[原创]“生病”的数据怎么治？——让信息系统为数据治理保驾护航

身体病了找医生，那么，数据病了找谁呢？

数据也会生病吗？

随着信息化水平的不断提高，越来越多的企业积累了大量业务数据，甚至可以说是海量的数据，这些数据是企业重要的知识资产。如果说信息系统是企业的血管，那么这些数据就是血液了，其重要性可想而知。

然而，这些数据并不像我们希望的那样纯净，其中掺杂了许多无效的，甚至是错误的数据，就好像血液中夹杂了过多的糖分、蛋白质和脂肪后会危害身体健康一样，如果让这些“生了病”的数据在信息系统中继续流转，同样也会危害到企业经营活动的健康，比如市场推广、产品销售和售后服务等各个方面。

数据真的会生病吗？当然。在我们身边就有许多令人烦恼的例子源于“生病”的数据，比如：

• 你收到了两份相同的产品宣传手册，区别仅在于收件人的部门名称一个是现在的，另一个是以前的；
• 你收到了信用卡却无法使用，因为银行把你的身份证号码搞错了，所以不能开卡使用，而这个关键信息又是不允许修改的；
• 你已经在这家保险公司上了今年的车险，但仍然不断接到该公司其它业务代表的销售电话；
  
  ......

对企业来说也是一样：

• 每个分公司的销售情况都录入了系统，但是出来的报表总是一团乱；
• 同一款产品在销售和采购系统里使用了不同的编码，无法计算成本和毛利；
• 服务平台的产品信息总是跟不上产品更新的速度，没办法提供更好的服务；
  
  ......

望闻问切

造成数据生病的原因是多方面的，我们先从表现出来的症状上分析一下，大致可以归结为这样几种情况：

但是，这些系统分属不同的部门，同一个配置信息在不同的系统中出现，需要由不同的用户重复录入。这样做的结果是——既增加了工作量，又容易出错而导致数据不一致；此外，由于不同部门的命名规则和工作习惯不同，还可能造成同一个物料在不同系统中使用了不同的编码，或者同一个编码对应的名称不同；而且，由于数据还要在不同部门之间传递，势必造成了时间上的延误，造成特定时段内，不同系统的数据相互不一致的现象。

由于数据不一致，可能会导致库存统计混乱、成本无法自动生成、销售时无法自动核算毛利、维修时找不到销售记录等状况，进而影响信息系统的准确和高效，给企业的生产、销售和售后服务带来麻烦。

症状二：数据重复

重复的数据不仅增加了成本，而且降低了效率。

这种现象在客户关系管理系统中表现的最为明显。很多企业的客户信息库中存在大量重复的无效数据，有些客户的资料仅仅因为地址或电话的拼写错误或顺序稍有差异，就被当作两个不同的客户来对待，比如“北京市海淀区”与“北京海淀”，“010-12345678”与“（010）12345678”。

重复的客户资料导致了宣传品的重复投递，促销和回访的重复电话，使得营销成本和客户关系维护成本不断增加的同时，客户满意度却在不断下降。

症状三：数据错误

错误的数据比没有数据更可怕。

错误的原料库存可能导致过量采购，错误的成品库存可能导致延期交货，错误的销售数据可能导致盲目乐观，错误的成本核算可能导致利润下降。

以销售数据来说，除了商品的销售数量和销售价格以外，为了满足销售计划完成情况的分析，以及市场细分和销售预测的需要，企业还需要了解售出商品的地域、产品类型、销售渠道等信息。如果销售人员把这些数据搞错了，势必会导致销售完成情况统计不准，市场数据分析错误，销售预测偏差，甚至造成企业决策失误。

寻根溯源

乍看上去，这些症状都集中在信息系统当中，好像数据“生病”是系统原因造成的，实际上，也确实有很多业务主管相信，问题数据的产生完全是技术原因，正是由于实施了信息系统才产生了大量的问题数据。

这种看法是错误的，这也是阻碍数据治理进程，让数据恢复健康的最大障碍。

数据生病的主因其实在于业务部门。

信息系统只是一个管理工具，工具使用效果的好坏很大程度上取决于使用工具的人，而不是工具本身。事实上，由于业务流程不畅、业务部门条块分割、多头管理和本位主义，使得各部门在使用信息系统时仅从本部门的角度来考虑流程设置和管理标准，忽略企业整体流程的顺畅和优化需要，造成数据流转不畅，产生大量重复、不一致，甚至是错误百出的数据，严重影响了信息系统的使用效果，影响了企业整体的管理能力和工作效率。

当然，信息系统的设计漏洞和缺乏校验也给了问题数据以可乘之机，是数据生病的原因之一，同样不容忽视。

对症下药

生病的数据会给企业造成不可估量的损失，我们当然不能坐视，应该对症下药、因势利导。

既然业务部门是造成数据生病的主因，那就应该从打通业务流程，明确职能分工，加强部门协作，促进信息共享，健全管理制度等方面入手，努力改善业务部门的现状，减少问题数据的产生，避免不良数据带来的恶劣影响。

那么，是否信息系统对生病的数据就束手无策了呢？当然不是。

中医在用药上讲究“君臣佐使”的合理配伍，既能突出药效又能相辅相成，进而达到祛病强身的功效。给数据治病也是一样，仅仅治理业务流程是不够的，一方面企业的信息化程度越来越高，很多业务都是依赖系统完成的，业务流程的整合很大程度上就是信息系统的整合；另一方面，大多数的问题数据都是在信息系统中产生和流转的，治理“生病”的数据当然离不开信息系统的支持。

让我们来看一看，信息系统如何才能为数据治理保驾护航吧。

方法四：清理问题数据

历史数据总是病情最严重的数据。

我们可以通过前面的三种方法从数据的入口来把关，但是，对于信息系统实施之前已经积累的历史数据来说，存在的问题数据更多，病情更严重。所以，利用分析和筛选工具对问题数据进行清理，使问题数据重新恢复健康，就成为数据治理过程中不可忽视的手段之一了。

比如，通过对数据进行比较和筛选，找出重复、冲突和失效的数据，对其进行合并和删除，按照信息系统中的规范格式重新整理，使其能够并入系统与现有数据融为一体，为历史对比和分析提供重要依据。

方法五：提高用户自觉性

提高自觉性和责任心可以减少错误数据的产生。

对于人的错误，即使再多的系统校验也无法完全避免，只有通过建立公平有效的考核制度和奖惩条例，提高员工的重视程度和自觉性，才能从根本上减少人为出错的几率。信息系统可以为绩效考核提供考核数据，为事故追查提供原始记录，为实施奖惩提供可靠依据，保证考核结果的公平公正，促进员工对数据正确性的重视程度，提高员工正确操作系统的自觉性和责任心。

比如，通过信息系统记录用户在操作时的日志信息，保留用户在修改时的原始数据，一旦错误产生，可以据此追查事故的责任人，对比数据的前后差异，为处罚决定提供可靠的依据。

小结

随着企业信息化水平的不断提高，企业越来越习惯于根据信息系统提供的数据来作出决策，也使得因不良数据导致的危害程度越来越大。为了更好的发挥信息系统的作用，减少问题数据的产生，数据治理越来越受到企业的关注。

除了从业务部门下手之外，信息系统作为企业管理的重要通道和业务数据的主要容器，对于数据治理有着举足轻重的影响。

按照稳重提到的方法不断努力，减少新增数据的重复和错误，清理已有数据存在的问题，在企业内部实现数据共享，确保数据来源的唯一性，一定可以让数据健康起来。