前言：大数据、人工智能、移动互联、云计算、物联网等新一代信息技术的发展为企业数字化转型提供了技术支撑。数字化转型并不是对企业以往的信息化推倒重来，而是需要整合优化以往的企业信息化系统，在整合优化的基础上，提升管理和运营水平，运用新的技术手段提升企业新的技术能力，以支撑企业适应数字化转型变化带来的新要求。因此，该公众号将相继推出企业数字化转型的关键技术与问题一系列推文，以期为目标企业数字化转型提供借鉴性思路。
“企业数字化转型的关键技术与问题”系列推文七：
企业数字化转型的必由之路：数字治理
当前，以云计算、大数据、人工智能等新兴技术引领的新一代科技革命正在飞速开展，以此为契机数字技术正广泛应用于现代经济活动中，成为推动经济增长的重要途径，产业数字化成为数字经济发展的重要组成部分。在2020年这个“十三五”规划的收官之年与“十四五”规划的谋划之年，各行业纷纷围绕“新基建”、“数字化转型”进行全方位、战略性布局。
一、什么是数字治理？
在大数据时代，数据治理对所有拥有大量数据的公司来说都是一个巨大的挑战。没有数据，公司就缺乏数据的支持来做决定。然而，随着数据越来越多，在很多情况下也增加了数据管理的成本，这确实使数据产生了价值，但发现如何管理分散在不同地方的数据，并有效地将数据进行组织则成了一个令人头疼的问题。
如果企业不能够使用数据，那它就不是资产，而成为了成本。也正因为如此，数据治理和数据管理对企业来说变得越来越重要。
企业数据治理是一套持续改善的管理机制，通常包括组织架构、政策制度、技术工具、数据标准、作业流程、监督及考核等多个方面，涉及的IT技术主题众多，包括数据体系、管理体系、平台建设、数据管控等多个方面。
二、企业为什么要数字治理
即使一个公司有宏伟的愿景和雄心勃勃的目标，每个人也很难朝着同一个方向努力。大型而复杂的组织充满了混乱。在开始实施战略目标的时候，着眼于全局的领导者会集中精力把愿景变成现实，而不同意愿景的管理者会忽略它。一些部门行动太慢;一些部门在没有充分考虑规章、安全、组织风险的情况下，轻率行事，给企业带来风险;有些部门会把资源浪费在重复甚至相互矛盾的任务上。
数字化治理可以确保企业在正确的方向上采取行动，将所有员工的各种想法汇聚成协调一致的驱动力，带动数字化转型愿景的落地实施。
适当的数字治理不仅可以防范风险，还可以激发新的数字能力。移动电话应用程序、协作网络、互联产品和社交媒体等技术为营销、制造和用户服务带来了新的机遇。由于用户和员工的双重需求，业务周期变得越来越快。治理能力可以帮助公司更快地实现新的解决方案，处理安全问题、遵从性问题和传统的系统集成问题;帮助企业获得更完整的用户和运行条件，更有效地协作，使企业规章制度更好地运行。
例如，用户需要更好的体验，数据分析需要更完整的数据，但很多企业很难整合分散的数据资源。事实上，数据整合是建立数字化服务的最大挑战。数字大家凭借治理能力，为实施数字化建立统一的平台，使之涵盖新型用户体验、工厂自动化和先进的分析能力等。
随着公司的全球化扩张，企业越发需要跨地域、部门和专业进行有效协作。如果员工不遵守公司规章、而采取自己的方式协作时，就会激发潜在的安全、法律和整合问题。企业也可以运用治理能力制定和强化管理策略，指出哪种协作是合适的，并开发监测工具监测违规行为
调查显示，数字化水平高的公司可以更好地治理数字化活动。通过评测一系列综合指标，包括职能清晰度、战略一致性、跨部门协作、 KPI使用以及数字化转型路线图等，结果显示，数字大家的得分比其他企业高出51％，彰显出对采取何种转型措施、如何成功实施这些举措有着更清晰的认知。
三、数据治理如何为数字化转型提供基础支撑
1、数据治理能够避免数据湖成为“数据黑洞”
数据湖是按存储原始数据格式的数据存储，旨在任何数据可以以最原始的形态储存，可是结构化或者非结构化数据，以确保数据在使用时可以不丢失任何细节。采用Hadoop大数据技术生态体系以构建大数据平台，所有的实时数据和批量数据，都汇总到数据湖当中，然后从湖中取相关数据用于机器学习或者数据分析。大规模捕获各种新旧类型的多源异构原始数据，并按需进行数据转换，形成多样化应用。
然而，数据湖的完美理念却面临着诸多问题，企业的业务是实时在变化的，这代表着沉积在数据湖中的数据定义、数据格式实时都在发生的转变，企业的大型数据湖对企业数据治理（Data Governance）提升了更高的要求。大部分使用数据湖的企业在数据真的需要使用的时候，往往因为数据湖中的数据质量太差而无法最终使用，数据无法访问、难以检索，成为只进不出的 “数据黑洞”。
为避免数据湖沦为“数据黑洞”，须实现数据目录、标准、质量、安全、共享的统一管理，开展相关的数据治理活动：
首先，基于元数据信息，为数据湖构建企业级数据资源目录，对入湖数据进行编目分类、建立索引，以便迅速查找、定位、获取所需数据资源；其次，进行数据血缘分析和影响分析，构建数据全维关系图谱，对数据流向从源头到目的地之间追踪信息的可视化表示，实现对数据资源流转的清晰掌握和数据流通全流程的监控；基于数据资源目录，划分数据安全等级和共享类型，以此为基础进行用户角色的访问控制、身份验证、授权，数据脱敏规则设计以及静态和动态数据加密，以提高数据湖的安全与隐私性。
2、数据治理是人工智能的基石
数据治理与人工智能
在人工智能时代，数据不再是程序代码的附属物。数据从本质上已经成为构建算法的源代码和生成算法结果的核心驱动。基于大量的数据，通过“自适应和自学习”算法“训练”它。因此，数据质量的好坏决定了算法的优劣及其鲁棒性;此外，在进行人工智能工作时，数据共享和数据安全也是需要考虑的因素。数据治理在人工智能工作中可以发挥以下关键作用:
①保证制度流程：
在人工智能发展的过程中,联合数据治理组织制定和发布系统,程序和规范,配合人工智能技术的发展,明确各部门和项目团队(人工智能项目团队,数据治理项目,数据平台项目团队)和业务系统项目团队,等等)的职责分工;
②保障数据安全：
在人工智能工作的发展过程中，需要采取一系列的数据安全保护措施，如私人数据的符合性确认和检查、敏感数据的脱敏、安全访问控制、防泄漏措施等。为AI应用结果的数据安全性和合规性奠定基础;
③资源协调：
通过数据治理团队协助协调数据资源、数据治理团队清楚地理解数据资源的存储位置,集中式的管理部门,并能促进企业内部数据资源的共享,并协助人工智能团队迅速获得所需的基本数据资源;
④高质量数据输入：
数据治理团队根据AI团队的数据质量需求和业务规则，对输入的数据资源进行数据质量检查，根据需要出具数据质量评估报告，给出数据质量健康度评分，发现数据质量问题，快速制定数据质量改进方案。
四、经邦企业级数据治理整体解决方案
经邦推出了企业级数据治理整体解决方案,实施“一站式”全球数据治理,覆盖所有功能区域的数据治理从数据资源目录,目录建设、标准的制定、质量改进、安全管理数据共享和应用程序协助建立数据治理体系和指导企业内的各种特殊的治理活动。
经邦企业级数据治理解决方案框架
1、数据治理专业能力建设
企业级数据治理解决方案的核心要素是数据治理专业能力，包括数据标准管理、数据质量管理、数据资源目录、数据安全管理、数据架构管理、数据共享和应用程序管理。应用知识图、微服务、元数据收集、自然语言处理、大数据等技术，智能整理企业数据资产，规范系统数据模型，支持数据标准构建，实现数据协同变更，控制细粒度敏感信息，为企业提供深层次的数据价值。
2、数据治理平台建设
经邦已形成了一套完整的方法，从数据治理咨询、需求转换,原型平台实现，并迅速转换数据治理专业功能由企业按需为平台建设的需求，并将治理数据治理过程中生成的结果进行统一和管理通过平台实现全景和视觉显示的数据资源，同时为用户提供数据质量评估、数据架构评估、数据能力评估、智能检索等多样化服务。
数据治理平台架构
3、数据治理工作机制建设
数据治理需要企业所有部门的参与，需要所有资源的协调。一是建立规范化的数据治理组织，共同推进数据治理。二是建立数据问责机制，解决“横向超越边缘，纵向无底洞”的共同突出问题。同时，高效的管理流程也是公司治理的强大动力。最后，需要建立数据运行机制，确保数据治理的有效发展。