以下為現場速記。
梁有為：謝謝。今天我講的片子不多，大概半個小時，因為剛剛跟你們聊天發現，有人走過來跟我們打招呼，Informatica，你是干什么?Informatica，不是ETL的嗎?我想，今天的分享比較活潑一點，Informatica現在是做什么事情的?當然在片子里，我本來準備了一些案例，但有可能這些案例我會口頭講出來，因為我是負責華南區，比如說廣州、深圳，香港、臺灣的一些案子，因為我是售前，所以我比較多的經驗是這三個地區不同客戶的需求，我也跟這三個地區的CIO、CDO也會聊起來，現在你們的需求是什么呢，看看大家有沒有分享的地方。
大家都知道，從幾年前開始，大家都說數據很重要，不管是CIO還是其他人，我最近發現在香港有越來越多的新職位公司CDO，有的是CEO委派的，他想現在創建的一個新職位是CDO。大家都說數據很重要，但我要干什么，他不知道。我發現如果你是領先的行業，比如說做電商的，或者是汽車行業的，其實你已經轉型的很好，因為你就是轉型的火車頭，我發現現在很多企業覺得自己是落后的，或者是認為自己是傳統的行業，需要有一些新的想法幫助自己創新，但又在想我究竟要不要做數字化轉型，這是每一個企業里想到的問題。
我和碧桂園的講解有點結合的地方。大家都知道，比如說碧桂園做地產的，現在很多數據從不同的裝備里、機器里產生出來，比如說你看的燈柱機器人，他除了幫助你做一些服務之外，背后產生很多數據，從不同的來源產生很多數據，然后就想需要數據。現在還有很火的機器學習、人工智能，Informatica要解決的東西，在這些概念里面，你說這些數據很重要、很大、很復雜，你現在的公司需不需要做這個事情呢?這是每一個企業要去想的，我們現在做一個國企，在湖南，他也很有趣的。他問我們，你們做那么多的案子，我們只是一個傳統的行業，究竟我需不需要做這個事情呢?我就問，其實你們現在碰到的問題是不是其中的一個點里面，或者是一個開發點里面。什么意思呢?有時候我發現客戶說想做數字化轉型，不是為做而做，第一個，我把東西變得比較靈活，節省成本，倒不如我把我的應用或者是很多設備放到不同的云上，有時候他會參考，我們在香港也做很多銀行和保險公司，他們有多達5個云的考慮。比如說我放在谷歌、放在亞馬遜，他們有這樣的考慮。因為這些考慮，如果我要做數字化轉型，跟我的業務有什么關系?很多時候是因為現在手機APP那么流行，希望給自己的客戶有更好的體驗，才想做數字化轉型。另外，我去湖南的一個國企，他為什么要做數字化轉型?我想你們也有做數倉，會出報表，以前的報表是很普通的，我從SAP過來的，我現在可以自己做報表了，做的很漂亮，可以給老板交功課，領導看到很開心。可是，他看到這個報表很漂亮之外，還會產生一些需求，這個數據從哪里來的?這個數據準確不準確?這個數據可不可以信任?我們現在有一些體驗，可能還沒有想到要怎樣在收入方面轉型增加收入。比如說我希望現在內部的用戶可以做自助服務，可是剛剛這些問題就跑出來了，不光是給他一個視覺化的報表工具就能解決問題。我們說湖南的國企，他想把這些東西再放大一點。每一個人都可以很容易地消費數據，而且他要知道數據從哪里來，比如說質量好不好，他是怎么去管理的等等。
我剛才也提到，現在有很多公司有一個創新的職位是CDO，你要幫我找出數據在企業里的價值在哪里，怎樣幫助我創新。但是他們都不清楚公司里的客戶數據、產品數據究竟放在哪里，這通常是每一個CDO考慮的，比如說我上任了，我第一個問的問題，問IT，我的客戶數據在哪里?IT會告訴說，可能在這個應用里邊、在那個應用里邊。他都沒有明確的答案。
我今天的分享是講數據治理，數據治理是很廣泛的名詞，以前我們說做數倉項目也是做數據治理，你做報表也是數據治理，你做數據整合也是數據治理，你做脫敏也是數據治理。但現在返過來了，我們看到的趨勢是如果你從項目去做數據治理，有什么問題呢?可能每一個部門他們自己做這個事情，最后沒有把整個東西拉通。現在我們返過來發現，現在做數據治理的，以前是從下到上，現在是從上到下做這個事情。首先你做數據治理，你的目標是什么?最終你希望這個數據，不管是內部的業務也好，還是外部的客戶也好，去消費你的數據。否則你做那么多的處理，最后沒有人去消費你的數據，那你花大的工作量干什么呢。但是如果要做這些處理的時候，現在你會發現，當然要消費這個數據，不管是業務部門還是IT，中間做很多處理和數據治理的中間過程，我們希望有平臺落地。我看到很多在數據治理的項目狀況，可能有一個企業說要做數據治理，但我不知道要做什么事情。然后找咨詢公司過來，做一堆的梳理，然后給你一堆文檔。然后說這就是我們梳理完的結果，然后你們應該怎樣，放上去做吧，但是你會發現，如果這樣的話，我就開始做某些項目，項目運作的時候，整個方向會有改變、會有改動的。在整個企業里，沒有一個人或者是沒有一個團隊很明確地看到，我現在應該朝哪個方向走。所以，數據治理從理論上來講，不管是業務部門還是IT部門，都一起參與整個數據治理的過程，而且必須要有明確的方法，讓我知道方向在哪里、指標好不好。
因為現在IT的環境太復雜了，舉個例子，五年前還沒有大數據項目，都是數倉、數據庫還處理得了。幾年前開始，大家都去做大數據項目了。我在香港感覺比較深的是現在都不做數據庫了，都跑到云上了。因為我們發現，建一個數據庫成本太大了，他說沒有關系，都跑到云上。這幾年復雜的環境變化太快了，如果我們還是用傳統的方法做數據治理是很累的。我們現在做數據治理，必須要有一些AI的東西去輔助你做這個事情，要不然的話，我告訴你數據治理的應用，最近有很多法規，可能要經過GDPR，GDPR是什么意思?如果你有一些客戶是歐洲的客戶，歐洲客戶的信息泄露出去，歐盟可以罰你很嚴重。
現在第一個問題，首先我的客戶數據在哪里?我的哪些數據是歐盟客戶的數據。IT就很頭疼，我幾百個系統、那么多數據庫，我怎么去看?我去銀行，銀行用的方法是很搞笑的，他給幾張紙，我去問應用部門的頭兒，在你的應用里面，你的data base里面，有哪幾張表是有數據的，然后就填進去。填完給我，我就信任你了。這個時候，很大的銀行是這樣做的。ok，這也正常。要做這個事情的話，你需要一些機器幫你做這樣的梳理，而不是讓人幫你做這個梳理。最后，大數據的架構是很重要的，要做所謂的數據資產的管理。
我們發現你要做所謂的數據治理，你企業的數據要給不同的人去消費，每個人的需求都不一樣的時候，你怎么做這個事情。比如說這個是比較高層CDO想的問題，慢慢到業務線的主管、你的BU，有的是數據科學家，數據的消費者，他們對數據的需求都不一樣，如果從以前的方法，很簡單，我就給你。可能你們也做過元數據項目，舉個例子，我有10個應用，你的10個數據庫，我把10個數據庫的說明都放在同一個地方，這張表、這個字段是什么意思，這張表和另外一張表中間的關系，我把它可視化出來，讓每個人都能理解，最后誰能理解呢?只有IT能夠理解，業務部根本不能理解。因為我們發現是每一個人想消費這個數據，他們其實需要的程度都不一樣。CDO、老板需要的東西是比較偏業務的，而且他不需要那么細。但你剛剛走下去的時候，你發現IT的、數據消費者需要看很細很細，比如說我要知道這個字段的血緣分析從哪里來的，他再拿一張報表用這個字段，然后中間的處理過程，這些是IT很關心的，但對業務人員來講，我都不關心，我只是想知道這個數據究竟大概是什么樣的，而且質量好不好。所以我們現在做數據治理，我們希望是從上到下的方法做這個事情。首先，以前我們做數據治理，我們把東西打開、攤開給每個人去看，這是沒意思的。我們必須要有一個平臺，把剛剛我說的找機器人公司做一些梳理，你整個企業里有哪些系統、有哪些數據或者是哪些字段、哪些法規、哪些人、哪些流程。現在梳理完的結果，我會放到平臺里，這只是其中的一部分，這是系統和系統之間的血緣關系，當然這是偏業務的，不是IT偏技術的血緣關系。因為有時候我們發現，數據庫里有幾千張表，你每一張表去看，他比較關心的是某些比較重要的，可能和業務有關的，可能是和場景有關的，哪一些數據或者是字段，跟哪些系統、哪些人有關，我把這些東西可視化。另外，我們還提供了一個很重要的事情，我們有一些所謂的可視化的報告，這是什么報告呢?這是數據質量的報告。
我舉個例子，比如說通過我們的梳理，我們發現我們在某一個CIN里面是有客戶的數據，而我必須要客戶的名稱、微信號碼、身份證號碼等不同的字段，我也希望這些字段里的質量是好的，可能是做一個指標的，它不可以是空的，所填的東西必須是符合某一個規格的，可能從業務的角度定義了這些東西。我們做數據治理要做什么事情呢?業務需要的東西，我們要告訴他事實。我們通過我們的平臺，去真的掃描每一個數據庫。你覺得你需要是這些指標的數據質量，我會去搜整個數據庫，你說的這個時段，究竟質量怎么樣，我把它呈現給你看。以前所謂數據治理的手段是斷開的，你把這些東西拿來進行梳理，出來一堆報告、一堆結果，就放在一邊。隨著項目的開展、流動，這些事實和你原本概念上的東西會斷開，脫離開。我現在希望把這兩個東西永遠拉緊，你的指標、你的概念上有這些東西。事實上，我們發現在系統里，或者是整個企業所有系統里，你的現狀是這樣，隨時把這些東西放在一起，不管是數據治理的主管也好，或者是需要知道數據在哪里的人也好，會看到這個狀況，有了這個東西以后，才可以合作把數據治理的東西做好。
另外，在整個平臺里面，背后有一個很重要的能力，你有沒有一個企業的數據資產目錄，這是很重要的。舉個例子，有一個老板常常問，其實你哪些需求里有客戶數據?剛剛我提到的，你去每個應用部門的頭兒幾張表，然后填填填。現在不是這樣做了，現在是通過機器學習、大數據的能力做這個事情，我真的會去掃描每一個應用里面，每一張表、每一個字段的內容，去判斷這個內容究竟看起來是一個名稱、是一個ID、是一個電話號碼、是一個地址，我們把這些都標簽出來。標簽出來以后，整個東西就是你企業的數據目錄。這個數據目錄有什么應用呢?我們發現有三點，第一，我剛才提到了湖南的一個企業，IT把數據放在一個數倉里，業務人員自己做報告，做的報告很漂亮，但問題是整個過程里，還是有一個問題，他還是要IT先幫他處理好數據，放在一個地方，他去做報告。現在能不能放過來，我把整個企業里所有的系統都盤點好了，都已經打上標簽了，你自己去找，找出來以后。他可以給業務員收那個數據、改那個數據，改完以后出報告。很多時候我們發現，整個過程里做企業目錄的，第一個重點是能不能提供一個基礎分析，每個人都有消費數據。第二個是資產管理，所謂的資產管理，剛才提到所謂的數據目錄，很多是機器做的事情，機器幫你掃描、機器幫你打標簽，我們發現很多標簽是機器不能打的，舉個例子，業務的術語、業務的定義，這些是我們給業務參與，一起在企業的數據目錄里面，然后他們自己把這些業務的標簽打上去。所以，做完以后，整個東西就變成了數據的資產管理。機器能做的事情是什么?我去掃描、做血緣分析，但也需要有人參與。
數據的治理，落地在什么地方?你把從上到下，業務知道現在要做什么事情，后面我們通過企業數據目錄去掃描、打標簽，把數據資產化，我們落地到什么地方呢?我舉一個例子，可能今天因為法規的原因，我們針對GDP要做一些事情，比如現在法規說如果你有歐盟的客戶，我要特別地對他們的數據進行保護。你要做幾個事情呢?有幾個步驟，首先你要發現究竟哪些客戶數據是歐盟的客戶，而且哪些數據是敏感的。這個發現的過程，通過機器學習，可以盤點，能夠做出來。第二，你找到那些東西，現在的狀況是你有沒有保護，有可能你已經保護的好好的，ok，什么都不用做。但我會告訴你，我們找出這些東西之后，其實你沒有好好保護他，因為我發現，這些數據晚上通過某些腳本或者是某些ETL的過程會流到另一個數據庫里，但中間你沒有做脫敏、沒有做加密，這也是平臺可以告訴你的事情。第三，你知道數據在那里，你沒有很好地保護。我們可以針對敏感數據，幫你做脫敏、幫你做保護，而且我們會監控整個過程。這是把數據治理變成應用的場景，我為什么要做那么多事情，我要盤點我的數據、知道我的人、我的流程、我的系統在哪里，真的是你們去掃描這個事情，我們希望把整個過程邏輯上結合起來，把他放到不同的應用上。
我本來有一個案例分享，我可以給你看一下Informatica，不管是在國內還是國外，我們在幫企業做數據治理的項目。Informatica，以前你印象中的Informatica是不是做數倉的，是不是做ETL的。剛才我們發現，我們有集成的解決方案，我們有組數據的解決方案，我們有數據質量解決方案，我們有一些脫敏的解決方案，我們有安全方面的解決方案，這些比較面熟的是華為，華為大概在三年前，他們的總部，他們想做一個數字資產的項目，那時候他們也看不同廠家企業目錄數據治理，最后他們也選了Informatica來做這個事情，因為他發現Informatica比較偏向于所有的方案有落地的軟件平臺。比如我雖然能做這個事情，但是我要開發的，我們不是這個角度的。Informatica是做什么事情呢?整個數據的過程是從外部的數據到消費的數據，中間要做很多處理，要做什么處理呢?我舉個例子，企業目錄，我要做數據的盤點，可能我要做很多中臺的需求，先把數據集成集中在一個地方，這些集中的地方，我需要做數據的梳理、共享，如果從分析的角度，我們會把數據集中完之后，再把它集中到數倉或者是大平臺上面，中間我們通過一些模塊做數據質量的提升管理。如果現在你把數據集中在同一個地方，這一堆數據里肯定有敏感數據，你要好好保護，所以數據的安全這一部分，也是很重要的，數據管理的部分、數據治理的部分。這幾年看到很多企業開始想，數據管理怎么做。其實你看到的每一部分，Informatica是做數據管理的加工、提升的部分、質量的部分、數倉數據庫的部分、組數據管理部分、企業目錄的部分、二級的部分，甚至于流程的部分，每一個部分我們都有落地的應用解決方案。這是Informatica和其他廠家不一樣的地方。
Informatica做了很多年了，我們都是做數據管理的，做了25年了。我們比較有意思的地方，你發現這五個圈，Informatica是干什么的?一些成績表吧，Informatica是做集成的，NO.1。我們是做元數據的，企業目錄的部分，NO.1。我們做數據質量的NO.1，我們做組數據管理NO.1，如果有些客戶說今天我有很多數據已經搬到云上面，已經有一些云的應用，然后云和地、天和地、天和天怎樣去審核呢?Informatica也有成熟的解決方案。所以，如果幾年前或者是十年前，我在Informatica干了十年了，十年前你問Informatica是干什么的?Informatica是做ETR，現在Informatica干什么?如果你最近看過阿里的數據中臺那本書，里面也提到Informatica。其實中臺概念的能力，Informatica已經很早就有了，只是那時候沒有中臺的概念，所以大家都不知道。Informatica，我們希望做一個中間人的數據治理平臺，這樣有很多的能力，很多企業在做數字化轉型的過程中，他需要有一個數據治理的總綱，我剛才提到的，偏業務的，把這些數據梳理完的結果，放到一個平臺上，不管是業務人員還是IT人員，讓大家看到現在的準確，這是數據梳理的部分。企業目錄部分，做數據的盤點、數據的標簽化、資產化，我們有不同的能力接入現有的數據庫、現有的應用、云的應用、大數據的應用，這套存儲模型里面，Informatica沒有做存儲部分，但我們有一系列的管理的能力，比方說我們有ETL的部分，比如說績效轉換，我們有很強的能力，做數據的標準，數據標準的定義，數據質量的提升、數據的準備，這個數據準備就是我們怎樣給業務人員自己做ETL，以前通常是IT做ETL，業務人員只是拿來做報表，現在是你去做吧，ok，怎么做組數據的管理，數據的安全風險管理，還有數據的歸檔。這些不同的能量，我們有一個AI的引擎，你可以看到AI是藍色的。最后整個平臺上也有數據服務分發的能力。現在這就是Informatica，所謂的數據智能平臺所做的事情，跟你們傳統想的Informatica只做這個，都25年了，所以這幾年有很多變化，Informatica全球大概有1萬個客戶，如果在大中華區，現在已經超過1000個客戶了，也分散在不同的行業里面。所以Informatica比較有意思，因為我們不是做某一個行業，我們做所謂的數據管理領域里，這個是很廣泛的，政府部門、制造業、零售行業、電信行業，都覺得這個東西是管用的。而且我自己看華南、香港、臺灣，發現每個地區、每一個行業的需求速度都不一樣，比方說八年、十年前，臺灣做金融服務很好的，那時候香港華人地區做的很好，這幾年可能在華人地區很多電商或者是電信行業東西都做完了，現在慢慢是把這些概念，所謂數據化轉型的概念轉到零售行業或者是制造業，最近我在和很多政府部門合作做這個事情。
因為時間不多，我不可能把所有的東西都講透、講清楚，大家可以掃微關注我們的網站，也可以在我結束以后，再和我聊聊每一個部分。謝謝!
京公網安備 11010502049343號