睿治

智能数据治理平台

睿治作为国内功能最全的数据治理产品之一,入选IDC企业数据治理实施部署指南。同时,在IDC发布的《中国数据治理市场份额,2022》报告中,蝉联数据治理解决方案市场份额第一。

华为的数据管理之道,我们可能学不会!

时间:2022-01-17来源:女汉子输不起浏览数:311

      最近读了《华为数据之道》的书和相关文章,也跟相关人士做了交流,我的结论是直接而明确的:学不会,但有一定的借鉴意义。

      1、《华为数据之道》有其独特的背景

      很多互联网大厂实际上是靠数据活着的公司,可以认为是数字化原生企业,其数据战略的形成也是演化的结果,因为你不去做,或者做不好就无法活下去,但大多数公司,包括华为,都不是数字原生企业,这些企业的一般有如下特征:(1)数据主要为内部运营服务(2)业务形态TOB、TOC多形态共存,研采供销长业务链条(3)数据权力组织缺失或无力,部门墙林立(4)IT系统林立,存量数据清理困难,数据与IT建设脱节(5)数据结构复杂,共享困难,数据质量保障难除了华为,非数字原生企业很少会去做什么真正的数据战略,大鱼曾经写过《数据管理的格局》一文,提到没有CDO就没有数据的未来,其实就在提企业的数据战略格局。大多企业在数据层面都是近视眼,“不见兔子不撒鹰”是普遍的现象,有些企业开始重视数据,也是源于对外变现通路的开拓,而不是自己的格局高了。综上所述,可以直接向华为公司学习的企业至少要有以下三个特征:(1)非数字原生中大型企业(2)对内管理效能提升为主(3)具有真正的数据战略如果你拥有(1)(2),但缺乏(3),《华为数据管理之道》可借鉴的东西也许并不是很多。

      2、华为构建数据管理体系的驱动力

      数据管理体系的构建肯定要来自于业务驱动,华为的业务驱动来自于哪里呢?这个可以从华为数字化转型的目标一探端倪:对内,各业务领域数字化、服务化,打通跨领域的信息断点,达到领先于行业的运营效率。逐步构建以“面向客户做生意”和“基于市场创新”两个业务流为核心的“端到端”数字化管理驱动,管理方式从定性走向定量,实现数据驱动的高效运作。对外,对准5类用户的ROADS体验,实现与客户做生意更简单、更高效、更安全、提升客户满意度。华为首先从用户体验的视角表达了对行业的最新判断,并将其总结为ROADS,即实时(Real-time)、按需(On-demand)、全在线(ALL-online)、服务自助(DIY)和社交化(Social)。曾经听到华为说过的一个案例:2020年5月15日,美国商务部发布禁令,任何企业将含有美国技术的半导体产品卖给华为,必须先取得美国政府的出口许可,听到这个禁令,华为的欧洲客户马上提出:要看到每个合同的执行情况,一周以后提供给客户,如果没有供应链的数字化,这种要求其实是很难快速满足的。华为数据治理体系框架是服务于这个目标的,如下图所示,即基于主业务流的信息价值链纵横打通,从而提升一线业务的处理效率,包括战略到执行、业务交易到核算、产品创意到生命周期管理及存量管理到问题解决。

      但提升一线运营效率说易行难,比如物料编码统一这件事,没有顶层的持续、一贯的支持,是不可能靠一线自发去解决的,因此光有战略不行,一定要有一套保障体系,下面我们来看看华为是如何将顶层设计和落地执行衔接到位的。

      3、华为数据管理体系的组织保障

      (1)华为数据管理组织设计

      《华为数据之道》这本书提到了华为数据管理组织的设计,华为数据管理组织体系由两层构成:企业级的公司数据管理部,以及各个功能部门下的领域数据管理部。公司数据管理部挂在公司质量与流程IT管理部门之下,公司数据管理部虚线向公司数据Owner汇报。

      公司数据管理部承载的使命是公司数据工作的推动者,数据体系的建设者,数据专家资源中心,公司领导重视数据工作,因此平时露个脸还是可以的,但要拓展势力范围还是很有难度的,如果要向业务延申,领域数据管理部也许还能管管业务部门的KPI,但公司数据管理部则没有这个机会,另一方面就是向IT延申,但数据和IT的鸿沟还是很大的,双方互相看不起是常态。华为公司数据管理部的壮大是有一点偶然性的,这里有两个关键事件:2014年,公司高层领导对数据质量改进的效果并不满意。一次高层会上,轮值CEO指出,公司财经部门是数据质量不高的直接”受害者“,上游所有的”脏水“都将最终流到财经环节,那就由集团CFO作为公司数据总Owner。CFO作为公司数据总Owner,其影响力是多方面的,通过体系化的建设与落地,让更多的人卷入到数据工作来,包括业务部门和IT部门的人员。例如,在业务流程、IT系统的建设中,数据交付件变成必选项。2017年,部门提出大力推动公司数据底座建设,并且最终成立了数据资产管理项目。围绕数据共享、数据服务的目的,以数据底座平台为载体,经过一系列变革措施,全方位提升公司内部数据共享能力。在高层决策会上,如今荣升为董事长的Dr. L全力支持,“要人给人,要钱给钱”。由上可知,既然华为公司的数据管理部发到到今天也这么坎坷和偶然,更别提一般的公司了。可以做个假设,假如2014年公司财经部门可得数据质量勉强还能接受,假如2017年没有董事长的Dr. L的全力支持,也许就不会有今天华为的数据管理部,那些数据战略和目标也就是美丽的泡沫而已,更别提拥有一套独特的数据治理体系。但有一点是可以肯定的,没有顶层的强力支持,任何企业级的数据治理体系都不可能有大的发展,龟缩成为某业务部门的数据管理部也许是唯一的生存之道。

      (2)公司数据Owner和领域数据Owner

       DAMA很早就提出业务部门设立数据专员的建议,华为很好的继承了这种理念并且有了自己的实践,即每一个数据,必须由对应的业务部门承担管理职责,且必须有唯一的数据Owner。公司数据Owner就是CFO,其职责如下所示:第一条:制定数据管理体系的愿景和路标第二条:传播数据管理理念,营造数据文化氛围第三条:建设和优化数据管理体系,包括组织与任命、授权与问责等第四条:批准公司数据管理的政策和法规第五条:裁决跨领域的数据集管理争议,解决跨领域的重大数据及管理问题领域数据Owner就是各业务部门的老大,其职责如下所示:第一条:负责数据管理体系建设。第二条:负责信息架构建设。第三条:负责数据质量管理。第四条:负责数据底座和数据服务建设。第五条:负责数据争议裁决。这种数据Owner的设置保证了离原生数据最近的组织(领域数据部门)来进行数据管理体系的建设,其具有极大的灵活性,但这个似乎跟数据集中化管理的理念背道而驰,更让人难以理解的是,领域数据部门还要负责数据底座的建设,这就意味着华为公司并没有物理意义上统一的、集中的数据湖。各个领域数据部门的数据底座如何相互贯通,跨域数据整合的问题如何有效解决,是这种组织架构带来的严重挑战。问题的答案在于华为公司有一套较为巧妙的组织、机制、流程的设计。

      (3)华为数据管理部的职责和权利

      华为公司数据管理部的职责如下:代表公司制定数据管理相关的政策、流程、方法和支撑系统,制定公司数据管理的战略规划和年度计划并监控落实,建立并维护企业信息架构,监控数据质量,披露重大数据问题,建立专业任职资格管理体系,提升企业数据管理能力,推动企业数据文化的建设和传播。《华为数据之道》一书中,提到“华为虚实结合的数据组织设置,是确保数据工作充分卷入业务,同时能够在应用系统中有效落地的关键。”所谓的虚实结合,其中之一是指,功能领域数据管理部归对应的业务部门实线管理;归公司数据管理部虚线管理。实线的含义包括部门主管及其所负责组织的绩效评价,工资奖金评定等等。那虚线管理的约束力何在?第一是公司数据管理部可以对领域数据管理部的主管绩效行使否决权。第二是员工专业能力的评定权,这是员工在公司内升职加薪的必要条件。其中还提到了一个案例,某领域数据部的一个员工参与任职答辩,其主管特别力荐该员工,在部门所作的突出贡献,还获得总裁嘉奖令。但在答辩过程中了解到,一方面所获得的嘉奖令与数据工作没有直接关系,另一方面该员工欠缺必要的数据专业知识。即使该主管一再坚持,最终还是被否决了。可以看到,华为公司数据管理部既有进行统一数据治理的责任,也有对虚线管理的业务部门数据部进行实际考核的权利,各个业务部门老大作为数据Owner,需要向公司数据Owner(CFO)进行述职,也许正是这些手段确保了华为公司数据管理部能逐步达成公司设置的数据战略目标。一般的企业很难实施华为这种虚线管理的模式,一方面组织很难细化到数据部的粒度,一般会对应到IT部门或业务部门,另一方面行使否决权容易被挑战,业务部门会说:“KPI都完成了,数据管理作为一种手段不应该有这么大的权重,能否给一些自主权?”虽然华为的数据管理组织设计是华为公司多年数据管理经验的结晶,但可能离一般的企业还是比较远的。我就有个疑问:“为什么非数据出生的华为公司的高层对数据能有这么高瞻远瞩的设计?华为财务数据的质量问题是否是亚马逊扇动翅膀的蝴蝶?华为数据管理体系的构建是否一种偶然?”其他跟华为类似的公司是否能效仿其路径,从而获得同样的成功,这些都是值得深度探讨的问题,当然华为的数据管理体系是否算是成功还需要时间的考验。这让我想到了现在很多公司设置的信息安全部,也许信息安全的一票否决制让老板下定了决心,而公司的数据管理组织则没有这么幸运,一般的级别不高,往往放在二级甚至三级部门下面,甚至根本没有,这跟华为公司的格局还是有差距。

      4、华为数据管理体系落地的精妙之处

      (1)华为“联结共享”的数据湖做到了集中和放权的平衡

      华为数据底座采取“统筹推动、以用促建、急用先行”的建设策略,根据公司数字化运营的需要,由公司数据管理部统一规划,各领域分别建设,以满足本领域和跨领域的数据需求,其中,数据owner是各领域数据底层建设的第一责任人。这句话的内涵是这样,大家细品:第一,数据湖在物理上不是统一集中建设的,而是由各业务部门自己立项建设的,这带来了极高的灵活性。这让我想起10年前的各个组织自建的数据集市,但华为业务部门建设的数据湖跟数据集市还有点不同,就是数据集市的数据好歹来源于统一的数据仓库,而华为的物理数据湖的数据直接来源于业务系统,这是数据分析系统最原始的架构形态。第二,虽然华为数据湖是分散建设的,但其是在公司数据管理部统一规划下的分散建设,而统一规划到底做到了什么程度是关键。第三,分散建设的数据湖要满足跨领域的数据需求,即数据应该被充分共享,这里涉及到一系列问题,包括跨越的模型和数据需求谁做,跨域的数据问题谁来解决等等。华为为数据入湖制定了六个标准,包括明确数据Owner、发布数据标准、认证数据源、定义数据密级、数据质量评估及元数据注册,这也是其进行数据数据治理的一个基础,比如数据地图等等。当然华为能采取这种逻辑集中的轻量级数据湖解决方案也是有前提的,即跨域的交叉关联分析有限,以域内自身数据的横纵打通为主,这种不求政治正确的务实的数据整合解决方案的确是比较高效的。但很多企业各个业务域的数据有千丝万缕的关系,只有物理集中才能解决跨域的数据搬迁、处理和分析带来的效率低下问题。

       (2)华为变革管理体系确保数据治理的高效推进

      业务部门一般还是比较短视的,其没有驱动力去解决一些数据打通、数据质量的问题,比如一线前端录入不规范导致的脏数据问题如果没有解决,也许公司很难基于这个数据来进行科学的分析和决策,虽然长远来讲这种数据问题会积重难返,最终严重影响业务效率的提升,但只要成本在当前可接受范围之内,业务部门还是会沿袭以前的做法。因此,数据变革的发动机肯定不在一线业务部门,需要依赖公司的顶层设计。华为公司给出了自己的解决方案,即依托变革管理体系,来进行流程、数据与应用系统建设,在华为的数据治理实践中,数据相关的重大决议由企业变革指导委员会决策,通过变革管理体系和流程运营体系实现落地,如图所示。

      我曾经咨询过华为相关专家,业务部门完成了收入等指标是否就OK了,他说不是的,其负责的变革项目占有很高的权重,也许这种变革项目短期不产生效益,但长远来讲是一种必须具备的能力,这对于公司的未来很重要。你很难想像一个业务部门的老大会跟公司老大单独汇报自己部门数据变革的情况,试问哪个企业会重视数据到如此程度,嘴上说说毫无意义,或者是形式主义而已。

      (3)华为很好解决了各层级数据组织间的博弈

      我们经常听到一个词叫作“最佳实践”,另一个词叫作“一点建设,全公司推广”。作为公司的数据管理部,当然希望各个领域数据部能给出“最佳实践”,然后由其负责“一点建设,全公司推广”,你会发现公司的数据管理部天然有集约的诉求,其希望充分借鉴各领域数据部的经验,然后自己来打造一个全公司通用的“最佳实践”,这是其最大的业绩。这里有三个悖论:第一,各领域数据管理部没有足够的驱动力为全公司做贡献,容易导致形式主义,因为责权利的问题没解决。第二、公司数据管理部没有条件或能力打造全公司的最佳实践,因为所谓的各领域的最佳实践实际是受限于特定领域背景的。第三,领域数据管理部和公司数据管理部存在利益博弈,公司数据管理部希望全公司标准的东西集中来做,但也许定义不清哪些是标准的东西,领域数据管理部怕所谓标准的东西一旦形成,自己就被剥夺了灵活建设的权利,从而影响到实际业务的开展。华为公司似乎很好的解决了这个问题,除了顶层设计和规范管理,公司的数据管理部不大参与具体数据底座的建设和运营,其数据治理体系框架的设计确保了各领域都需要建设数据管理体系,都要用数据说话,以支撑企业数字化目标的实现,但这个数据管理体系又是受控的,比如数据对于所有人必须可见,数据跨域争议可以进行升级仲裁等等。华为的这种做法格局挺大,有点“不与民争利”的意思,我放手让你干,你的业绩也是我的,你做的好我还要代表公司表扬你,缺点一是规范管理的“度”的把握要求很高,一步小心就让领域数据变成了各自为战的数据沼泽,自己则被完全被过顶传球,比如完全不清楚信息架构,二是认为百花齐放的增量价值大于集中化的节省价值,资源的重复投入跟带来的灵活性相比可以忽略不计。应该来讲,华为能走轻量级的企业级数据治理体系跟其业务特点、数据特点及企业文化息息相关,但它的确是这种背景下企业做好数据治理的典范,其很多数据管理原则也具有一般性,可以为大多数企业所借鉴。但正如前面所述,华为的实践还不足以证明其是一种通用的、普适的数据治理最佳实践,如果照搬去做,对于大多数公司,应该是走不通的。至于面向业务的信息架构建设,数据湖的具体设计、自助消费的数据服务建设、清洁数据的质量综合管理、安全合规的数据可控共享等内容,我想你可以参考的资料会很多。

(部分内容来源网络,如有侵权请联系删除)
立即申请数据分析/数据治理产品免费试用 我要试用
customer

在线咨询