真正理解数据即资产需要企业数据素养，一种获取、分析和使用数据以保持安全和竞争力的组织能力。但是，当业务和 IT 一起交互时，实现高企业数据素养仍然是一项艰巨的任务。

在项目冲刺的中间，IT 经常遇到一个小问题，例如新客户只能在横向视图中查看他们的月度发票。IT 实施修复，并发送账单。但是，新客户需要支付两次费用。IT 和业务之间的沟通错过了在发送发票之前进行额外检查的需要。在整个磨难中，IT 和业务部门都竭尽全力，试图相互合作，因为公司的数据素养仍然很低。

加入我们的实时在线数据建模课程
想学习数据建模的基本构建块吗？看看这个为期三天的培训 - 2022 年 10 月 11 日至 13 日。

现在注册
Danny Sandwell，产品营销经理欧文，在过去的几十年里，这种围绕数据的误解反复上演。作为业务和 IT 之间的接口，Sandwell 参加了许多公司会议，包括在 Hallmark Cards，IT 促进了数据建模与业务的会议。Sandwell 说：“企业参加了这些技术数据会议，有时又踢又叫。”

在最近对 DATAVERSITY® 的采访中，Sandwell 讨论了企业数据素养中存在的差距、可以实施以解决这些漏洞的解决方案，以及如何获得具有共享 IT 和业务理解的数据素养，以及更高的数据素养每个人。

缺乏连贯的企业数据素养
Sandwell 认为，数据素养问题源于专业信息需求和缺乏共享上下文。他说：

“数据素养影响到所有组织层级。每个人都出于不同的原因使用数据，包括高级管理人员和首席数据官 (CDO)。CDO 往往来自业务方面并采取这种观点。然而，他或她在使技术基础设施准备好服务和交付方面可能有一个陡峭的学习曲线。”

在技​​术方面，工人有良好的数据库存；然而，他们有更少的

了解数据内容对业务的意义。同时，具备更多数据素养的数据科学家和业务分析师可以更快地将业务和技术信息整合在一起，并进行更直接的数据查询和操作。

因此，在整个企业中，每个人都有不同的数据素养观点，并且彼此之间有不同的目的。

再加上跨部门和企业的各种数据成熟度级别。一些人询问“手头的数据、在哪里访问、如何使用以及由谁使用”。其他人已经弄清楚了这些基础知识，并且对如何做有不同的疑问元数据管理并创建一个数据目录的所有数据集。由于每个人在不同的时间都有不同的数据需求，因此很难达到统一的企业数据素养。

自助服务数据和数据模型
为了达到更高水平的数据素养，许多公司尝试自助数据和数据模型。两者都承诺帮助公司获得数据。

自助服务提供业务独立性，无需与 IT 人员进行大量操作和交互即可进行数据分析。为实现这一目标，公司购买或创建具有不依赖于高水平技术知识的数据接口的自助数据工具。Sandwell 认为，即使使用较少的技术接口，企业也会从自助服务中受益，具体取决于数据素养水平。

“公司希望人们在数据方面更加聪明，以便有效和适当地使用它。例如，员工需要了解“客户”的含义、客户周围的市场环境以及如何在这种环境中开展业务。这意味着让商人成为更有效的合作伙伴，以获取他们所需的资源。”

然而，让企业具备数据素养是一个挑战，“当公司重视数据管理的深厚技术知识时”。例如，了解元数据管理可以在编码中获得非常详细的信息。企业创建和使用商业词汇（在所有企业职能部门共享内部词汇表）以弥合数据素养与 IT 之间的差距。

业务词汇表推动了自助服务，尤其是在连接到 IT 处理的技术资产时。然后企业就有了“从上到下的数据视图，这是第一步”，Sandwell 说。但术语表不一定与提供“有关企业数据的端到端知识”的物理模型相关联。业务需要与 IT 一起使用“单板玻璃”来智能地谈论具有相同素养水平的数据。

IT 试图通过数据建模来提供这种“单一窗格”，记录软件和业务设计。它尽可能自动化和简化业务流程。但在与企业交谈和教授企业数据素养时，IT 会倾向于技术。结果，数据素养的裂痕加深了。  

自动化消除了企业数据素养的繁重工作；但是，它最终会“在报告或处理数据时过时”。在开发、测试和部署代码期间，业务需求发生了变化。它提供了不正确的数据，然后企业不信任它显示的数据。

思维导图：具有多层次粒度的及时快照
业务和 IT 需要一个概念快照来显示有关数据资产的所有内容，并且在日常业务运营中保持最新状态。同时，每个部门都需要根据具体任务的需求，对数据进行下钻或过滤。

Sandwell 认为结合自助服务和数据建模的思维导图可以满足这两种需求。他说：

“因此，非技术人员可以输入‘客户’之类的术语。思维导图从业务词汇表开始，然后向客户展示相关资产：业务策略和规则、数据共享协议、技术细节、治理和其他业务资产。根据公司对信息进行分类和关联的能力，客户的所有事物都显示在一个窗格中以进行业务自助服务。同时，IT 可以从该视图向下挖掘以获取构建业务概念所需的物理资产。业务和 IT 实时交叉授粉，提高了数据素养。”


图片来源：erwin.com
由于业务和 IT 从一开始就掌握了他们的数据并提高了他们的数据素养，因此误解会更早地消除。根据桑德威尔的说法：

“业务、IT 和其他人发现需求，提出一个结构，并在概念阶段通过一些用例测试该结构。他们在这一点上发现了问题，在构建数据系统之前，节省了成本。聪明的业务人员和技术人员可以轻松了解彼此的观点。”

引擎盖下的思维导图自动化
Sandwell 解释了思维导图自动化如何在幕后使企业数据资产保持最新，并使每个人都具备数据素养。自动算法连接和查询数据库，此时收集数据。他说：

“假设我想找到数据沿袭——数据的来源、移动、特征和质量。当你说，“在这一刻给我看看今天的传承”，那么系统就会出去并收集那些信息，只要你愿意。这种元数据检索随着业务活动的发生而发生。检索到的元数据适合您配置的思维导图结构。”

思维导图引擎认为，业务数据资产在保持最新状态方面可能比技术数据资产带来更多挑战。Sandwell 解释说，该系统会进入技术数据所在的位置，读取、获取并刷新思维导图。但是，每个人都有一套不同的业务规则、策略和操作。因此，erwin 使配置和创建自定义业务资产变得简单易行，每次刷新时都会自动更新。点亮只读视图很容易。“数据管理、数据治理和业务进入思维导图，在这个业务用户门户中发挥作用。”

利用社交媒体的思维导图


因此，除了让“企业能够共享有关数据资产的文本信息并将其标记到数据目录中”之外，在 2020 年末，用户将能够在思维导图中对其价值进行上下投票。这个评级系统“驱动指标并量化数据的价值”。

从这些评级中，企业了解有用数据与不正确数据的特征。“然后，当新员工从不良数据中正确学习时，数据评估可能会渗透到入职流程中，”Sandwell 建议道。

当业务、IT 和社区聚集在一起，将数据提升为资产和信任时，企业数据素养每天都会发生。“这种商业信任来自构建数据目录、数据词汇表、自动化基础，然后是数据素养，”他总结道。

真正的数据理解与数据素养一样出现，使公司更有生产力。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！ 机器学习模型方法总结 历史最全机器学习/深度学习/人工智能专业术语表中英对照表 机器学习如何应用于商业场景？三个真实的商业项目 数据工作者的自我修养 | 哪些技能是必不可少的？ 《汗牛充栋：数据分析书籍分享》CDA网校新课上线 文本挖掘常用的107个语料库 一图读懂“东数西算”工程 零基础转行数据分析，看这篇文章就够了