作为一个深深扎根于技术领域的人，我一直与我的技术专业同行产生共鸣，然而，数据领域有一个被忽视的方面：非技术领域专家的潜在贡献经常被低估，在数据供应链中没有得到充分利用。

这个问题的核心是围绕着“人物角色”的概念。IT和工程部门历来是数据基础设施的骨干，在其体系结构和维护中发挥着举足轻重的作用。

这使人们相信，数据治理和主数据管理领域最好留给那些能够对解决方案进行“编码”的人，然而，这种观点忽略了自动化和技术修复范围之外的微妙挑战。

数据治理的现状

年复一年，公司追逐最新的技术创新，但他们进一步偏离了解决需要领域专家的洞察力和专业知识的系统性数据管理问题。

这些领域专家经常因为缺乏技术专业知识而被排挤在一边，他们拥有关于数据本身的宝贵知识。在自助服务时代，他们的角色传统上仅限于数据“消费者”。

然而，我们正在过渡到这样一个时期，在这个时期，这些专家将成为全公司数据的“生产者”，这一角色与他们之前的贡献有很大不同。虽然领域专家一直通过ERP和CRM等系统参与运营层面的数据生产，但他们对公司总体数据叙述的影响微乎其微。

考虑许多公司中的一个常见场景：跨多个系统管理客户数据。客户数据的碎片化需要集成点，各种数据流在此汇聚，以实现报告、RPA、AI和开票等目的。

虽然数据仓库和数据湖在这一过程中发挥了作用，但它们主要以IT和工程为中心，忽视了领域专家的关键输入，这些专家可以识别相互冲突的数据记录，并对数据的准确性和完整性做出明智的决定，影响下游和上游系统。

增强领域专家的能力

随着数据行业倾向于去中心化，在数据治理、主数据和数据质量方面缺乏健壮的框架变得非常明显。

许多公司普遍存在的问题不是数据量太大或缺乏技术选择，而是错误地假设他们的数据天生就适合洞察、AI应用和民主化，这种误解掩盖了真正的挑战：需要一种整合领域专业人员专业知识的全面数据管理方法。

实用AI应用的出现标志着数据治理历史上的一个分水岭时刻，这项技术不仅是自动化的工具，它还充当技术领域和商业领域之间的桥梁，它提供了一个平台，业务专家可以在其中对数据策略和决策流程做出有意义的贡献。

由于具备必要的技能，技术团队最初承担了数据治理的重任，然而，这种格局正在经历一场变革性的变化，我们正站在一个令人兴奋的时代的边缘，在这个时代，数据治理将在技术和领域专家共同参与的协作方法的推动下获得动力。

公司可以促进IT和业务单位之间的协作，并通过实施几个关键战略来增强和支持数据管理和数据治理方面的领域专家。

树立统一愿景：一致始于对目标的共同理解，IT和业务团队都应该参与制定数据管理和治理的目标，这种协作流程可确保数据策略同时支持技术和业务需求。

创建跨职能团队：由IT、业务部门和数据治理部门的成员组成的团队可以促进特定数据项目的协作和工作，确保从技术和业务角度考虑数据管理和治理的所有方面。

确定责任：明确地表明，领域专家的目标是成为实际终端数据产品的所有者，IT将在交付和基础设施中发挥重要作用，但领域专家负责改进和丰富数据本身。

结论

展望2024年及以后，对数据治理的重视对每个数据领导者、实践者和组织领导者来说都将变得越来越重要。数据治理中尚未开发的潜力是巨大的，有望释放出显著的ROI，并释放出AI的全部能力。

数据治理不仅仅是一项IT倡议，而且是一项战略性的业务努力，是实现数据民主化和推动创新的关键。

数据管理和治理的未来是一个包容性的未来，技术专家和领域专家的洞察力和专业知识都同样受到重视和整合。通过采用这种协作方法，公司不仅可以解决当前的数据挑战，还可以为未来AI和数据民主化的进步铺平道路。

将数据治理从纯粹的技术学科重新定义为一个协作的、跨职能的领域，不仅是必要的，而且是在数据领域释放效率、创新和价值创造的新水平的机会。