张玉明先生是IBM副合伙人，IBM Consulting金融核心锐变团队数据转型与创新负责人，主要关注于金融行业数据中台、大数据战略与分析咨询、数字化战略转型、企业级数据治理及数据资产管理解决方案等方面。张玉明先生拥有超过15年的数据咨询与实施项目经验，领导过多个金融企业的大数据分析与人工智能技术应用、大数据应用架构、数据运营体系、业务咨询乃至系统实施项目。
殷峻先生是IBM Consulting金融核心锐变团队的资深咨询顾问。他有着超过20年的IT咨询与服务的工作经历，专注于为大型金融机构提供企业数据管理以及风险管理的解决方案。他在数据管理、风险管理和数据架构方面有着广泛的知识和技能，曾担任多个数据管理、风险管理项目的关键角色，在金融行业的信息系统建设方面有着丰富的经验。
殷峻先生是IBM Consulting金融核心锐变团队的资深咨询顾问。他有着超过20年的IT咨询与服务的工作经历，专注于为大型金融机构提供企业数据管理以及风险管理的解决方案。他在数据管理、风险管理和数据架构方面有着广泛的知识和技能，曾担任多个数据管理、风险管理项目的关键角色，在金融行业的信息系统建设方面有着丰富的经验。
程倾是IBM Consulting金融核心锐变团队的高级咨询顾问，她具备5年以上的金融行业数据战略规划、主数据、数据安全、数据标准等领域的咨询经验，为大型银行等金额机构提供数据治理、数据分析等方案及数字化转型服务。
王莉女士是IBM商业价值研究院的高级咨询经理，担任IBM全球高管调研项目和对标分析项目的大中华区项目负责人。她拥有15年以上的管理咨询和管理研究经验。王莉女士目前所关注的研究领域包括数字化转型、无边界企业、人工智能等，旨在帮助各行业客户创造新的商业机会、发现和传递价值。
数据治理工作的关键在于提升边际收益
不是所有的数据都具有相同的价值和重要性，通过集中精力处理关键数据，有助于解决重点和难点问题，同时优化资源分配，实现更大的治理效果和业务回报。
聚焦价值主线，实现数据治理“破茧化蝶”
主数据是企业最为关键的数据，应该围绕主数据开展数据
认责1,建立和完善主数据标准，同时梳理和修复管理流程的断点，从而为数据治理带来事半功倍的效果。
行动指南
深度优先、以点带面、协同推进。
ChatGPT是人工智能研究和发展的一个非凡的里程碑，面对生成式AI的卓越表现，CaixaBank首席执行官Gonzalo Gortázar感叹“生成式人工智能模型在同一时间给我们带来了惊喜、惊叹和惊吓”2。与此同时，企业也面临加速采用生成式AI的巨大压力。根据IBM最新的调研结果2,75%的受访CEO认为企业的竞争优势将取决于是否拥有最先进的生成式AI。CEO们看到了生成式AI的巨大潜力，但只有29%的高管认为组织内部已经做好了充分的准备。
企业中缺乏明确的数据计算和报告流程、数据集之间的标准/格式/频率不统一、对数据源可见性较差等萦绕在管理层心头多年的数据问题，依旧是阻碍企业拥抱和开发自有生成式AI应用的极大障碍。
实际上，在生成式AI出现之前，各类组织围绕数据问题已经开展了持续多年的治理。随着国际数据管理协会在2015年发布数据管理知识体系指南(DAMA-DMBOK),数据治理工作越来越多地得到企业的关注，并借鉴数据治理体系框架来提升数据处理能力和数据质量，进而推动企业的数字化转型工作。
一方面，企业在数据治理的框架下，从数据架构、元数据管理、数据标准、数据模型、数据质量管理等多个方面，投入了大量的人力和资源来提升业务数据的数据质量。根据McKinsey的估计4,一个中等规模的金融机构每年在数据治理上的投入大约在2000万到5000万美元之间。另一方面，在作出了诸多努力和尝试后，企业面临的数据问题和挑战似乎并没有减少，治理效果与预期之间似乎总是存在差距。据Gartner的估算5,企业每年因为数据质量问题而需要付出平均约为1290万美元的额外成本。
数据问题就像悬挂在数据管理者头顶的达摩克利斯之剑，在坐享数据带来的各种分析能力和深入的业务洞察的同时，还要时刻感受各类数据问题所带来的恐惧和困扰。而解决各类数据问题的成本和收益更是数据管理者不得不考虑和平衡的关键因素，毕竞企业的资源和投入都是有限的，需要在数据问题的优先级、重要性、影响性等多方面进行权衡，力争实现一举多得的工作成效。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
