作為一個深深扎根于技術領域的人，我一直與我的技術專業同行產生共鳴，然而，數據領域有一個被忽視的方面：非技術領域專家的潛在貢獻經常被低估，在數據供應鏈中沒有得到充分利用。

這個問題的核心是圍繞著“人物角色”的概念。IT和工程部門歷來是數據基礎設施的骨干，在其體系結構和維護中發揮著舉足輕重的作用。

這使人們相信，數據治理和主數據管理領域最好留給那些能夠對解決方案進行“編碼”的人，然而，這種觀點忽略了自動化和技術修復范圍之外的微妙挑戰。

數據治理的現狀

年復一年，公司追逐最新的技術創新，但他們進一步偏離了解決需要領域專家的洞察力和專業知識的系統性數據管理問題。

這些領域專家經常因為缺乏技術專業知識而被排擠在一邊，他們擁有關于數據本身的寶貴知識。在自助服務時代，他們的角色傳統上僅限于數據“消費者”。

然而，我們正在過渡到這樣一個時期，在這個時期，這些專家將成為全公司數據的“生產者”，這一角色與他們之前的貢獻有很大不同。雖然領域專家一直通過ERP和CRM等系統參與運營層面的數據生產，但他們對公司總體數據敘述的影響微乎其微。

考慮許多公司中的一個常見場景：跨多個系統管理客戶數據。客戶數據的碎片化需要集成點，各種數據流在此匯聚，以實現報告、RPA、AI和開票等目的。

雖然數據倉庫和數據湖在這一過程中發揮了作用，但它們主要以IT和工程為中心，忽視了領域專家的關鍵輸入，這些專家可以識別相互沖突的數據記錄，并對數據的準確性和完整性做出明智的決定，影響下游和上游系統。

增強領域專家的能力

隨著數據行業傾向于去中心化，在數據治理、主數據和數據質量方面缺乏健壯的框架變得非常明顯。

許多公司普遍存在的問題不是數據量太大或缺乏技術選擇，而是錯誤地假設他們的數據天生就適合洞察、AI應用和民主化，這種誤解掩蓋了真正的挑戰：需要一種整合領域專業人員專業知識的全面數據管理方法。

實用AI應用的出現標志著數據治理歷史上的一個分水嶺時刻，這項技術不僅是自動化的工具，它還充當技術領域和商業領域之間的橋梁，它提供了一個平臺，業務專家可以在其中對數據策略和決策流程做出有意義的貢獻。

由于具備必要的技能，技術團隊最初承擔了數據治理的重任，然而，這種格局正在經歷一場變革性的變化，我們正站在一個令人興奮的時代的邊緣，在這個時代，數據治理將在技術和領域專家共同參與的協作方法的推動下獲得動力。

公司可以促進IT和業務單位之間的協作，并通過實施幾個關鍵戰略來增強和支持數據管理和數據治理方面的領域專家。

樹立統一愿景：一致始于對目標的共同理解，IT和業務團隊都應該參與制定數據管理和治理的目標，這種協作流程可確保數據策略同時支持技術和業務需求。

創建跨職能團隊：由IT、業務部門和數據治理部門的成員組成的團隊可以促進特定數據項目的協作和工作，確保從技術和業務角度考慮數據管理和治理的所有方面。

確定責任：明確地表明，領域專家的目標是成為實際終端數據產品的所有者，IT將在交付和基礎設施中發揮重要作用，但領域專家負責改進和豐富數據本身。

結論

展望2024年及以后，對數據治理的重視對每個數據領導者、實踐者和組織領導者來說都將變得越來越重要。數據治理中尚未開發的潛力是巨大的，有望釋放出顯著的ROI，并釋放出AI的全部能力。

數據治理不僅僅是一項IT倡議，而且是一項戰略性的業務努力，是實現數據民主化和推動創新的關鍵。

數據管理和治理的未來是一個包容性的未來，技術專家和領域專家的洞察力和專業知識都同樣受到重視和整合。通過采用這種協作方法，公司不僅可以解決當前的數據挑戰，還可以為未來AI和數據民主化的進步鋪平道路。

將數據治理從純粹的技術學科重新定義為一個協作的、跨職能的領域，不僅是必要的，而且是在數據領域釋放效率、創新和價值創造的新水平的機會。