原标题：释放数据生产力，如何才能做到最优解？

近年来，数据及其价值被社会各界广泛讨论，俨然成为最为热门话题之一。

事实上，关于数据价值的这一波讨论，看似偶然，其实必然。随着产业互联网的深入，以及《关于构建更加完善的要素市场化配置体制机制的意见》中首次将数据写入生产要素，传统企业逐渐意识到数据形成资产化之后所带来的巨大价值。

因此，如何释放数据生产力就成为众多企业数字化转型中的一道必答题。如今，越来越多传统企业着手构建数据资产体系，希望把数据“用起来”和“用好”。但这绝非易事，因为如今数据从生产到消费的链路愈发复杂，传统的理念和方法论亟待突破。

如何才能打破局面？为此，网易数帆带来了突破性的“数据治理与开发一体化”理念以及数据生产力模型，带来了“人人用数据，时时用数据”的最优解。

从“有数”到“用数”为何如此之难

不可否认，经过多年的“大数据”概念教育，很多行业如今都异常重视数据的采集，有些企业甚至都拥有庞大、且丰富的数据集，却无法很好地实现数据驱动日常的决策、运营和创新。

造成这种局面的核心原因主要有三个方面。

1. 首先，业务场景发生巨大改变，基于数据驱动的业务场景正在迅速兴起，彻底改变了数据的使用范式。
2. 其次，新场景带来了数据量、数据类型不断走向丰富，与数据处理、分析相关的技术也是层出不穷、应接不暇，从数据库、数据仓库，到数据中台、数据湖，甚至现在热门的湖仓一体、DataFabric，大部分企业并无掌控新技术的能力。
3. 第三，数据消费人群规模、类型今非昔比，任何员工都可能是业务中的数据重度消费者，但大部分企业目前在组织架构、数据文化等方面尚未调整到位，不足以支撑起企业“用数”和“用好数”的需求。

面对当前数据市场里越来越旺盛的需求，当前市场中却处于比较尴尬的局面。“市场不缺供应商，但却鲜有一套合理、经过验证的方法论能够帮助用户把数据资产用好。”网易数帆大数据产品线总经理余利华如是说，“很多企业通常是走一步看一步，先建设再说，缺少整体和长远的考虑。”

为此，网易数帆基于超过300+行业头部客户、10+行业覆盖的实践上，针对目前大部分企业在“数据治理”和“数据开发”等领域遇到的挑战，在今年的网易数字+大会上推出了数据生产力模型和“数据治理与开发一体化”理念，为释放数据生产力寻找到一条可行之路。

数据开发治理一体化让“用数”有解

“数据治理”目的是实现数据资产安全可控、质量高和容易消费，乃释放数据生产力的基础前提。

如果说数据如水，滋润数字经济时代万物生长；那么“数据治理”则恰如治水，释放数据生产力或造成数据泛滥均维系于此，其重要性堪比数据本身。

不过，“数据治理”拥有多年历史，并非新鲜事物。但随着千行百业数字化转型的深入，用户数据驱动和数据创新的需求亦产生重大转变，让数据治理的复杂性今非昔比，传统的数据治理理念、方法论很难适应需求的变化趋势。余利华认为：“多数情况下，企业对于数据治理并无规划，并且治理与开发脱节，容易陷入运动式治理和恶性循环。”

具体来看，很多企业在数据治理领域首先采取的是先污染后治理，开发与治理体系割裂；当遇到数据问题越来越多之后，则通过运动式治理来解决数据问题，治理效果无法有效衡量和持续反馈；并且很多企业的数据治理范围往往局限在湖内，无法对大量湖外数据进行治理；最终形成的数据资产，往往存在找不到、看不懂和信不过的尴尬情况。

“造成这种情况的核心原因在于，数据治理是旁路系统，上不能深入到应用环境，下达不到开发环节。”余利华坦言道。

为此，围绕数据治理与数据开发脱节这个难啃的硬骨头，网易数帆的数据生产力方法论提出了“数据治理开发一体化”理念，即“先设计后开发”，将数据标准定义、指标规范定义、模型设计和数据开发体系连接在一起，让数据治理流程自然融入到数据开发的全生命周期过程中，在数据开发过程中即可完成数据治理，实现研发治理一体化，从而帮助用户在数据治理方面取得长效治理。

例如，数据标准定义了数据取值范围、安全特性和类型，将数据标准与数据质量相结合，自动生成集合规则，则可以在数据测试阶段看到数据质量报告，在线上运行阶段可以收到数据治理告警；数据标准与安全中心结合，则可以得到加密、脱敏的规则，构建数据安全等级，实现数据开发治理一体化。

元数据管理也是治理能力中关键的一环，网易数帆在技术元数据之外对管理元数据、业务元数据的覆盖，使得产出的数据资产具备了可理解性。此外，网易数帆还通过大数据健康评估体系实现大数据的健康诊断，并且利用数据治理运营三板斧形成数据治理运营的改进闭环；而且还能实现湖内、湖外数据统一治理，以及统一的数据资产门户，从而帮助用户不断提升数据治理的效果。

“数据治理过去的理论和方法在当下的确存在巨大短板。网易数帆对数据治理理念进行大胆创新与实践，如今在多个行业客户中得到落地。未来，网易数帆还将打磨全链路大数据产品和技术能力，持续做好数据治理。”余利华补充道。

数据生产力模型：理论+实践的最优解

如果说数据治理是释放数据生产力的基础，那么要想彻底释放数据生产力，则必须从数据全生命周期的整体视角带来最优解。为此，网易数帆基于过去各种理论和自身长期实践，推出了数据生产力模型。

据悉，网易数帆数据生产力模型包含DataOps、DataFusion、DataProduct三大内核和数据技术、数据资产、数据应用、数据运营四要素。

具体来讲， DataOps是一种将软件工程CI/CD的方法融入数据开发的流程,基于自动化的数据测试、任务发布等技术，构建数据发布流水线,使得数据开发效率更高、交付更加频繁，交付质量更有保障；DataFusion则是面向分析的数据治理，在传统数据治理的基础上，将数据治理融入到数据开发之中，形成开发与治理一体化；DataProduct则是通过数据产品化来打通数据到决策的转化链路，实现数据到决策转化。

而从企业实践的角度，打造数据生产力离不开数据技术、数据资产、数据应用、数据运营四要素的共同作用，四要素提供了三大内核落地的路线图。网易数帆认为，沉淀数据资产是核心所在，不仅符合企业追求数据价值的初衷，更容易获得各层级各角色的感知与认同，也让实现数据开发与治理一体化的意义更加鲜明。

数据生产力模型最难能可贵之处在于，它既充分汲取了互联网公司在数据技术、数据理念和数据创新方面的可取之处，又从服务众多传统行业的过程中获取了丰富的实践经验，以此来帮助企业建立数据资产管理体系和实现数据资产化。

正如余利华所言：“数据生产力模型是网易数帆融会贯通+创新的结果。”目前，数据生产力模型已经在金融、制造、医药、物流等多个行业得到实践。

以东北证券为例，该公司选择与网易数帆合作从0到1搭建数据治理体系，希望实现数据的资产化、价值化和智能化，支撑数字化转型。结合组织架构、业务流程的梳理及网易数帆全平台产品引入，通过元数据管理、数据标准、数据安全等能力，东北证券完成了数据资产的构建。目前，东北证券已完成核心系统30000余张表的全量元数据采集，数据资产的质量提升和完善累计注册2814项，形成179个基础数据标准，累计沉淀400余项数据质量规则，并建立了覆盖数据分级分类的数据安全体系。

资产建立之后，相比此前BI需要到底层数据库获取数据的方式，此时通过数据资产拖动BI，效率、准确性和口径一致性都更加有保障。

面向未来，企业在数字化转型过程中所形成的变革能力、敏捷能力、生态能力、数字化产品与服务能力均是以数据为基础，企业建立数据资产管理体系和实现数据资产化是大势所趋。“网易数帆的生产力模型希望帮助企业充分激活数据生产要素活力，将数据与业务相结合，沉淀企业数据资产，从而实现数字化转型发展。”余利华最后表示道。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。