主持人：谢谢陈总的精彩分享！今天的压轴环节，是关于数据治理的圆桌讨论，大家也可以准备一些问题询问在座的各位大咖。今天的讨论将由安徽投资集团控股有限公司CIO杨大寨先生主持，请杨总先上台。讨论嘉宾有：

 

金融街集团CIO 邓遵红先生

 

鲁花集团 CIO 姜波先生

 

AWS中国首席云计算企业顾问 张侠先生

 

Informatica中国区销售总经理 李晨先生

 

杨大寨：下面我们进行今天最后的一个议题，刚才主持人说是压轴大戏，坐在台上的都是从事CIO很多年的老CIO，在这方面都很有经验，我相信这个压轴的大戏一定是很精彩的。

 

今天我们想把圆桌讨论这么安排一下，首先我们花一点时间请诸位把自己各自从事的领域、你在CIO中的一些体会给大家简单的分享一下。然后我给大家提几个问题，也是刚才我给大家分享的数据治理的一场演讲，很多同志给我发了一些微信问到一些问题，也是大家关心的，正好通过这次圆桌把大家关心的问题进行一个很好的解答。如果有时间，大概给将近一个小时，大家可以针对我们任何的一位嘉宾来提问。先请各位介绍一下，从那边开始。

 

李晨：各位领导、各位CIO，大家好，很抱歉，今天嗓子有点不舒服，所以声音可能有点低沉，但是可能会让大家觉得更性感一些。我是Informatica的李晨，从事IT专业已经有超过25年的历史了，虽然没有当过CIO，但是所打交道的对象大多都是CIO。

 

从整个细分市场的领域来讲，Informatica公司应该是一家老牌的数据管理起家的公司。在成立了30多年的历史中，一直专注于做数据管理、数据治理，包括在数据的各个细分行业，比如大家这两天频繁听到的数据集成、数据质量、主数据、数据治理、数据安全，所有这些领域应该说Informatica都在全球处于遥遥领先的位置。非常自豪的是，我们在第三方权威的所有评测机构里面，比如像Gartner，我们在刚才提到的所有细分领域已经连续十几年是排名第一的。从这一点可以看出来，Informatica在数据管理方面的专注度以及技术的领先度，当然也离不开广大客户对我们的支持和信任，所以一会儿希望能够分享一些跟所有客户打交道过程中帮助他们去实现项目需求所看到的一些经验或者遇到的问题。

 

张侠：各位CIO朋友们，大家下午好！我是亚马逊AWS的首席云计算企业顾问张侠，只是想跟大家介绍一下和大数据有关的我的一些经历，25、26年前我在美国的福特汽车公司，在那时候就做了和大数据相关的一些工作。那个时候有一个词，叫做“数据挖掘”，通过建模做一些数据分析，当时做了一些这方面的工作。

 

之后是在中国，我上次也提到，有一些在客户方面做数据管理工作的经验，15、16年的历史。我在做SAP大中华区CTO的阶段，也专门的负责管理数据分析、数据挖掘、商业智能等有关的内容，包括那个时候SAP收购了一家专门做大数据分析的公司。目前在亚马逊做和CIO沟通交流分享的工作，其中有很大一部分是数据存储、数据库和大数据分析方面的内容。所以非常高兴有这个机会，跟朋友们进一步交流大数据方面的内容，谢谢大家!

 

姜波：大家好，我是姜波，来自山东鲁花集团，其实做IT有18年的经验了，也挺复杂的。之前是在用友软件，后来到了鲁花集团，再后来有一段时间到了京博控股，是石油化工产业，是在山东省比较出名的，再后来到了互联网企业做工业电商+金融的供应链公司，最近几年又回到鲁花集团，基本上是这么一个经历，从传统软件到传统制造业，再回到互联网行业，又回到传统制造业，基本上是这样的一个过程。很高兴今天下午跟大家进行交流，非常感谢主办方给这样的机会，谢谢大家!

 

邓遵红：各位同行，下午好!大家可能感觉我是比较异类的，为什么呢?这几类大家都见过的，都跟大家做过报告，我本来是当听众、当观众的，被范总拉上来跟大家聊一聊。我正好补了谁的缺呢?多说两句，本来应该是蔡总，但是蔡总下午有事走了，我补缺。我说这个不是说变化，而是我们做IT也会经常遇到这种情况，上午有嘉宾讲到别人不做的我们做，别人做的我们配合。我们开会也一样，我们来了，需要上我们也上，这也是做IT人的一个态度。要鼓掌是?(掌声)

 

在进入正题之前我还要说几点感慨，首先是感谢，感谢组织方给我们提供一个交流的平台，也感谢供应商给我们提供物质食粮，感谢所有的分享者给我们精神食粮，特别是感谢范总团队给我们找到一个这么好的地方。这个地方比较远，我们经常说我们不是只有眼前的苟且，还有诗和远方，这个地方够远的，我们很多人第一次来。我做了一下工作，我们这次来有四个新：第一是新疆，第二是昌吉，我查了一下昌吉的意思本身就是新，我们是在阜康，阜康昨天有介绍说1776年才有这个名字，这也蛮新，为什么他蛮新的呢?它和美国的建国时间是同一年，美国是很新的。第四个是新技术赋能商业。

 

讲到数据治理的分享，我是金融街集团的邓遵红，金融街的信息总监或者CIO，反正是负责IT这一块。我的经历跟纯做CIO的稍有点不同，我是中间做过10年的金融机构的分管整个大后台，和IT共同一起管了10年，所以大家讲到业务和IT的关系的时候，我会感受比较深，因为我左边刚过、右边刚过，我挨过骂、也挨过踢。金融街集团是一家国营的投资集团，他下面的主要业务有地产、有物业经营与管理，有金融，包括保险、证券等等、有教育，我们有自己的学校，还有医疗健康，还有一块是政府工程，就是城市建设。我发现参加金融机构的会，一说金融街大家都知道，但是今天很多人可能还不知道。这是一个管理型的总部，我们的工作很大程度上是为内部的管理服务和统筹。

 

在数据管理方面，其实我后面可能还会具体讲，但是我讲一点感想。其实数据这件事不是有了信息化才有的，所以我们千万别把数据这个东西背在我们的肩上，总觉得是信息人员的一件事情。有史以来数据都在那儿，我记得印象特别深的是，我在西安的一个寺庙看到有一张纸条，是1000多年前的统计条，说这个地库最早放进去的是什么东西，包括哪些东西破损的也记在在上面。这就是数据，数据本身是有主的，我们是来经营它。如果我们这么想的话，很多问题就迎刃而解了。我就说这么多。谢谢!

 

杨大寨：大家对我应该说都熟悉了，因为刚才我给大家分享了一下我们投资集团信息化的建设实践，大家都非常感兴趣。因为刚才大家给我发了很多微信信息，叫我来圈粉，也提了很多的问题，在这儿我再补充的给大家分享两个故事，第一是作为CIO的经历，我数了一下，我待过6个单位。最早做老师做了10年，在企业民营集团做了整整7到8年的ERP，在合肥市人民政府待过两三个单位，之后到省政府，最后到企业。这一路走来，实际上我对各个行业都还是非常熟悉的，因为当过老师，也在政府干过，也在企业干过，除了军队没有干过。

 

我刚才跟大家说的是实在的话，我在各种岗位干过，接触过各种各样的人，我认为CIO是最辛苦的，为什么?因为我刚才讲了他必须具备这4个能力，如果不具备这4个能力，很多工作你会觉得很蹩脚。在这20年做CIO的实践里面，我真的体会到酸甜苦辣。所以刚才他们几位给大家分享的时候都说到有IT的有挨骂的，别人工作的时候你在工作，别人不工作的时候你在工作，为什么?你们做系统切换的时候一定是在晚上，系统升级都是在星期五或者星期六的晚上，别人在休息的时候你要工作，别人工作的时候你还要工作，而且你挨踢挨骂，很多人不理解。CIO有两个特征，不知道大家注意到没有?CIO有两个特征，第一个特征，我刚才跟大家说过career is over，CIO秃头的多，而且白头发的多，早生白发。

 

这个话我实际上也跟董事长说过，董事长那天坐在车上瞅着我，他说杨大寨我觉得你还是比较能干的，但是有一个东西是假的。我说董事长，你说我什么是假的，我是真的很诚实，我们搞IT的人、搞CIO的人可不能假，一假整个系统就瘫痪了，整个业务就断掉了。董事长讲，你的头发可能是假发，你不常常跟我说CIO好像你们很辛苦，要不就是秃头，要不就是白头。我告诉你，我的头发是真的，我就使劲的揪我的头。当时我的头发比较长，一抓是真的。我跟大家分享的是什么呢?做CIO是非常辛苦的，你要想做一个好的CIO非常辛苦。这是我想给大家分享的第一个。

 

第二个给大家分享的是什么呢?大家都看到我的微信，我的微信叫“日月新”，我为什么叫“日月新”?我有三个孩子，三胞胎。我想跟大家分享一下，我的孩子大概十几岁，在2007年的时候被评为我们安徽省业余信息化十佳大使，是三个女儿，在整个IT界没有过。我为什么叫“日月新”呢?我的老大杨日涵，老二叫杨月洁，老三叫杨新曼(音译)，简称“日月新”。所以我的微信号告诉大家家日月新，大家可以通过我的微信号来@我，谢谢大家!刚才是给大家分享一下，热闹一下，因为范总给我时间，所以我就跟大家分享一些故事。

 

下面我刚才有些同志在微信上面给我提的一些问题甩给几位大咖，首先我来问一下Informatica的李晨老总，我把这个题目变一下。有人问，作为专业的数据治理平台提供商，你对数据治理方面有没有最佳实践的分享?

 

李晨：多谢杨总帮我们收集问题，其实这个问题是我遇到最多的问题，几乎每次跟我们的客户在互相沟通的过程中都会被问到，我相信在座的每一位CIO当去跟一些厂商做交流的时候也是希望了解到相关的信息和内容。因为之前看到很多我们的分享，其实很高兴的看到我们现在国内的整个数据行业或者说数据治理方面的水平是非常之高的，而且已经达到了应该说在全球都是领先的地位。

 

原来我总在讲，应该说我是一个差不多25年的老外企了，一直都在外企工作，可能10年前或者15年前的时候一直觉得国外的经验会是比较多的，或者说比较领先的。但是现在尤其到了大数据时代之后，我们会发现其实在我们国内是真正的IT水平提升得非常快，而且中国是一个天生的自然的大数据国家，我们的人口基数、我们所有的业务方向其实都是非常海量的数据在里面。

 

所以这一段时间我们的分享会更多的集中在国内客户的一些经验上，因为整个全球我们做了大概超过1万多个数据治理方面的客户，在国内我们数了一下也有超过1千家客户使用了Informatica的产品来做数据治理。在这1千多个客户里面，其实绝大多数的客户会发现有两方面的问题或者说两个方面的困扰。首先第一个方面，在很多时候我们在跟客户去谈的时候，发现其实Informatica并不是他第一次谈或者是谈的第一个厂商，而往往的情况下都是经历了已经做过很多类似的项目甚至做过两期、三期项目之后，回过头来找到了Informatica。

 

为什么会找到呢?据说你们是业界经验最丰富的专家，我说这个据说应该是真的，另外就说我们现在遇到的一些问题，换了两三次都没有完全解决，你们能不能给我们解决，看看我们这个问题怎么样去处理。我就发现其实我们往往都不是初恋，很多客户是二婚或者三婚才选择了我们，选择之后很多问题都得到了解决。这些问题是什么呢?其实非常简单，我们的很多项目在上的时候是为了上项目或者为了解决一个业务需求、一个痛点而去上的，而上的时候我们会发现友商会说这是行业定制化的方案，我们有很多客户案例，我们的产品非常灵活，可以根据你的要求定制任何的内容，能够满足你的任何需求。

 

很多时候这就像男女朋友一样，男方说我家里有钱，我家里有矿，我非常爱你，你要什么我给你什么，这个时候客户会心动。但是做了很多这样的项目就会发现，越是说我是定制化的、我是能够满足你任何需求的产品，也许有些称不上是产品，往往给我们挖了一个非常大的坑，什么坑呢?就是标准化的问题、未来延续性的问题以及综合管控的问题，很多时候我们做数据治理或者说最简单做数据整合的时候，会发现我要做这个数据的抽取，我连它的格式、连它的标准都不知道，因为它是很多开源或者很多非标准的自己开发的方式去做的。

 

今天我听杨总分享安徽的先进经验的时候，也在提数据标准化的问题，数据标准化是在做整个数据治理里面最关键的一个步骤或者说是最早期的一个步骤。而这个又恰恰是最难的，为什么很难?当然大家都是专家了，很浅显的一个道理，在每个应用或者每个数据的交付和服务过程中，如果都是采用非标准化，很多时候这些东西就实现了，当这个人走了，当这家公司不再服务了，甚至有的这家公司还在、这个人还在，但是时间很久了，往往他都不记得当时是怎么做的。

 

这就很难找到技术数据或者业务数据或者操作数据，没有办法做到一个非常好的数据标准，就没有数据资产化的管理，那就更谈不上主数据、未来数据的治理。因为我的数据在哪儿、是什么、怎么产生的、跟其它哪些数据有关联、有影响，我都不知道，我如何去管它呢?所以恰恰是这些最基本的地方造成了硕大无比的坑，在这个时候我们经常也会帮助客户来解决这些问题，解决的过程可能相对比较复杂，包括有人工的方式，有自动的机器学习的方式或者人工智能化的方式。

 

但是成功的让客户从原来的可能是离散的或者说一个个孤岛的或者说没有任何标准的情况下，转移到统一规划、统一平台、统一标准之上，这就像盖楼一样，地基打好了，以后想盖多高、想盖多好就会更容易。这是我看到很多客户里面出现的最普遍的问题，而这个当然跟我们的产品没有太大关系，但是给各位老总提个醒，产品化、标准化非常重要，如何能够通过平台来实现，就不要通过手工开发的方式去实现，它会带来的问题还会出现在我要讲到的第二个问题，就是如何实现快速治理，这是我们要达到的要求。

 

第二个，我们看到的很多分析、业务报表都停留在比如说我在上周、我在上个月、我在去年这些方面的报告。其实在我们很多业务人员的眼里或者企业CEO的眼里，这样的报表已经不希望看到，或者完全没有任何的价值、没有任何的意义，为什么这么说?我们现在知道很多的客户尤其是零售行业的客户或者快消行业的客户或者生产制造行业的客户甚至包括金融的客户，对业务响应速度要求非常快，比如说反欺诈管理，我要在几秒钟之内知道这个人有没有欺诈行为。我要非常清晰和敏捷的知道，我在前端的销售部门有多少订单，是什么样的订单，我需要怎么样做生产排产、怎么样做零配件、怎么样做物流。我们的大数据分析，现在往往局限在快数据方面。其实这就是快数据，这是我们所有客户都希望得到的服务。

 

我们在很多国内的客户里面也都有类似的实施，比如说像海信、各大车企，尤其是一汽系下面的各个品牌，还有一些新能源，很多时候在这种弹性制造的要求之下，其实他们对业务对IT支撑的要求非常高子。前两天我到海信，他们刚刚做完数据治理的8大步，我们也在跟他们做总结汇报。他们的业务人员之前提出来，我们有APP，我每个门店的店长、每个区域的区长、每个产线的线长、包括我的很多生产制造或者销售的老总，都在随时的通过手机上的APP了解到现在的销售情况、客户投诉情况、服务情况、一线情况、产线实时的生产能力。而很多时候原来他们的方式会导致很多数据冲突，有可能前后相差1秒，数据量就达到上千上万，而在排产的时候这些冗余的生产资料或者元器件就被浪费，或者说就会被囤在仓库里面等待下一批生产。时间长了，由于仓储压力、物流压力以及营销和利润率的要求就会非常大。所以这个时候他们其实是在做敏捷的数据治理，来提升他们对于数据响应的数据。

 

包括我们在华为，华为应该是我们做得最早的数据中台的客户，华为的数据中台不叫中台，它叫数据底座，其实当初是为了解决他的手机用户服务以及手机用户信号不好的时候的响应。包括我们关起门来说，我相信他一定会通过我们那套工具去抓很多用户习惯信息，当然这一点我们也没有证据。但是在这个情况下，其实很多时候他对于整个数据的快速获取、快去清洗、快速关联，能够形成可以信赖的数据，它对于时效的要求非常高。所以我们也是通过这样强大平台的能力来帮他实现，这个平台的能力是什么?其实就是AI，其实现在很多时候AI技术以及机器学习技术，应该说在数据管理行业是会发展得非常快速的。

 

我们当时在华为的底座项目做过一个统计，在第一期光做数据资产化花了15个人、6个月的时间，只是完成了大概120个表单，完成了大概300万元数据，完成了大概100多万数据标准的创建。而在现在他的量达到千万级的标准下，他的实施或者处理时效已经从原来的90人/天到15人/天，响应速度非常快。这个是想跟各位CIO们分享我所看到的现在做数据治理经常遇到的问题，里面没有任何对于我们产品的广告，只是说提醒大家，也谢谢这个时间，我把时间交给杨总。

 

杨大寨：刚才李总给我们分享了一下，谈到了做数据治理有很多的坑，也提到了他们的数据治理能力，刚才也有很多人给我发了微信，说有哪些坑，回头我们慢慢的给大家回头。

 

接下来请张总，我也挑一个问题来问你。你在数据治理上面有没有一些新的工具或方法?

 

张侠：从我刚才讲的个人其实一直和大数据领域有很多年的渊源，也看到很多大数据所谓我们现在讲的比较新的内容，其实在行业里有的已经做了20、30年的状况。我个人想跟大家分享的是其实大致经历那么三个阶段：

 

第一个阶段，一个企业要有一些基本的ERP系统、自动化、信息化的工具，有了这些以后实际上是打一个数据的基础，真正把数据电子化，有一个很好的管理，这是第一个阶段。

 

第二个阶段，实际上是在有这些基本数据的基础上做一些大数据的项目。我发现这是我们目前可能相对谈得比较多的，然后做一些企业级数据仓库，谈自上而下还是自下而上，前一段时间搞了一些数据专门的项目，还有一些企业级数据仓库EDW等等。但是我个人明确的看到，在现在的状况下，全球范围内最新的企业其实已经过了这个阶段了，最新的企业在做什么呢?他们大量使用的是在过去4、5年出来的大数据开源系统，像Netflix网飞这种公司用大数据做了大量的事情，推出了流数据的处理方法，其实这些手段方法都是开源的、都是免费的。与之相对应的，很多工具被云接纳和采用了，在云上利用开源的工具也提供了一些服务。这是我看到的趋势。

 

所以还是我昨天早上发言的时候讲的，与之相应的看到的是什么呢?一个是实时数据的分析，一个是刚才你也讲到的可能和人工智能结合在一起更多预测性的分析，这是两个阶段。至于后面是大数据的系统和企业关键的应用系统现在是密不可分的结合在一起了，和以前分开断裂的关系是不一样的，很多传统企业有上百人甚至上千人的IT团队，但是IT项目经常搞不定。另外一个角度，我们看到一些小的公司两三年的时间3、4个人的企业。比如说做广告推送的一家公司，推了全球范围内的190多个国家，他在这个领域里面排到前10。他只有4个IT人员，就可以做这些项目。而这种能力现在在往传统企业过渡。所以我觉得是一个很好的机会，我们听到很多的是传统的东西，但是你想要真正跟上这个时代，你要了解这些新的做法，互联网时代的做法、新的工具。

 

我也不具体讲任何的东西，但是希望你看一看，第一是看一看开源的东西，第二是看一看云的厂商，包括AWS所提供的实时的东西，包括数据存储怎么做、数据仓库怎么做、新的数据分析怎么做，怎么利用数据湖的概念，对于不知道的未来数据进行很好的数据架构处理。最近我听到制造业说一个新的词，以前我们都说数据资产，以前我总喜欢说一个企业的数据流就是这个企业的血液，一个企业能不能很健康，包括他的数据和信息，其实不仅是数据，我们很熟悉数据的价值链，从数据到信息才有价值。现在有一个说法，数据是下一代的石油，下一代的数据就是新的工业和制造业的石油。所以这个东西它是要在整个体系过程中深度集成的，下一步我们要进行数据连接，打破数据孤岛，这些我都要做。但是更多的是看一下怎么样数据直接和业务结合在一起，直接在业务系统里面内置数据系统，使得它成为所有企业IT系统必不可分的一部分。

 

杨大寨：刚才张总从他的角度给大家分享了新的工具和新的方法，在这儿我给大家补充一下，因为刚才我个人的演讲受时间的限制没有给大家展开。我以后在信息中心里面购买的方式和整个信息中心的运营方式会做一个巨大的调整，刚才有人在微信问我，这个没花多少钱，我觉得不可思议。实际上我在做正版化的工作里面是和国产化及一些开源系统结合在一起的，这样弥补了我必须要购买一些很昂贵的中间件的钱。以后我的一些开发方法或者信息中心的产品的建设方式会有很大的变化。

 

我刚才给大家介绍了基金管理系统，为什么别人花2千万，我花200多万就建起来。我告诉大家，实际上这个系统的架构是由信息中心来主导的，另外我在外面买的是服务，我买的是开发人员，在我自己类似于开源的一个架构里面进行开发。这样就保证了从底层到我的高层到我的应用层里面，大部分源代码都在我的手里，这样我的运维方式就会非常的灵活，而且运维也能够得到很好的及时的响应。这就是我以后的一个改变，在这个地方我在张总的基础之上再给大家补充说明一点，如果大家感兴趣，我们以后可以继续进行交流。

 

下面我问一下鲁花集团的姜总，刚才有人问了我一个问题，现在我正好转到你这儿来，看看能不能解决这个问题。在你的信息化系统里面，你对哪些系统进行了贯标，在信息化系统里面标准化的建设过程中，你遇到了哪些坑，这些坑是怎么解决的?

 

姜波：因为今天的论坛是数据治理，首先第一点为什么数据要治理，我觉得根本原因是信息系统反映不出业务事实，需要我们对数据进行治理，还原出本应该反映出的业务真实性、业务真正发生了什么，这是我们做数据治理的根本。本身老板或者企业投资上了一套系统，比如说ERP做企业管理、企业资源调配，有计划的使用企业资源，采购、销售、生产计划，但是我们上了系统达不到。我们上了另外一套系统，比如说MES，我们是为了解决生产执行，在流程制造会发现各个节点的数据加起来，某个部门上一个环节加下一个环节的投入产出会发现跟实际产出差异很大。为什么?各个部门都有自己的指标方向，一上发现数据错了，这就需要我们如何进行治理。

 

单纯看系统的表现和数据的表现，这个东西是数据的问题，需要治理。但是根子里我觉得是IT规划的问题，每个系统上线的时候，这个系统到底解决什么问题，未来怎么解决，解决到什么程度。我们的规划是干什么用的?我们上IT系统是为了提高生产执行的效率，我们上MES是为了看到生产执行的效率和最终的情况，包括上销售管理是为了提高营销效率，我们上供应链关系管理是为了解决采购效率。所以这一系列的东西加在一起，你会发现我们的数据发生了问题，我们上了很多系统，为了解决一个问题，上原来的系统解决不了，再上一个信息系统，想要两个系统的数据一起组合反映业务事实，但是反映不出来。

 

我们很早之前就使用了很多数据，进行数据的管理，但是我们觉得是不是数据之间有标准的问题，如何让一个标准化的企业用标准的系统做一个标准化的科学的管理方法，引入到系统里面去，和本土化的东西很好的融合在一起。这个东西现在大家都在做，包括中台，ERP处理不了的问题，丢到中台，再处理不了就丢回ERP里面去。这一系列的东西我觉得都是需要一个企业从IT规划的角度到反映业务事实的角度，包括我们如何让数据信息系统作为管理的工具，一出来就可以找到企业管理存在的问题，锁定它，然后解决它，解决之后恢复、复盘，看看整体的原因是什么造成的。

 

所以在企业内部做贯标，尤其是IT贯标，我们现在也能做这方面的东西，因为我们也觉得我们的管理包括我们的系统是否是标准化的，如果使标准化的就意味着的发展是可持续的，未来企业的转型也好、做一些工作也好，因为已经标准化了，可能就不会太痛苦，我们有一个标准、有一个准则，按照这个来做就不会跑偏，我们未来的发展是可持续的、可控的。

 

我们这种传统企业本身资源相对来说比较有限，除非是资源型的企业，否则任何一个企业都要考虑投入产出，如何以最少的投入产生最大的价值。我投入多少，我的数字无非是人算不出来，通过AI把相关性分析出来给到我们，看看我们的投入产出是否一致，如果不一致原因在哪里，如何层层挖掘找到最具体的原因，通过管理措施来对具体的原因进行解决，解决完之后再看数字的变化，看看数字是否真正发生变化了，比如我通过库存过高，通过数据分析看看哪个库存最高，发现问题之后通过政策措施解决它，解决之后再看系统，运行6个月之后看看库存数量是否下降，下降了多少，验证我的政策是否是比之前准确的。从数据来反映，确实这个政策是对的。

 

这个政策能解决数据表现的问题，当然也可能会适得其反，让库存反而高了，我们是看数字，而不是看某个领导人的脸色说这个数据是有问题的。我想任何一个标准化的企业，这是一个标准，这个标准如何达到量化，增加企业的核心竞争力，让投入产出更明确，让政策执行和数据反应更及时的给到任何一个单位的人员，使得管理人自觉的照着科学的方向去发展。我想这是一个IT治理和标准应该干的事情，如果我们把系统作为标准化，近期时间和短期时间是正确的方向，我们可以朝着这个方向去走，但是想要一步到位是不行的。如果我们用的不是自发的系统，而是标准的工具，它本身是标准，但是企业不能失去自己的特色完全做到系统机械的落地，所以这条路还是要不断的去改善、不断的去朝着正确的方向迈进。谢谢大家!

 

杨大寨：刚才姜总从他的企业角度给大家分享了一下，我稍微补充一下，刚才那位同志给我提出来说，还是带了一个美女来提问，所以这个问题我还是要回答。

 

第一个问题，我回答你是这样的，我没有刻意的去给自己的系统贯标，因为我在经信委的时候也搞过贯标的工作。现在实际上也有一些人找过我们贯标，我认为作为标准化的东西贯不贯标都不是最主要的，这是我的看法。但是我认为最重要的是这个标准化的系统能够用起来，能够发挥作用，这个是最重要的。所以我刚才分享了4点结合，真正把标准化用起来。这是我回答你的第一个问题。

 

第二个问题，你说有哪些坑。我可以告诉大家，在这20年的实践里面，到处都是坑。因为你想想看，甲方、乙方本身来说出发点就是不一样的，作为甲方来讲，你希望把系统能够利用有限的资金把它建设好。而作为乙方来讲希望投入少一点、收益大一点，当然负责任的会给你干得好一点。但是这个矛盾是解决不好的，所以到处都是坑。

 

我刚才跟大家讲了，我中午也碰到蔡总，他确实讲得很好，在理论和实践上都非常有经验。但是在具体的实践中，他也在给我挖坑，我刚才讲的东西不知道大家听明白没有，实际上它也是有坑的。正是因为我20年内碰到的坑太多了，所以我到投资集团里面花的钱并不多，因为我知道这里面有坑，所以我就不会去踩这个坑。

 

我讲一个例子给大家听，现在大家在用系统的过程中都会有一个用户的授权数，如果你不提的话，它一定会在系统中提授权数，我授权多少个人用。这个你可能会不注意，因为你提要求也不会提，但是投标文件里面会写有多少个用户用。因为我注意到这个问题，本身本人刚才给大家汇报了，我以前做过老师，实际上我在做老师的过程中其中有两年也做过IT的厂商、乙方，我作为高级的授权顾问出现了。所以这些坑我都知道，我在写我的标书文件里面会系统的写无限次用户授权。我在投资集团里面管全集团的信息部门，他们的标书会拿到我这里审，我会把我的模版告诉他，要用我的模版，必须有一条是无限次授权，这是非常管用的。因为厂商想投标你的时候，他什么都答应，后来签合同的时候一定不答应，这个坑太大了。

 

我今天给大家讲一个真实的案例，我们今天上了一个人力资源系统，我在标书里面已经写得非常明白，无限次授权。但是人力资源系统又签了一个补充协议，补充协议里面写了，500个专业用户、200个什么什么用户、300个什么什么用户，特意写在补充协议，后面用一个很小很小的字写上去。这个补充协议我没有看到，等到现在就来扯皮了，无限的授权和有限的授权差别就大得去了，他说你签了补充协议，我现在就给你500个用户，超一个都不可以，超一个就补钱。我说标书是这么讲的，他说你跟我签了一个补充协议，到底是前面大、还是后面大，讲不清楚。因为现在也上了，只好妥协了，没办法。但是如果这个东西给我看到了，我这句话一定会把它干掉。这个坑太大了，要付出多少代价呢?基本上是投入中标价的一半价格再去买他的用户数，这还得了吗?所以这里面的坑太多了，我不再给大家分享了。

 

接下来问一下邓总，你觉得在做数据治理的时候有什么坑?

 

邓遵红：为什么范总让我上来我也上来呢?因为我们在这方面的确做了一些事，我们在5年前做了一个IT的整体规划，就提出三个中心：云中心、数据中心、流程中心。数据中心就是数据治理这一整块的事情，我们在这个大规划下面当时有很好的条件，就又做了一个咨询，请一家公司帮我们做了数据治理的设计体系规划，这样我们就在这个基础上做了。其实跟昨天蔡总讲的整套东西基本上是差不多的，但是这里有重要的几点跟大家讲一下，谈不上是经验。

 

第一是目标要合适，为什么目标要合适呢?现在大家言必称“大数据”、言必称“数据创造价值”，但是我们在现阶段下能够做到什么样，这是很重要的。或者说我们上上下下达成的共识要达到什么目标，也就是说我们的目的是什么，目标肯定是数据创造价值，但是这个价值是从一般的统计上、还是决策上、还是日常管理、还是销售、还是拓展新的业务，它是不一样的。所以在最开始的时候不宜于定得太大、太全。

 

第二是为什么我刚才讲了一句“数据是有主的”，这么多年我一直坚持，如果大家沟通到这一步，你的项目就好做多了。这个项目出来之后，一定要找一个它受益的组织来主持这个项目。大家也知道，他可能没那么多专业知识或者能力或者精力做这件事情，没关系，把名挂上，事可以大家一起做。所以我们就有一个资产管理部，数据资产我们就请他来牵头，由他牵头这个事就好推动了。

 

第三是关于项目的推动，这个推动千万不能变成一个IT推动，因为你有Owner了，他可以去做推动。同时我们这个项目是一个持续的项目，我们集团每年会把它作为最重要的工作列入工作清单里面推动。同时是用，我一直认为一个系统或一个平台没人用就白花钱，有人用就还有点价值，有人用你就可以持续的改进。最后一点是持续的投入，大家都知道信息化的建设过程中，它只是冰山一角，但是很多系统建设过程中都存在建完了就以为万事大吉，给到用户也是、给到管理部门也是，觉得这个干完了。项目启动的时候要告诉他，这次的投入只占到整个生命周期的5%，后面还有继续投。如果没有持续的投入，你想把一个东西做好，我觉得有点痴心妄想。还有一点大家都强调的就是标准，数据本来就是在一个标准下定义的东西，没有标准什么叫数据?所以没这么悬，它就是标准，没有标准就没有数据，这个标准是基本的东西。

 

如果说经验的话，我觉得我们在我的过程中要关注到这一点，说教训有没有呢?杨总刚才说到处都是坑，老实说我一向不认为别人在给我挖坑，我也认为你掉进去的不一定是坑，这是你该走的路。为什么呢?谁都不可能保证你看清未来，合作伙伴也一样，看不清未来我们就会遇到一些波折，我们就去克服它，一起去解决它。我有一个具体的例子，我们做好了，而且用得不错，业务部门说我们原来最常用的就是分析决策部门、参谋部门，以前开一个季度会要花多久去准备，现在只要10分钟。其实数据对他来说已经不用时间，他只需要把模版套一下就行了。

 

但是有一次突然开会的时候就有另外一个部门战略部门跟我说，数据似乎不太准确。我说没有听说不准确啊，他说你没有听说是因为你看到的是准确的，我看到的是另外一些东西。因为有些东西是没有人关注的，但是他们做战略研究会看别人不看的东西，这算是一个教训。你不要以为你每天车开得挺好就没问题，它的问题可能是你没发现的，你要不断的去把所有可能的用户去问一问看有没有这个问题，这也是用的过程要解决的。

 

最后要强调的是，在商业机构做信息化是做生意，不是做科研，一定要关注成本和产出。如果你的成本产出不合适，最后肯定会挨骂的。刚才杨总在报告的时候也讲到说，IT有很多浪费。我做了这么多年，IT在座的各位扪心自问，我也认为的确有很多的浪费，包括采购的东西不合适重来。第一次做完没人用就费掉了，第二次又做。我们的主业是做地产的，我们老板经常跟我们说，IT建设可不能像地产叫大拆大建，拆了又建、建了又拆，一个事情做完之后要一直用。如果我们好好的看看IT的浪费，肯定对我们的整个日常工作、项目的管理、包括我们的眼界都会有很大的提升。

 

我就说这么多，谢谢!

 

杨大寨：我看大家的精神状态都还好，时间还有10分钟到1个小时，我刚才在看时间，我们按10分钟来算，尽量的控制在5个问题。我们这边回答，无论是哪个回答，言简意赅，我们尽量在2分钟解决一个问题，有5个问题，正好10分钟就过去了。大家看好不好?哪位同志先来问?你可以先自报一下家门，看看问谁，或者问大家都行。

 

观众：杨总，你好，我想问你。我是周德斌(音译)，我是做制造业的，给博世代工。我们制造业里面和安徽投资集团做金融信息化建设的差异性，因为未来我们也想在投资方面有一点小小的业务。谢谢!

 

杨大寨：我尽量两分钟回答你，正好我在制造业也干过，在金融业也干过。我告诉你，这两个领域的信息化差异还是比较大的，因为制造业比较单一，所以我们可以找到一个成熟的产品，一般我们会做ERP系统、SAP，诸如此类的国内的一些产品可以选择。但是在金融领域或者在投资领域里面差别是比较大的，因为它更关注的是金融的一些属性，比如说投资、产业、金融等等的东西，它和制造业的差异还是比较大的。

 

如果说你要从制造业再去做金融，我给你提供两个建议：第一，思路要转变，因为制造业的很多思路会用ERP的一些思路去套。你有这种思想是对的，但是到金融行业里面一些ERP等等理论是不适用的，这个可能是要转变的。第二个建议，因为我自己是从制造业做信息化系统，然后到金融里面做信息化系统，严格来讲我是学习了很长时间的金融知识，比如说现在在学基金，我花了很长时间在学母基金、子基金、LP、GP，如果我不把它学会，实际上我这个系统到底怎么建，怎么跟这些部门沟通、怎么跟老板沟通实际上是没有办法的。但是我的信息化知识够了、我的IT知识够了，但是那个领域是我的空白，所以我花了很长时间补金融的知识。如果你想要转做这个行业，而且要做一个比较好的CIO，一定要补金融的知识，这是我给你的建议，谢谢!

 

观众：我想问一下邓总，我是来自一汽解放的，我们现在面临的一个主要的问题是，我们如何做数据架构的管控，我们现在对已有的软件包模型和未来要采购的软件包模型没有一个比较清晰的管控的方式方法，请问邓总，您这方面是怎么做的?

 

邓遵红：你这个问题挺好的，为什么呢?这其实是一个组织的问题，如果没有一个很好的组织，你就推不下去。首先是一个管理问题，其次是一个技术问题。因为我们当时有一个咨询的公司帮我们做。我的建议是，因为你们的体量已经很大了，你们可以找一个公司或者找一个专家给你们做顾问，他可以给你一些经验。我们是怎么做的呢?我们在组织上成立了一个数据治理委员会，这个委员会是我和owner两个人牵头，有一套制度。至于技术的架构、技术的支撑，你肯定要采购一些东西，你想清楚之后有针对性的去采购。当然最好是多找几家看看，找几家甲方看看、找几家乙方看看，这样相对比较合适。你的问题相对比较笼统，我的回答也相对比较笼统，欢迎你到我们公司做客，我们就具体问题再聊。

 

观众：因为您提到组织的适配问题，我们现在还面临一个问题，我们在业务部门想选择数据管家来帮助业务和IT把数据治理好，我们现在对于数据管家选不出来人，您怎么选择数据管家，他要具备什么能力?

 

邓遵红：我告诉你，很难找出一个非IT的人来干这个活，但是也要找一个，我们带着他干，干一段时间他就会了。我经常讲一句话，你别指望业务部门的人来了解IT领域的东西，他没有这个义务，他也比我们去了解业务更困难，那就是要做什么事情我们先学会，然后带着他一起做。但是owner应该是责任者，我可以去帮他做事情，所有的事情我都可以做，签名是他的。我们很多的项目做完了之后都是和owner方一起申报公司的奖励、政府的奖励，大家一起申报，而且他们在前面。这样时间长了，你做一件事情的时候，有人愿意跟你一起合作。

 

杨大寨：看看哪位还有问题?那位有一位同志，戴帽子的。

 

观众：我想提一个关于数据权属的问题，我来自于南方航空，这个问题是请教大侠张总。现在大家都在提倡企业的数据云化，在云化的过程中产生了很多数据，这个权属问题是一直存在争议的，比如说我们把机票信息放到网上以后，机票信息本身应该属于南航，这个没有疑问。但是在这个过程当中，比如说订单处理、加工，在过程中产生的中间数据的权属归谁?比如说客人的分布、客人的社交关系，这些南航原来是不掌握的，云化以后它的权属到底是归像亚马逊这样的公司，还是说南航也可以享有?谢谢!

 

张侠：这是一个很好的问题，因为这个牵扯到两个概念，一个是非常重要的数据安全的概念，一个是数据隐私的概念。这个数据是这样的，现在首先这个领域其实有关的法规也都在演进，欧洲GDPR，我们这边强调PII，我们中国还定义了一个新的词叫“重要信息”，这个重要信息是什么，在现阶段有关部门还在讨论，他定义得太广，现在有些人建议不能这么广。

 

所以总的来说回答你的问题是这样的，作为我们企业，当你经手这些客户信息的时候，理论上这些信息如果没有法律规定，你是有这个权利对这些信息做一些分析的，也从中抽取一些信息为你的企业来做一些事情。但是整个过程不能违反相关的客户隐私规定，你要想分享这些信息给别人，你也不能影响这些规定。所以大致应该是这样的一个状况。那么云上面，其实我刚才坐在这儿非常难受，你们知道为什么吗?因为刚才听到大家说的这些事我非常理解，但是对不起，我想说那个时代已经过去了，那些坑你还去走，真的是听着太遗憾了。

 

比如说在云上从来没有一个user的概念，云上的数据库现在都是怎么定义的，是直接定义的，我要每秒钟能够写多少笔，都是这样定义的。也没有那些谈判了，也没有那些坑了，先买了设备，问题没有了，没有先买设备，不需要买设备，都是按使用量付费，谈的都是那些直接写多少数据、数据的通道、带宽是多少，全是这样的性质。当然另一方面，大家讲的事我非常熟悉，这是原来的一些老问题。为什么云成为IT的新常态，因为这些问题它完全换了一个角度。我昨天也讲了，你现在签合同，你不需要很大的运算，你工作了就往前走，硬件不用买了，直接学会怎么用这些工具，但是现在掌握这些的人比较少，很重要的是怎么有这些资源。

 

我刚才听姜总讲了一个例子，比如说库存，我有这些数据，我怎么知道数据已经积累了。现在不是这么做的，现在是怎么做的?我举一个亚马逊的例子，亚马逊的人工智能和大数据是怎么使用的，大概有几千个做人工智能和机器学习的专家，它的每一个产品放在网上，它后面都有人工智能机器学习的模型，这个产品放在网上根据历史的经验它的销售是比较缓慢上来的，还是上来就上来，然后慢慢又很快下去了，还是其它的情况。

 

这些东西好多还没有做的时候，相当于别说库存了，这个东西已经先有预测性的模型，然后来进行估计。因为库存是支持整个产品的，它后面整个的生产安俳、整个你和第三方供货的节奏，首先基于你对这个产品卖出去之后的一个时间节奏的理解。这个东西如果你不理解，后面的都市好几步以后了，这个东西每一个都有模型，人工智能的机器学习的模型预测这些东西是什么样的，在这个基础之上才安排库存。所以预测性、实时性真的是非常强。我坐在这儿，我说的话不知道是不是得人心，但是我作为一个参会的CIO圈的老朋友，这几句话我不讲我回去就对不住大家，我觉得大家要花点时间了解一下云时代这些东西怎么做。

 

那位先生讲的数据安全，我跟你讲，现在的数据用云的存储后面每一个数据被什么人在几点几分动过，全部都有记录，全部可追寻。现在整个数据比如说亚马逊有一个技术是用人工智能的方法在看哪个数据被谁动过，这个人对不对。比如说这个数据被动过，它是一个人攻击的数据，这个产品叫Mess。比如被某一个工程师动过了，它马上知道这是反常的，它会调研这个事，自动生成报告。所以安全方面有大量的新的工具，时间原因我没有讲这个，如果大家有兴趣，你请我去给你讲一讲。

 

另外我在网上有6个小时讲大数据方面的基本内容，每次1个小时，讲云的工具怎么做、工具怎么用，新的架构应该是什么样的，欢迎大家了解一下。也许最后你决定用回原来的方法，没关系，但是我真心希望你们了解一下。很多坑已经没有了，你要采用云的方法是不可能有这些坑的。当然这些不是说云是万能的，云本身也有很多新的问题，也需要大家来学习了解。但是有了这些新的东西之后，整个生态是不一样的。所以我坐在这儿听是比较难受的，实话实说。我参加很多会，我们这个会是相对来说这个东西大家谈得极其少，谈得很少，感觉好像是在10年前的状态。

 

杨大寨：张总讲的我坐不住了，我要反驳张总。我不反对用云，云上也有很多坑，张总可能是搞云的，他认为很多东西用云就可以解决。我告诉大家，它很多东西解决不了。我不知道大家有没有听过视频云，实际上它是一种公有云的方式。我们建立一种会议视频系统，既可以用传统方式去建，也可以用公有云的方式去建。我最初的时候是用公有云搭建这个系统的，我当时选择了一个很知名的云厂家。后来当我准备跟董事长汇报的时候，我听了他们的汇报就坚决停下来。还好那天董事长出差了，如果我跟他汇报用这种方式，我绝对是死定了。因为大家知道，作为CIO我可以告诉大家真的是如履薄冰。

 

特别是在我们企业里面，基本上我作为一个信息主管来讲，真的是一个系统都不能够失败，必须走扎实、必须成功，我的投入一定要成功，我们董事长是一个非常严谨的人。后来我把经办公有云的人叫过来，我觉得这个有问题，我们再用一个星期的时间调研一下，到底是用公有云好，还是我们自己来建一套系统好，后来我最后就建了一套系统。我可以告诉大家，从短期来看公有云的视频是要便宜一点，长期来看并不便宜，而且里面有很多很多的问题、很多很多的坑。后来我大概用了一个星期的时间，我证明了这个事情不能做，我花了一个星期把它改成现在目前的状况。现在在集团里面，我们全用这套系统来建，非常稳定。我说我当初得亏我把它刹车了，我非常相信当时我底下的人去干。否则讲一句实在话，我今天就可能不是代表投资集团到这里来讲，我们的董事长真的是零失误的人。

 

当然我不是反对张总，我很赞成云，但是云并不能够解决很多的问题。我可以告诉大家，本来我的人力资源系统是要走云的，但是后来给我否决了。在传统的国有企业里面，我告诉大家，你们千万不要走公有云。谢谢大家!

 

张侠：我说一句，因为杨总说的说句实话，你刚才讲的时候，我坐在这里心安理得，一点都不紧张。因为我觉得第一他说的跟我说的没有矛盾，第二我估计那个失败的做法也不是我们。

 

姜波：其实从应用模块和应用模型来说，包括AI，我自己搭了一个AI平台也能解决这个问题，它没有任何的区别，无非是亚马逊提供的东西可能比别人的好一点。但是从目前国内的层级来说，目前公有云确确实实比不上私有云，为什么?公有云的服务能力，因为企业管理系统多样化，公有云厂家的服务能力和快速部署及实施的能力跟传统供应商相比差别很大。当然目前的能力也是在逐渐的提升，至少搭服务器能快速部署，但是我说的部署不是系统搭起来快，而是真正让系统落地。

 

比如说一个ERP系统，云的ERP能够快速部署上去，我觉得目前来看和传统的速度基本上差不多。这是一个壁垒，绝对没有这样的系统，也没有贴近管理需求、解决管理需求越好的公司的时间会越快速给你部署上去，绝对没有这样的。市场上就没有这样的东西，操作易用性和操作功能全面性，这两者之间永远是一个矛盾。当然我们是传统企业，我们认为这个东西要成长，也可能未来会达到这一步，但是都是软件供应商，都是应用供应商，难道亚马逊的库存管理模块会超过SAP吗?我们觉得这个东西毕竟是一个干了三五十年的企业，和一个干了十几年的企业。当然商业智能会加速一点，但是我不认为它现在超远了。

 

张侠：这么明确的挑战我，我也不准备都来反驳，我和姜总是好朋友，但是有几句话我非常简单的说一下。你刚才说的我有一半是同意的，关于公有云的一些优势是同意的，关于公有云的劣势还有一些问题的，如果有时间我会彻底的反驳，当然我们需要单独的时间。今天晚上如果大家吃饭或者明天任何时候、任何一个人问我，我会讲这个事。

 

亚马逊是简单的一句话，亚马逊并不声称我们有任何的现成的解决方案比别人好，我们做到的事是帮助每个客户提供最好的工具，而他自己建成一个世界一流的东西。这和原来的信息化厂商供应给你一个现成的交钥匙的是不一样的，只有我们两合作才能成功，我不可能自己员工。

 

我明确的说，私有云比公有云好，我是完全不赞同的。这句话我可以放在这儿，而且公有云真正的好处每个私有云都实现不了，私有云是虚假的假的云的概念。我就说到这儿，如果你们愿意听我就马上告诉你为什么。

 

杨大寨：我觉得今天很热闹，几个教练掐起来了，我觉得这个好。我再反驳一下张总，我刚才说了，CIO具备4个素质：懂业务、懂技术、懂管理、懂协同，这是一个比较合格的CIO。我丢一句话给大家，如果你只懂得云，你一定从CIO里面马上就得离职了，等不到下一代了。

 

张侠：这句话完全同意，完全同意。

 

杨大寨：大家都在企业，我不知道有没有在政府的，你们会把你们的人力资源信息放到公有云上或者放到张总那儿去吗?我相信可能性不大。你们敢放，你们董事长都不敢放。

 

张侠：这个我说一句，其实刚才姜总讲到这个事，真正的公有云，他刚才提到比如说政府要这些数据，你给还是不给。我告诉大家，首先在云里面有很多虚假的不正确的概念，不是说我们这儿，在社会上包括一些其他的云厂商给了很多虚假的概念或者不正确的概念。比如说一个真正的公有云的数据只掌握在用户的手里，在公有云的数据既属于用户，所有的控制权在用户手里。如果政府找亚马逊要任何一个客户的数据，亚马逊想给，他给不了，他就没有。

 

在云上是客户自己加密，自己拿着密钥，是真正的公有云，不是假的公有云，后面还有超级用户。当一个企业告诉你他的公有云上面一个客户的文件，他以为是一个病毒，他就给它删了，你就应该立刻觉得这是一个很大的问题。我们都是搞IT的，如果一个人有权限删掉一个东西，他能不能拷贝呢?这个是很大的问题，所以你要了解。因此有些事情不是泛泛的争论，但是如果是一个真正的对的公有云，不可能出现刚才的问题。而且现在早已证明公有云比私有云和混合云安全得多得多，这是一个真正的公有云。

 

杨大寨：我觉得今天的效果非常非常的好，我们到此为止。我总结一下，第一，通过今天数据治理的分享，刚才5位嘉宾从不同的角度分析了做好数据治理应该注意哪些问题，要避免哪些坑，有哪些方法，有哪些工具，有哪些经验。今天更值得一提的是，今天张总跟我们几个教练之间的叫做争论或者是叫做讨论，我觉得非常好。我们转移一个地方，范总，好不好?如果大家觉得这个问题还讨论不清楚，我们可以到饭桌上面去讨论，好不好?

 

范脡：谢谢各位，或许我们一开始就采用PK的方式，把大家内心深处的观点激发出来，非常好。我现在唯一的一个感受是消化不良，但是意犹未尽。所以我想为台上的5位嘉宾，也为我们这两天分享的所有嘉宾，我们为大家献上最热烈的掌声，谢谢他们!我会建议一下今晚的餐厅准备一下话筒，直播，让大家尽量满足一下。谢谢大家!实在不好意思，因为我们今晚用的车在门口等了很长时间，新疆不允许大量的车和人聚集，所以一直在催，不好意思。

 

干货太多了，时间不够，何以解忧，还有信众智。我们会继续支持CIO之间的干货输出。