以DataOps一体化之道，助力研发治理提质增效

最新推荐文章于 2024-07-24 18:51:02 发布

原创

最新推荐文章于 2024-07-24 18:51:02 发布 · 1k 阅读

CC 4.0 BY-SA版权

文章标签：

本文探讨了企业数智化转型中数据研发和治理所面临的挑战，如交付效率低、研发与治理脱节以及治理成效难以量化。通过引入DataOps理念，文章提出了一体化的需求交付流水线、研发治理融合和治用互促策略，以提高交付效率、解决治理问题，推动企业实现高质量数字化发展。

随着企业数智化转型的深入，企业对数据研发和数据治理提出了更高的要求。但当前企业数据管理模式在交付效率、治理落地、治理成效上难以满足，制约企业发展。本实践以DataOps思想为指导，构建研发治理一体化机制，有效应对企业面临的挑战，助力企业数智化转型。

PART 01 面临的重重挑战

企业数智化转型的深入给企业数据管理带来了许多显著的变化，数据在各单位的生产活动对接越来越深，各单位对大数据的应用诉求也越来越多，呈急速增长趋势。同时企业看数用数在交付效率、治理落地、治理成效上也面临新的挑战：

- 交付效率的挑战：随着企业数据治理的建设进程推进，企业分散建设较多治理工具，包括需求管理、离线开发、实时开发、模型设计等工具。从单工具单环节来看效能可达最优，但研发的整体交付效率仍跟不上业务的期望。

- 治理落地的挑战：治理落地的挑战主要表现为研发与治理的脱节，需求研发方往往为了实现需求的快速交付而忽视数据治理的要求，而治理工作的介入要滞后于研发环节，造成了研发落地实施与数据治理存在着两张皮的现象。

- 治理成效的挑战：传统的治理机制缺乏自驱动力、同时存在价值不显性，效果难以量化等问题，数据治理往往被看成成本消耗中心，难以保障数据治理的持续推进，治理缺乏持续推动力。

DataOps将敏捷、精益等理念融入数据研发过程，通过对数据相关人员、工具和流程的重新组织，打破协作壁垒，构建集研发、治理、运营于一体的自动化数据流水线，不断提高数据产品交付效率与质量，实现高质量数字化发展[1]。本实践以DataOps思想为指导，通过