很多企业做到一定阶段之后，都会得出类似的判断：最初做数字化，目的其实很朴素，就是让业务流程能够顺畅、高效地运转起来，关注的焦点并不在数据本身。然而，随着信息系统的不断建设、数字化进程的持续深入，特别是当企业开始迈向智能化、真正想要挖掘出数据背后的深层价值时，数据这条主线便悄然浮现，并且越来越不可回避。数据部门的演进过程，恰恰是这条主线浮出水面的最佳佐证。
1.0 时代：从无到有，为报表而生
在早期，绝大多数企业的IT团队里，并没有独立的数据部门。系统的建设一个接一个地推进，忽然有一天我们发现，需要一个专门的数据部门了。于是，数据平台开始搭建——不管叫大数据平台，还是湖仓一体，核心目的都是一样的：让散落在各个业务系统中的数据，有个统一的“家”。
在此之前，各种报表几乎都是直接在业务系统上开发，既影响性能，又零散难管。慢慢地，报表、驾驶舱、管理大屏……都迁移到了数仓和数据平台之上。那个时期，数据团队的核心职责就是建平台、出报表，帮助业务部门“看见”数据。这是数据部门的第一个阶段，姑且称之为1.0。
2.0 时代：报表永远少一张，自助分析走上前台
可是没过多久，一个普遍的痛点就暴露了出来——报表的需求永远无法被真正满足。业务部门总觉得“少一张报表”，而且往往是“马上要用的那一张”。无论数据团队多拼，似乎永远追不上业务对数据呈现的渴求。
于是，BI被推到了前台。企业开始把数据做成大宽表、沉淀为一个个指标，建设BI平台，让业务人员自己通过拖拉拽的方式，灵活、自助地去实现各种报表和看板。这可以看作数据部门的2.0阶段。
2.0在本质上依然是1.0的延续：目标仍然是数据产生以后，如何更快地把数据用起来，只是“用”的方式从被动响应变成了敏捷自助。就像华为所提倡的“三个一”数据服务理念那样，更讲究效率、更讲究自助。然而，这种变化并没有触及问题的根本。
3.0 时代：当报表不再是瓶颈，数据的“准”与“通”成为关键
当企业沿着这条路继续往前走，真正开始挖掘数据价值的时候，一个更深层的矛盾浮出水面：数据不准、数据不通、数据不及时。这些问题其实一直都存在，只是在报表本身成为瓶颈的时候，它们被遮掩了。当报表的供给不再是主要矛盾，大家自然会对数据的准确性、完整性、及时性提出极高的要求。
那么，为什么系统里的数据会不准、不对、不通？概括起来无非三类原因：
第一类是系统bug。无论是业务系统、数据平台还是报表工具的bug，都可能造成数据失真。但随着系统不断成熟和完备，这类问题的比重会越来越低，并且修起来相对迅速。
第二类是业务流程设计本身不完备。在设计业务的时候，那些表证单书就没有把该包含的属性完整地设计清楚。比如，企业希望以产品的维度把全链路数据串起来，但客户诉求的信息里可能只记录了某个故障件、某个卡件或零部件，根本没有追溯到完整的产品。又比如做关联交易时，不同业务板块的信息无法进行成本穿透，根源就在于流程设计之初就缺少了某些关键的“数据锚点”。
第三类则更为常见，也更具挑战——制度有了，流程定了，但执行不到位。CRM系统里的商机，销售有没有及时维护联系人信息和拜访记录？SRM里的交付信息、供应链里的库存账实、关单操作有没有被及时跟进？一旦执行打了折扣，系统跑出来的数据自然就变成了“垃圾进，垃圾出”。
这也就不难理解，为什么到了这个阶段，数据部门必须经历一次彻底的蜕变：不能再只站在系统的下游，被动地去承接报表和看板的需求，而必须向上游进发。通过数据管理的动作，主动识别出系统在数据层面暴露的种种问题，也就是数据质量的问题，然后反向推动数据架构、数据组织等一系列数据治理的工作。
数据部门的职责，也由此从一个“数据开发部门”或“技术部门”，转变为真正意义上的“数据管理部门”。它要协同业务部门，一起去解决业务流程和系统执行中的根因，推动业务流程的变革，打通数据集成与贯通的断点。从这个角度来看，数据部门手里握着的，已经不只是数据和报表，更是一面能够照见业务本质的镜子。

数字化转型真正的主线，就是数据。而数据这条路上的所有跋涉，都是为了能够让数据，真正成为企业流淌的血液，而不是角落里的灰尘。

转载自公众号-林间散步