CDA数据分析师 出品
主持人：王海龙 视频制作：焦亚丽
采访嘉宾：CDA持证人 崔爱军
编辑：Mika
主持人：
今天我们邀请到了崔爱军来参加我们的CDA持证人专访！崔爱军可以和大家打个招呼！
嘉宾：
大家好，我叫崔爱军，毕业于华南理工大学。目前就职于时代中国这家地产50强公司，任集团数据中台负责人，主要负责数据相关平台的规划、建设及运维，同时负责数据架构、数据标准、数质量、元数据、主数据等数据治理工作。
点击下方视频，先睹为快
http://mpvideo.qpic.cn/0bc3cmag6aaadyalfrtebrrvae6dn4jqa3ya.f10002.mp4?dis_k=31c7a025c4be557d3c49caa023dfda19&dis_t=1668669403&vid=wxv_2650167665092968454&format_id=10002&support_redirect=0&mmversion=false
问题 1：
在地产行业做数据分析还是比较新颖的，可以给大家介绍一个具体的相关行业数据应用案例吗？
//
嘉宾：
好的，我知道大家印象里面地产行业比较传统，它的管理手段相对也比较粗放，数字化进程也相对缓慢。
但其实呢，这几年随着互联网 浪潮的冲击，地产行业的数字化转型正进行得如火如荼，我们时代中国算是比较早开启数字化转型的地产公司。
从2017年开始至今，经过5年多的建设，已经建成80多套信息与数据系统或平台，覆盖集团的各个业务条线，做到业务数据从秒级到天级的多频率更新，赋能业务的统计分析。
说到数据应用案例，就拿我们房地产行业的关注现金流和利润来说吧。
我们除了做到对集团已发生的现金流和利润进行高效统计汇总，对未来的现金流和利润情况我们也构建了测算模型进行预测，我们整合了项目的主数据、楼栋产品价格数据、房间销售数据等多个数据源的业务数据，叠加了项目的节点信息和相关销售计划，设置了多个业务线条的预测规则和业务标准，经过中台计算后就可以很方便地输出未来三个月、半年及一年分月的现金流和盈利状况，支持我司高层进行多场景的业务决策，如：投融资、项目拓展、销售铺排等。
问题 2：
我看您负责了较多数据治理的工作，什么是数据治理，它与数据管理/管控有区别吗？
//
嘉宾：
这个问题很多人都有困惑，很容易混为一谈，其实，它们有时候真的可以互换，而它们具体的差异主要是侧重点各有不同。
数据治理侧重于企业顶层设计、战略规划方面的内容，是数据管理活动的总纲和指导，它指明数据管理过程中有哪些决策要制定、由谁负责，更强调组织模式、职责分工和标准规范，以及数据治理的蓝图规划，治理的整体目标、治理步骤路径及治理实施计划等。
数据管理侧重于执行和落实数据治理策略并在过程中给予反馈，强调管理流程和制度，涵盖不同的管理领域，比如元数据管理、主数据管理、数据标准管理、数据质量管理、数据安全管理、数据服务管理、数据集成等模块的管理办法及相关落地。
数据管控侧重于执行层面，是具体落地执行所涉及的各种措施，例如在数据建模、数据抽取、数据处理、数据加工、数据分析等数据开发过程中的预防、预警和纠偏措施。数据管控的目的是确保数据被管理和监控，从而让数据得到更好的利用。
总的来说，数据治理强调顶层的策略，数据管理侧重于流程和机制，而数据管控侧重于具体的措施和手段，三者是相辅相成的。那么很多时候描述这一整块工作的时候，我们就常常用数据治理进行概括了。
问题 3：
面对数据质量参差不齐，存在安全隐患，该怎么办呢？
//
嘉宾：
数据质量参差不齐确实是一个很普遍的数据问题。
它一方面主要表现为数据不全面。部分相关信息未能纳入系统管理, 从而削弱了应用软件的作用。
另一方面表现为数据不准确。提供的信息有误、工作人员录入错误或系统技术问题引起的数据错误以及数据采集的标准不统一都会导致垃圾数据的产生，进而影响在此基础上的一系列应用的准确度,数据分析系统也难以发挥出正常功能。
我觉得可以采取的对策主要有三点：
第一、需要完成业务在线化，提升系统的覆盖度，要将核心业务流程及业务操作迁移到线上，实现核心业务数据的在线及时更新。
第二、建立主数据、核心业务数据及指标数据的标准，规范数据的系统录入及数据开发的要求，落实责任人，滚动培训，定期考核，严格奖惩。
第三、建立集团数据质量管理体系，按照PDCA循环，通过人工报障和自动监控相结合及时发现数据问题，组织整改纠错，不断提高系统中的数据质量。目前，这几点在我们时代中国已经基本落地了，总的来看还是行之有效的。
问题 4：
地产行业的数据资产该如何建设？
//
嘉宾：
我有以下几点建议。
1、经营管理目标驱动。
不能为了数据资产建设而建设，而是服务于当下的经营管理目标，例如精细化管理供销存、提高费效比，有的放矢地进行资产盘点、治理和建设。
2、治理由点到面。
在绘制完整数据蓝图后，与经营管理目标联系紧密的数据先治理，紧密衔接业务与IT、协同管理与业务一线，共同完成对应主题的数据标准制定、指标制定、IT系统改造、管理流程搭建。在满足一定经营管理用数分析的目标后，分阶段逐步补充完整全部蓝图，并且针对已治理的部分要动态管理。
3、逐步完善资产管理框架。
数据资产建设不能全面铺开，而是一条线服务经营管理目标，将快速见效的工作优先级提高，另一条线全面周全筹划，将重要而不紧急的业务系统资产盘点、数据安全治理、元数据管理等工作逐步补充完整，同时引入相关的数据资产管理平台的相关工具与组件。
问题 5：
地产行业为什么需要数据中台,如何运转才能实现价值？
//
嘉宾：
数据中台的概念在前几年由阿里巴巴引入业界，之后迅速掀起了中台热。
现在在不同行业对于数据中台有不同理解和多种定义，在我看来其实数据中台可以理解为是传统数据仓库的升级版，它可以包含多个子系统，它与数仓最大的不同是它释放的高价值数据需要嵌入到业务运作中，因此对数据质量的要求非常高。
因此，除了有传统数据仓库的功能外，在数据治理、开发管理等方面做了非常大的加强，有力的保证了高的数据质量。
同时，在传统数仓分层中增加了标签层来对业务实体进行全方位的描摹，可支撑对客户的精准营销，在传统的支撑数据分析可视化应用的基础上，增肌了数据服务，可通过API集成对业务系统进行实时数据和模型共享，让提炼的高价值数据直接嵌入业务，赋能业务系统。
我们就有将供应商招标风险分析做成数据服务，通过API嵌入到供应链管理系统，在业务进行招标操作时选择好了入围供应商，数据服务实时返回供应商相关的风险信息，这几家供应商是否有围标风险、与公司内部员工是否有利益冲突等，大大降低了招标管理的风险。
