本文转发于“ruby的数据漫谈”，转发请备注出处
ruby的数据漫谈从事互联网数据平台相关工作多年，也是一名数据产品人，聊聊数据平台、数字化转型，数据治理，人工智能等话题，欢迎关注我的公众号，一起成长。
111篇原创内容
公众号
11月23日，在第二届全球数字贸易博览会数据要素治理与市场化论坛上，国家数据局局长刘烈宏表示，目前，国家数据局围绕数据要素市场化配置改革正在推进系列重点工作，包括丰富完善数据基础制度体系、促进数据流通交易和开发利用、推动数据基础设施建设、推进数据领域核心技术攻关、强化数据安全治理等。这预示着国家正在促进企业进行数字化转型，目前基于数据要素以及数字化转型，促进数字经济的高质量的发展。
本文从数字化转型常见的问题，以及数字化转型到底有什么价值了，以及国家的数据要素政策如何促进企业的数字化转型阐述数字化转型的基本方向。
数字化转型常见的问题
目前很多企业在进行数字化转型的过程中都容易遇到以下问题，让数字化转型的成功率偏低。主要体现在以下几个方面：
一、业务价值不凸显
很多数字化转型的项目都包含数据治理的项目，期待从上到下治理一遍，形成企业级的数据标准和规范，治理的颗粒度很细，包括所有的数据标准格式和字段类型，希望全员统一遵守，但是从实际执行看，业务部门对于遵守这些规则，或者为了完成数据治理，额外填写的内容和数据具体对业务的价值是什么不清楚，只看到一系列的标准让他们遵守，这会导致业务部门和数据部门的矛盾加剧，导致转型项目执行不下去。
二、数字化转型项目的ROI偏低
很多数字化转型的项目都很多IT设施的投入，动辄几千万，数字化转型项目中存在大量的浪费现象，
1）过度生产，例如重复的报表，重复的数据产品功能，用户不需要的功能
2）库存浪费，例如加工了很多不需要的数据，不能产生价值的垃圾数据，重复存储的数据
3）ETL浪费，过度的数据集成和数据迁移
4）动作浪费，垃圾浪费数据存储，过多层次的数据抽象
5）加工浪费，过度的数据分析，多度的特征提取和，不需要的训练数据
6）不良浪费，体验不好的数据产品，无法上线的数据产品
7）等待浪费，过早的etl处理，提前准备了数据存储。
这些不良的数据处理操作都是需要花费项目成本的，因此，也会增加项目成本。
而且一些项目本身是没有明确的业务目标的数据治理项目更加让数字化转型的价值难以体现出来。
而数字化转型项目的价值，例如节省的费用可能需要1到2年回馈出来，因此出现数字化转型项目的ROI偏低。
一般来说，数据治理项目会有4个成果，数据标准规范、数据治理流程、数据管理组织和岗位，数据治理的工具和平台，但是这些成果一直停留在文档层面，执行不下去，工具和平台也有可能因为业务紧迫，没有得到有效利用。
四、治理成果不可以持续
有些项目年年做，今年做完了，验收完了，但是到年底，需求变化了，又发现新的问题，又从头开始来一遍，导致项目不可以持续性，关键原因是治理动作没有和业务动作结合起来。
精益数字化转型
为了解决以上几种典型的问题，采取精益的数字化转型模型来依依应对这些问题。一、依据业务场景构建资产蓝图，小规模迭代反馈推进数字化转型项目精益数据治理项目强调围绕企业的核心业务价值梳理痊愈的数据概念和模型，也是设计企业数据资产蓝图的。而依据精益场景画布或者精益数据商业画布梳理的数据资产会相对聚焦业务目标。
通过场景卡片或者画布制作的数据资产已经有明确的使用途径和方法，业务价值更加明显。
二、业务先行，数据治理项目和业务充分融合
过往的数字化转型项目式数据治理团队和业务团队是相互独立的，且两边的考核标准不一样，在这种情况下，数据团队的数据治理是围绕着数据质量工作的，目的是制定一个大而全的数据标准，数据规范，然后将这些规范作为制度要求多有的业务团队、产品团队服从。而业务先行的数字化转型项目是数据治理和业务开发是融合在一起的。
从上图可以看出，是以业务场景为出发点，梳理数据需求清单，衍生出数据治理的标准以及产品落地需要的数据资产和数据指标。这个过程就不会因为数据治理和业务开发分离造成数据需求边界扩大的问题。且数据治理的动作为业务场景服务。有明确的执行意义。
三、嵌入式治理，将标准和规范融入工具或者开发过程中
数据的源头是在应用系统的开发过程中，程序员选择的数据设计，加工，存储，手段决定了数据不是唯一的，是不准确，有效性难以确认。精益的数据体系倡导企业将数据治理的协作、沟通、和标准的制定追溯到数据源头。由数据治理团队、企业技术架构、开发管理团队一起制定符合数据标准的开发规约，包括数据如何获取，如何加工，如何存储数据，如何设计数据库等，这样才能从源头控制数据质量，落实标准体系，也可以大大减少数据清洗加工的浪费。如何学习IT隐私保护认证？学习CIPP课程，学习安全软件产品、流程和服务的开发、保护数据免受任何损害所需的技能以及使用新技术确保客户隐私的专业知识。
四、充分共享协同
数据问题产生的本质原因是数据没有全链条的拉通，协调，负责数据生产、数据采集、数据存储、数据应用的各个环节的部门之间缺乏了解和信息沟通，导致数据在不同环节以不同样式和形式出现，这个是数据质量的最大问题。因此精益数据治理项目强调数据资产的全局共享、协同、可视化、企业通过数据资产目录，数据统一门户，让企业全员在统一的标准上生产和利用数据。
数字化转型的价值
数字化转型的项目一直都被病苟价值不明显，那么我们想详细的说明一下数字化转型的具体的价值。数字化转型可以帮助企业实现智能化的生产过程和质量控制，从而提升生产效率和产品质量。通过应用数字化技术，企业能够实时监测和优化生产过程，减少生产故障和停机时间，提高生产效率和产能利用率。数字化技术同时也有助于实现细致而全面的质量控制，减少废品率和产品缺陷，提升产品质量和客户满意度。
例如制造行业，根据生产体系的指标分析，可以提高生产效率，提高产能利用率，同时通过质量控制，减少废品率和产品缺陷。提高的生产效率和产能增加的收入和通过减少废品率和产品缺陷产生的成本节省都可以作为数字化转型的价值体现。
数字化转型有助于提升企业的客户体验并增加营收。借助数字化技术，企业能够实现个性化的产品设计和定制服务，以满足客户的个性化需求。数字化技术还能实现智能化的营销和客户服务，提升客户的满意度和忠诚度。此外，数字化技术还能协助企业开拓新的市场和业务领域，从而增加营收和利润。数字化转型可以帮助企业降低成本并降低风险。通过应用数字化技术，企业能够实现精细化的生产计划和库存管理，从而减少库存成本和资金占用。数字化技术还能帮助企业实现智能化的采购和供应链管理，降低采购成本和物流成本。此外，数字化转型还能提供更加准确的数据分析和预测，帮助企业降低业务风险，并做出更明智的决策。
分析供应链供应商，包括地理位置累计交易额度，融资情况等；监控采购流程节点，按照流程分别监控每个节点的情况；实时监控采购平台、订单，跟踪订单完成时长，督促效率提升；分析采购成交金额和合同签订金额以及降本金额，掌握供应链财务信息。整个集团的仓库分布情况，通过地图色彩渐变和数据轮播可视化体现；仓储 HSE 安全管控，从责任人到具体安全细节均可查看；仓库实际容积情况，容器装置运行情况，以及预计产量和仓库容积对比均可分析。通过采购分析降低的成本和通过库存分析减少的库存成本可以作为数字化转型的价值体现。
数字化转型沉淀出来的数据资产，通过进一步的分析，产生数据产品，例如挖土机的健康状态报告，给到购买挖土机的客户，进行二次销售，产生的维修保养的服务费用，这个收入是数据产品带来的。再比方说，在营销行业，数据产品，例如营销的图片和文本内容，新媒体营销带来的直接的销售输入可以作为数字化转型的价值所在。三、数据资产作为数据要素进入数据市场进行流通的收入数字化转型另外一个重要的原因是沉淀的数据资产，在数据交易允许的情况下可以进行正常的交易和流通，这些收入也是可以作为数字化转型的价值体现。数据要素流动，可以为使用方带来更多的利益，提高整个行业的生产力，这个也是目前数据局正在推动的数据要素流动的原因。数字化转型对企业来说是一次机遇和挑战并存的转型过程。在国家数据局的政策引导下，企业通过数字化转型可以更好地提升生产效率和技术核心力量，加强对质量控制的能力，改善客户体验，增加销售额。同时，数字化转型也为企业降低成本和风险，推动创新和业务拓展，打造竞争优势提供了积极的影响。因此，企业需要紧跟时代的步伐，积极应对数字化转型的挑战，并将其视为推动企业发展的重要战略。
如何学习信息安全数据合规？一起了解注册信息隐私管理师IAPP CIPM！
CIPM则主要满足隐私项目生命周期内风险管理、隐私运行、审计与追责、隐私分析等方面的需求。
Developing a Privacy Program开发隐私项目
Privacy Program Framework隐私计划框架
Privacy Operational Lifecycle: Assess隐私操作生命周期：评估
Privacy Operational Lifecycle: Protect隐私操作生命周期：保护
Privacy Operational Lifecycle: Sustain隐私操作生命周期：维持
Privacy Operational Lifecycle: Respond隐私操作生命周期：响应
适用群体：
主要适用于风险管理、隐私操作、审计、隐私分析、职责划分等相关的从业人员。
由于中国考生人数逐年增加，CIPM在2022年7月起增加了中文考试的选项。
适用群体：
由于中国考生人数逐年增加，CIPM在2022年7月起增加了中文考试的选项。
