要时间验证。以上这部分内容,从数据治理在国内发展的大脉络来看,本就无需赘述了,因为行业发展大体上已经过了认知阶段,市面上市面上不缺顶层设计、不缺解决方案,而事关落地见效的关键问题不在于此!

 

当然,在理论方面,目前尚有一些模糊地带有待进一步明确,这其中包括数据资产的定义、判别原则,包括数据治理的广义与侠义之分,包括治理是否包含数据利用及价值创造,包括所谓的数据资产运营的内涵究竟如何...理论可以不断发展完善,但实践需求时不我待,在此阶段,理论探索并非数据治理整体工作推进的关键点。

 

对于甲方机构而言,数据治理是什么这个问题形成本企业内各方共识、两级一致的统一理解,是后续有效开展相关工作的重要基础条件。在上述知识高度共识和方案严重同质化的大背景下,甲方企业的总部和下属单位两级组织又应当如何各自定位,才能实现低成本高效率建立起本企业的数据治理统一框架并形成统一认识?在此提出如下两点思考和建议:

  • 理论研究与总体设计:由总部统筹,部分领先下属单位专家参与,汇集业界专家和观点,建立总部的数据治理常态智库,在百家争鸣中逐渐提炼成为本企业体系。智库多方组成,避免一家之言;总体设计总部统筹,减少下属单位自行研究和刻意创新造成的重复投入,也最大程度能够统一总部与下属单位、各下属单位之间的工作语言和方法,促进整体工作推进效率;

  • 基层宣贯和导入:由总部组织,各下属单位统一参与。宣贯和导入的作用之一是提升数据治理意识、强化其重要性,作用之二则是确保前期框架规划设计思想和要点得到下属单位的充分理解。

 

然而,在近期实践中,我们看到多家甲方机构总部完成了理论研究和总体设计,制定了行业或企业级的管理办法,但在宣贯和导入的工作方式上,则值得商榷。一些单位将数据治理教材编制、培训宣贯等工作,下放到下属单位分散进行,这当然有助于基层创新并降低总部的管理成本,但是,下属单位理解总部设计,需要相当长的过程。如此操作,培训宣贯只能起到提升意识的作用,对于形成统一方法框架这一点则基本起不到作用,还会造成各下属单位对领域知识理解不一致及重复投资。

 

在具体推进过程中,还会涉及到总部IT部门、数据部门主导、业务部门如何参与的问题,下属省级单位、地市级基层单位由于日常工作的局限导致对顶层设计理念认知偏差、兴趣不高的问题,总部对下属单位信息化管控模式造成下属单位的能力范围受限的问题...这一干问题,都不是只靠一纸管理办法和一张规划蓝图就能覆盖和解决的,却又直接影响着数据治理的落地效果,需要总部和下属单位积极换位思考、形成两级互动的解决方案,而不是简单诉诸于行政命令


二、数据治理为什么——宏观目的清晰却难有共鸣,微观目标尚缺乏深入挖掘 


在上述顶层设计和宣贯导入的过程中,一定都会涉及到数据治理的愿景、目标、意义的问题,即:数据治理为什么?但是,在多年的数据治理实践过程中,数据治理为什么这个问题似乎并没有得到应有的深入关注,而且这个现象并非只在数据治理领域存在,在以前的VR、大数据,当前的AI,区块链多个领域,我们似乎很少去仔细思考,究竟为什么去引入一项新技术、一套新观点、一种新方法,这些所谓的,究竟对于当前的又怎样的正负影响,假设能够正常引入,究竟哪些相关方会因此受益、哪些相关方会因此受害、各方利弊关系如何、投入产出是否可以接受?也因此,我们周边充斥着投入产出严重不匹配的技术、没有商业模式的技术、甚至没有价值观和社会责任的技术!


回到数据治理,无论甲方还是乙方,都有一种急于求成的心态,在草草了解了为什么开展数据治理工作之后,就迫不及待的去探讨是什么、怎么办的问题,也很少去事前考虑和事后评价好不好,从而造成数据治理工作见效不明显、各方失去信心、草草收尾。因此,我们有必要将为什么从其他几个问题中拆解出来并加以更详细的探讨和思考。


一般而言,甲方机构管理办法的头部,会以高屋建瓴的方式谈及数据治理的目的,从而强调数据治理工作的重要性、必要性,我们姑且将其称之为宏观的WHY”,这部分内容或多或少、其内容大致包括:

  • 国际理论和实践发展如何,强调符合业界动态和最新趋势;

  • 国家、行业相关战略、制度、纲领如何,强调符合国内发展要求;

  • 本机构信息化及数据工作历史、现状和问题如何,强调解决存量问题的必要性;

  • 本机构信息化及数据发展方向和价值预期如何,强调符合本机构发展需求;

图片-御数大家谈-20180328-08.jpg

根据我们的经验,对于这部分宏观的WHY,下属单位一方面对其有高山仰止的敬畏,另一方面却多缺乏代入感,多有无从下手的迷茫。例如,规划指引文件的表述多为:消除数据孤岛、解决数据质量问题,提升数据准确性、一致性、及时性,促进数据开放共享...... 笔者自己写过和看过无数类似的规划和制度文件,这样的描述味如嚼蜡毫无生命力,如何让基层单位一线同事身临其境、产生共鸣、积极参与?在接受国外数据治理培训的时候,专家很强调思考这样一个问题,对于与你沟通数据治理的人来说,TA其实时刻在关注“What's In It for ME,即:做这件事对于TA来说,究竟意味着什么?要付出什么,能得到什么?

 

相比于宏观的WHY,下属单位及基层同事更加务实、更加关注数据治理对其个人和本职工作的具体意义,我们将其称之为微观的WHY,而这部分内容缺失甲方机构顶层设计和乙方服务方案中语焉不详的。而实际上,就像艺术源于生活,这些微观的WHY源于每一个数据产生者、信息化建设者、数据使用者的日常工作。诚然,在此我们也无法穷举这些具体的日常工作场景,但并不妨碍我们以源于日常工作这样一个原则去识别数据治理的微观落脚点,例如:

  • 哪些数据问题,直接影响了哪些业务基层岗位的业务操作无法办理?或者办理效率很低?

  • 哪些数据问题,直接影响了哪些岗位、哪些部门的业务流程协同运转?

  • 哪些数据问题,直接影响了哪些部门、哪些高管的哪些管理决策?

  • 哪些基础数据,会支撑哪些可能的数据应用?而这些大数据应用又为哪些业务、哪些人员带来什么作用?是开源?节流?还是合规?

图片-御数大家谈-20180328-09.jpg

能列举的还有很多,而对这些问题有深刻体会、能够给出答案的人员,更大比例上分布于下属单位、分布于业务一线,而较少分布在总部、分布在IT团队或数据团队。那么实践推进中的问题就来了:对于从事顶层设计的总部而言,如何能得到这些微观的WHY对此我们也做一些分析:

  • 总部优势在于方法:如第一点所述,总部对于数据治理是什么这个问题,比下属单位具有绝对优势,经过智库支撑和充分研究设计,总部对数据治理方法的理解大大领先于下属单位;

图片-御数大家谈-20180328-10.jpg

  • 基层优势在于场景:而对于具体的业务场景、信息化场景,下属单位则有充分优势,最能了解具体数据问题的切肤之痛和具体数据需求的核心价值,最能结合自身业务开展描述数据场景、提出治理需求。

图片-御数大家谈-20180328-11.jpg

  • 总部牵头、深入基层、局部探索:由于各自优势不同,真正要找到数据治理令人信服的微观的WHY,给基层人员看得见摸得着的方法、案例和价值,在宣贯导入之后,可能并不适合以下属单位为主体、所有下属单位齐头并进开展工作,而由总部牵头、组团专家,深入到某些下属单位基层一线,去实地理解场景、收集问题、收集需求,应该是宣贯导入之后较为合理的工作步骤。经过局部探索、实践验证、亲手打样,得到的数据治理实践场景、实际价值、可行方法,才真正有说服力,才能给基层人员和高层领导以信心和决心!

但是,我们的甲方机构总部可能受限于各种要素,普遍缺乏这样的耐心,我们更多看到的是全行业普遍推动、多企业齐头并进、各领域广泛开展...百团大战、四面出击这种打法,对于下属单位已经熟知、需要依靠简政放权来刺激创新的工作,也许适合,但对于下属单位还普遍存在陌生感、距离感的数据治理工作来说,未免有些步子太大了,特别是,总部要求往往还带着明确的时间点和交付物要求,下属单位在情急之下,难免疲于应付。

图片-御数大家谈-20180328-12.jpg

三、数据治理怎么办——目标范围任务优先级,好的SOW是成功的一半


当提出数据治理怎么办这个问题的时候,发起数据治理工作的甲方机构,应该自认为已经过了是什么、为什么的阶段,自认为懂了数据治理并且势在必行了,开始探讨究竟应该如何付诸行动,开展哪些数据治理项目、有什么具体工作目标、安排哪些工作任务、取得哪些工作成果、时间计划和资源投入是什么?这是甲方最熟悉的工作节奏,预研、立项、招标、项目管理、验收...一切都那么游刃有余。

 

殊不知,数据治理怎么办的问题,深受是什么和为什么两者影响,如果对前两者的理解和思考不深入,项目定义大概率上不符合本企业的数据治理实际需求(因为没想清楚WHY),不符合数据治理工作的细节的操作方法和推进方法(因为没想清楚WHAT),不符合各相关方的利益诉求(还是WHY)的问题。因此本企业开展数据治理的HOW,就无法达到预期的目标。从这个意义上来说,判断数据治理合格供应商的标准,不在于评价其交付能力和产品技术能力,而在于其是否真正能够站在甲方视角和立场上,帮助甲方定义数据治理项目的能力。


对于HOW,我们进一步有两层理解,下面展开讨论。

第一层理解,理论层面的方法和参考经验

WHAT中,我们谈到,甲方对于数据治理包含哪些领域,已经有相当程度的认识,对于整个领域最终交付物长成什么样子,也能找到许多素材示例。但是,对于在某些具体领域内如何一步一步的开展具体工作,在各方充分参与、协调一致行动、合理分工减少摩擦的情况下,能够得到那些交付物,并且将交付物成果引发后续实实在在的业务改进、系统改进、数据改进行动,这对于绝大部分甲方机构来说,无论是总部还是下属单位,都缺乏足够的中观方法指导和实践参考经验。这些中观方法和实践参考经验,对于数据治理工作的落地见效也具有关键影响作用:在宏观上不缺高层重视、顶层设计,微观上不缺基层数据人员、技术工具的大背景下,中观的方法和实践参考经验的意义就显而易见了,这也是在实践中最缺失的部分。

这部分的HOW如何获得?三种方式:

  • 方法论部分,总部统筹研究、宣贯:类似于WHAT部分的顶层框架设计,由于中观方法论的内容也属于理论,由总部统一组织研究和宣贯更为合理。值得一提的是,国内原创的内容,多关注中观方法论极少,多来自于国外,例如十步法、信息工程、企业架构等等,不仅仅给出内容框架,更给出步骤化的过程框架,对于实践有很强的指导意义。

  • 实践参考经验部分,总部统筹研究、宣贯:与上述类似,充分发挥总部的外联能力以及对本企业下属单位的归集能力,借鉴其他行业企业实践经验、提炼本企业已有实践经验,并向所有下属单位导入。

  • 在实践中提炼方法,下属单位是原创主体、总部是推广主体:每个行业每个机构都有其自身特点,实践是检验真理的唯一标准,特别是对于资源充分的领先下属单位 ,完全可以在大体明确了是什么、基本定义了为什么的基础上,先行先试,在实践中摸索出适合于本行业本企业的数据治理可行方法,并通过总部向其他单位推广。

图片-御数大家谈-20180328-13.jpg

第二层理解,项目层面的目标、范围、任务、优先级,也就是SOW中所关心的内容。

具备了中观方法,我们就可以结合企业的实际需要去定义一个数据治理项目了。然而在业界实践中,一个普遍的问题在于项目目标不清晰、项目范围过大、项目任务多、工作优先级缺少精细的设计,这些因素让大量的数据治理项目满心期待开始、无可奈何结束。例如,全量梳理数据资产目录、建立十大主题数据标准、设计企业级数据模型、梳理全网元数据等等等等,每一个任务都曾经被立为一个数据治理项目,更有甚者,在为期半年的数据治理项目中,包括以上全部任务、甚至更多,为了得到这些具体成果,企业投入大量的人力物力,得到的可能是一系列具体的文档、模型,但最终有多少落实到行动之中?

 

从国外专家的观点来看,Data behave whatpeople behaveData Governanceis about governing people's behaviour! 从我们的观点看来,真正改变数据相关方行为的治理项目,才是真正有效的治理项目。而如何触发相关方的行动?如何改变相关方的行为?那么需要通过项目定义和项目方案设计,让相关方充分参与进来,项目最重要的成果不是那些最终的交付物,而是在各方参与下得到那些成果的过程,这实质上是一次有关数据的管理变革。

 

从这个逻辑来看,数据治理项目SOW的设计就非常讲究了:

  • 目标:数据治理治理项目应聚焦于微观的WHY,这直接决定了下述各个要素;项目的目标从哪里来?一方面基于宏观的WHY进行聚焦、细化,另一方面,则应该依托于企业业务战略中的业务重点工作、信息化战略中的重点工程进行推演,明确数据治理当下能够和所应达成的目标。

  • 范围:定义范围,是所有项目的重中之重,避免资源投入过度、时间进度不可控。而具体到数据治理项目范围,则应该紧紧围绕当期目标而制定,在业务、组织、系统、数据、需求、问题六个方面圈定范围,永远不要担心项目范围定义过小,能把小事情做透,实属不易!

  • 任务:目前实践中的数据治理项目,多将数据治理各职能域分割来看,以某个专项领域(如数据标准、数据质量)为主要工作任务,但是,如果我们以目标为出发点,从解决问题或满足需求的视角来看,将数据治理职能域割裂的做法,必将不能让我们达成目标。类比于下厨做饭,只洗菜、只切菜、只煮水,是不可能吃到最终美食的,为了实现最终目标,需要将资产梳理、标准、质量、元数据等工作综合起来,每个领域都需要根据目标所需恰到好处的做一点,不能多也不能少,且对彼此之间的依赖关系需要详细设计,才能达到最终秀数可餐的佳境!

  • 优先级:这里有两层含义,一方面是指目标的优先级,另一方面是任务的优先级。前者,更多由企业自身的数据现状及问题、业务和信息化建设需求决定,例如,是促进营销更关键,还是控制成本更关键,目标优先级的确定,考验的是甲方机构对自身的理解;后者,则更多与前面所说的数据治理中观方法有关,例如,数据资产目录梳理,与数据标准设计,数据管理成熟度评估,这三项任务应该先做哪个、后做哪个?为什么这样?只有深刻理解每个职能域内部的中观的操作方法,才能更合理的排布各个任务之间的优先级,因此,任务优先级的确定,考验的是甲方和合作的乙方机构对数据治理方法的专业能力。

图片-御数大家谈-20180328-14.jpg

由此我们可以看到,数据治理项目的HOW,是比WHATWHY更为精细的学问,需要融汇WHATWHY。特别是,项目立项工作通常由下属单位负责,在总部的顶层规划指引通常不会提及这些内容、在下属单位立项过程中也缺少相应的沟通指导,那么又如何能确保下属单位的数据治理项目设计得当、从而有效实施?骨感的现实是,数据治理项目定义这项工作,甲方并不会为乙方付费...这也就让乙方无法充分投入,甲方的项目从一开始也就缺失了一个关键要素的保障。这可能是短期难以改变的局面,也只能期待甲方能调整商务采购模式吧。


四、数据治理好不好——过度能力建设是误区,大家好才是真的好

终于谈到了数据治理好不好这个工作效果评价的问题。一般在数据治理工作汇报中,往往都会谈到制定发布了多少制度、梳理了多少标准、设计了多少数据模型、检查发现并改正了多少数据质量问题、开了多少次培训会及协调会、建设了多少数据治理系统功能模块、数据管理成熟度提高了多少等等,以此来体现数据治理工作的功劳与苦劳

 

当然,上面这些指标都没有问题,都是数据治理工作过程与成果体现。然而,在数据治理成果评价的第一个误区是,从评价标准上来看,普遍将数据治理能力提升视为数据治理的价值,例如上述的制定了多少制度、梳理了多少标准、建了多少平台等。信息团队、数据团队,通常会将此视为非常重要的成果,但实际上,这些都是为了解决问题和满足需求的数据治理能力,如果未见实效,业务部门和高层领导对此未必认可。毕竟,一项工作、特别是信息化工作和数据工作的实际价值,是需要结合企业的业务发展来评价的:过程中业务部门参与是否积极、是否深度,项目是否真正解决了业务部门迫切关注的问题,业务价值是否显性化,甚至业务部门在其中感受到的乐趣是否大于抵触,都直接决定了业务部门对数据治理工作的评价——大家好才是真的好,而不是信息团队与数据团队的自说自话。

 

数据治理成果评价的第二个误区可能是在许多数据治理规划指引中,一定会存在考核评价的部分,通过相对强硬的方式彰显办法制定者的权威性和管理力度。然而,数据治理对于大部分下属单位、业务人员、基层人员来说,毕竟是一份相对新鲜的事物,而且需要依托他们的深度参与才能做出些许成绩。在别人尚未理解之时,便加以严苛的考核手段,未免不合情理。因此,我们建议更多采用评价的说法,评价的是事情本身,而并非考核相关部门和个人。当数据治理真正落地执行一段时日之后,为了杜绝一些执行层面的疏漏和不足,对相关责任人加以考核手段,也许更为合适。

 

由此看来,数据治理好不好,评价标准的制定主体不仅仅应该是总部和主导部门,业务部门、下属单位也应结合自己的实际工作场景,提炼出更能显性反映业务价值的评价指标;而考核评价时机,也不适宜在下属单位尚不熟悉的情况下强硬推出,而是随工作逐渐深入开展、逐步推出为好。以上两点,都要求我们的总部数据治理主导部门,适当弱化行政长官意识、弱化专家唯我独尊的心态,更多从为业务部门和基层单位进行数据治理赋能的定位倡导而非强压。

还是那句话:大家好,才是真的好!


图片-御数大家谈-20180328-15.jpg

  

总结:合理定位,知行合一,打持久战

 

综上所述,我们从近期多份行业级数据治理规范指引开始,谈及了数据治理的是什么、为什么、怎么办、好不好四个方面,特别从总部和下属单位两级不同的优势、关注和视角出发,对双方较为合理的定位和参与方式进行了讨论,以求为各单位的数据治理实践要点提供一些冷静思考和参考建议。最后,对于数据治理实践,我们再精炼出几条建议:

  • 合理定位:数据治理对大部分企业特别是下属单位而言,是新鲜事物,如果说知识就是力量,那么在数据治理工作开始的早期阶段,下属单位则是力量较小的弱势群体;工作开展前期,应该充分发挥总部的资源优势,主导顶层设计,同时为下属公司提供支撑,只有把握好总部-下属单位的两级定位,才有可能让相关各方愿意干、学会干、干出成绩。

  • 知行合一:数据治理顶层规划设计属于的范畴,落地实践则为,总部不能过度纠结于对理论方法和外部经验是否知得充分,而是在理论框架大体清晰后,能快速推动相关各方行动开展治理工作,并以是否促进了人的行为改变为最终目标来衡量数据治理项目的成功与否。

  • 打持久战:数据治理绝非一日之功,国内数据治理成绩优秀的单位和个人,大部分都是有十年以上的经验积累,在这个领域,要耐得住寂寞、持续努力、静待花开!

图片-御数大家谈-20180328-16.jpg

最后,请允许我们在此插播一条小广告。在过去的2017年,御数坊完成了几个具有相当落地深度的数据治理项目:治理过程有业务部门和基层业务人员的直接参与;治理的成果对原有数据治理软件的需求有直接调整,对既有信息系统直接提出改造需求;治理的价值可以直接用资金来量化衡量;这些项目得到了甲方信息部门和业务部门的高度认可。经济效益再其次,更重要的是,这些案例对我们强化落地见效的数据治理理念是充分的肯定和验证:范围无需很大,声势无需很强,技术无需很新,但求每一步走的坚实,只有这样,才能让数据治理顶天又立地!愿闻其详的朋友,欢迎各种渠道联系我们。

 

作者简介

刘晨,数据治理与管理领域专家、御数坊创始人/CEO。国际数据管理协会中国分会(DAMA China)副会长,清华大数据产业联合会副秘书长,信标委大数据标准化工作组成员、ITSS数据治理标准工作组成员,国际信息和数据质量协会(IAIDQ)会员,获得企业数据管理成熟度评估专家(EDME),数据管理专业认证(CDMP),数据治理专业认证(DGP),信息质量专业认证(IQCP)等多项国际认证。拥有IT行业12年以上、数据治理与管理领域8年从业经验,长期参与通信、金融、能源等行业的大型企业数据管理项目的规划与实施,在本领域拥有扎实的理论和实践经验。

联系我们
地址:北京市海淀区双清路学研大厦B座807室
邮箱:
info@dgworkshop.com.cn
微信号:DGWorkshop_CN
关注我们
Copyright © 2016 御数坊(北京)科技咨询有限公司