数据及数据能力对于一家企业意味着什么？

管理学大师拉姆·查兰认为：数智化时代，企业要想持续发展，必须能够察觉内外部的变化，建立内部流动性以不断适应变化；必须关注每一个客户，依赖团队来打造动态核心竞争力——这一切都需要利用数据与算法的力量。

诚然如斯。随着数字经济的高速发展，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》明确数据成为新的生产要素，业界已然形成共识：即数据会重塑企业的运营、管理、决策乃至创新等方方面面，数据及数据能力将决定着一家企业未来的天花板。

但从数据到形成数据资产、数据能力绝非易事。可以说，没有良好的数据治理体系保驾护航，大数据、人工智能等技术很难在业务中产生实际价值，更别提充分挖掘数据的价值。

在众多企业中，联想集团无疑是企业数字化转型的突出代表：面对上千个业务系统和海量数据，联想结合业务特点和需求，制定为期三年的公司级数据战略，围绕统一大数据平台的建设，逐渐打造出五大关键能力：新业务模式、客户中心、合作伙伴卓越管理、智能运营和智能平台能力，为广大中国企业的数据治理和数据能力打造探索出一条可行之路。

数据资产是治理出来的

数据治理是形成数据资产和释放数据价值的基础。

IDC《中国数据治理市场份额》报告显示，2021年中国数据治理市场规模突破50亿元，预计未来几年里市场规模将保持高速增长。这也表明，随着数字经济的发展和数字化转型的深入，数据治理需求已从传统的政务、金融全面延伸到制造、交通、能源等多个行业。

以联想为例，在经历四十年发展之后，联想已经成长为在180多个市场开展业务的全球化公司，拥有1000多个业务系统和PB级海量数据，对于数据治理的需求极为迫切。“数据资产是治理出来的。”联想集团全球IT副总裁方雨如是说。

事实的确如此。联想的IT发展历程和数据治理情况很可能会是其他企业未来所需要面临的。例如，数据爆炸性增长、数据来源与数据类型比以往更加丰富、混合云的基础设施环境等，都会让数据治理的复杂性大幅提升。当前，联想每年的数据量增长高达30%，业务数据增长迅速。PB级数据规模要想变成一笔丰富的数据资产与财富，其前提就是做好数据治理。

另外，当一家企业的业务达到一定规模，以及数字化转型进展到更高阶段时，数据战略必然会上升到公司级战略高度，在组织、流程等方面对于数据治理体系提出了更高要求。毕竟，今天的数据治理已经很难依靠几个产品或者工具来实现，必须从管理层开始就对数据战略有着长远的愿景与规划，并且为数据治理过程所需的人才、组织、预算提供充足保障，以支撑未来的数字化转型和各种业务用数需求。

更加重要的趋势是，未来企业的数据消费群体、决策习惯和数据协作方式会出现巨大变化。以联想为例，如今基层员工在日常业务中，一些数据智能的产品/工具月活量达到上万，数据消费群体规模不断扩大，业务基于数据的决策需求极为丰富。

因此，衡量一家企业数据治理成功的关键在于三点：一、有没有公司级的数据治理战略；二、该数据治理战略是否能够在组织架构、流程上得到保障；三、数据治理能否与业务进行紧密和有效的结合。

事实上，自2018年正式实施三年数据发展战略规划以来，联想在数据治理取得了一系列成功，不仅率先实践了DCMM（Data Management Capability Maturity Model，数据管理能力成熟度模型）国家标准贯标和获得DCMM量化级（第四级）贯标认证，还成功入选“2022年度数据管理百项优秀案例”。

而DCMM国标有两方面的重要价值：一是具有指导意义，企业可以对照标准寻找到不足并改进；二是国家在数据方面形成标准，可以有效界定一些企业在数据管理和数据治理方面的成熟度情况。例如，通过DCMM国标，联想可以了解到合作伙伴的数据管理成熟度情况，这也有益于联想自身的数据合规和数据安全。

联想数据中台：让业务有数

联想数据治理的成功要得益于其公司级数据战略，而其公司级数据战略的核心则是联想数据中台。

过去几年里，联想通过数据中台作为统一大数据平台的建设，并结合业界最佳实践和混合云能力，构建起湖仓融合且面向全球的数据平台。

据介绍，联想的统一大数据平台在底层采用了业界先进技术方案，主要具备三大特点：

采用私有云+公有云的技术方案，确保技术的先进性。例如，在私有云环境中部署数据湖，方便AI、机器学习等进行大量的数据训练；利用公有云先进的数据仓库框架、技术和产品，实现业务数据的数据整合与治理；

通过数据中台构建起完善的数据治理体系，实现跨部门的公司统一数据标准，推动公司数据资产体系的形成，为业务端用数提供合规、安全、便捷和高效的服务；

联想统一大数据平台拥有长远的愿景规划，能够支撑联想未来的数字化转型。

“在平台设计之初，我们就是从数据主权的角度来考虑。如今，我们一个报表即能支持全球业务，不同地区员工根据当地法律、法规看到数据都是合规的。”方雨表示道，“2023年，联想还会聚焦数据消费和运维方面，进一步提升平台的赋能能力、完善数据合规并降低运维成本，让业务部门能够把数据用起来并且用得更好。”

事实上，数据中台概念已经诞生多年，基于One Data方法论来建立统一的组织、平台，进行集中化管理数据和提供数据服务。但近两年来，数据中台也受到较大争议，过去提倡中台理念的互联网公司纷纷提出拆中台，更是让众多行业用户倍感困惑。

究其原因，所谓的拆中台并不是简单回到原点，更像是一种螺旋式上升的建设方式。大中台具有很强的管控属性，改进需求的增多，必然会导致响应较慢。随着共享技术、数据达到一致之后，互联网公司一些部门会分别拥有自己的中台，兼顾业务灵活性和标准化。

而非互联网企业的数据中台建设犹如“长坡厚雪”，路径长、红利厚，绝非短时间一蹴而就，对联想而言，必须建设好数据中台以解决了数据统一、数据治理等系列问题；只有当数据治理与数据规范达到高度共识之后，出于业务灵活性的需求，才会进入到‘拆中台’的阶段。

03内生外化：联想大数据的实践与赋能之路

毫无疑问，联想对于数据中台的深刻认知和稳步建设的理念，值得其他传统行业用户学习。

众所周知，非互联网企业往往属于传统行业，业务特点也不像互联网公司那样无序膨胀，大多数企业都经历了漫长的信息化时代建设，有着较多的历史系统和数据积累，数据中台的建设更像是数据资产化稳步演进的过程，很难采用互联网公司的建设模式和思路。

因此，像联想这样的非互联网企业，无论是发展历史、市场覆盖还是业务体量、应用方式，其在大数据平台上的规划思路、技术路径以及业务实践，更具备参考价值与借鉴意义。联想SSG集团在近几年所提倡的“内生外化”，其核心正是将那些在联想内部得到过充分验证、实践和沉淀过的技术、产品、方案，对外进行赋能。

以联想大数据平台为例，除了承载联想各条业务线的用数需求之外，在不断提升自身数字化韧性的同时，也将实践经验带给客户，帮助客户少走弯路，更快速地进行数字化创新。这才是真正的治理数据资产，并将之变成一个行业的财富。