企業數據管理團隊最大的一個挑戰就是跨部門數據的整合，因為部門墻到處都是。

對于大多數企業，需要先破后立，通過大數據平臺項目的形式進行跨部門的數據采集和整合。因為在項目階段，公司領導一般比較關注，而規劃等部門也會強勢介入，因此跨部門的一些工作往往能有效推進。

這個時候，數據團隊則要順勢而為，重兵投入，別人以前也許可以不配合，但這次由于項目的因素不得不配合，不抓住機會更待何時？

而筆者看到很多企業的大數據平臺側重的卻是平臺和工具的建立，大家都喜歡看得到的東西，各種技術方案的選型和論證啥的，但卻忘了大數據平臺的核心根本不是平臺和技術，而是數據的整合。

?

因此，也許A和B企業都完成了大數據平臺項目的建設，但獲得的結果可能是不一樣的。

A通過這次機會新增了企業30-40%的數據，而B也許只是把原來的數據通過新平臺重新搗鼓了一遍，造成的后果是業務部門沒有感知。領導有時就會疑惑：難道錢都打了水漂?

數據團隊在感嘆部門墻林立的時候，就要想一想，在機會出現的時候，自己有沒有竭盡全力？有沒有帶來信息的增量？

?

當然，大數據平臺項目只是做到了先破后立，但它不是終極救世主。

項目結束后，如果企業始終未建立起跨部門的數據匯通的組織、機制和流程，一旦公司風向、人員及系統發生大的變動，以往通過項目建立起來的那點數據資產就經不起折騰了，具體表現在下面四個方面：

1、采集完整性問題

各業務條線數據資產的新增、變動情況封閉在各部門內部，導致企業級數據資產的盤點不全面，更新不及時，開放不充分。

2、跨域數據融合問題

企業數據管理團隊處于業務的下游，往往對于業務知識的掌握不夠全面，很難從企業級的視角發現數據融合融通帶來的業務價值，雖然數據1+1>2的道理大家都知道，但真要數據團隊給出一些數據融合帶來更高業務價值的案例，還是有很大的挑戰。

3、數據質量問題

數據匯通過程中往往存在源端供數質量差、不及時、保障缺失等問題。

這也很容易理解，對于你來說很重要的數據對于源端數據提供者來說可能一文不值，因為對整個企業長遠來講很有價值的數據對于某個部門短期來說不一定有價值，畢竟屁股決定腦袋，因此處理的優先級可能非常低。

4、應用拓展問題

究其根本，還是因為企業級的數據團隊往往缺乏企業級的應用視野。

以上四個問題，本質上是大數據匯通工作缺乏企業級機制的保障。

（此處已添加小程序，請到今日頭條客戶端查看）

雖然數據團隊也許通過項目化的方式已經事實上承擔起企業級數據資產匯通的工作，但如果企業各個部門對于這個事情缺乏共識，以上問題是很難徹底解決的。

有人會講，強扭的瓜不甜啊，你即使強制建立相關的機制流程，人家不配合照樣不配合，做的慢一點你也沒辦法。

這在大數據運營的初期有道理，但一旦進入規模化階段，靠人情世故來推動大數據匯通的改善就很難了，因為客戶不會買賬。

這里給點建議吧。

數據管理能力成熟度模型（DCMM）是針對一個組織數據管理、應用能力的評估框架如下圖所示：

?

其中受管理級和穩健級都明確提到企業建立標準化數據管理流程的必要性，這個跟筆者的認知相符，其實最難的是落實到實操層面。

現在很多企業認識到了IT的重要性，比如成立了企業級的IT架構委員會，這是非常大的進步。

企業級IT組織的建立對于企業級數據匯通機制的建立至關重要，因為在大多傳統企業，很難像互聯網公司那樣設立CDO崗位直通管理層，畢竟基因不同。

但光有一個企業級組織的名頭也是不夠的，必須設立具體的崗位、角色和職責。DAMA里面就明確提到了跨部門數據專業工作組（數據治理的跨職能團隊）這類組織中數據專員角色的重要性。

筆者非常認可。只有設立各個部門的數據代表及數據專員，才能解決前面提到的一系列問題，比如業務知識不理解問題。

?

總之一句話，要徹底打破企業的數據部門墻，一方面依賴企業對于IT和數據的認知和重視程度，能夠給予組織、機制和資源上的保障，另一方面則需要數據團隊積極作為，給出合理的策略，否則就沒什么希望了。

總結

以上是生活随笔為你收集整理的大数据平台不是救世主！做好数字化转型，得先解决这一问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。