8月31日，由中国金融杂志社、中国信通院云计算与大数据研究所共同主办的“第二届金融数据治理论坛”在北京举行。金年会首席数据官黄万忠在主会场发表题为《苏格拉底的申辩 数据治理效果评估困境和探索》的演讲。
黄万忠从数据治理发展趋势、银行数据治理实践、数据价值释放、探索金融数据治理新模式、数据安全体系建设、数据治理价值评估困境与探索等多个维度探讨数据治理新动向。
以下为观点实录：
历经近二十年，国内金融行业数据治理的理论和实践发展到了一定的阶段，从国外DAMA数据管理体系的引进，到各类数据治理国标、信通院数据资产管理白皮书等优秀方法层出不穷，可以说是百家齐放。行业里我们有了数据治理管理体系、有了数据资产价值评估方法，但却鲜有数据治理效果评估的方法和标准。这就对数据治理从业人员带来了极大的挑战。
经常会遇到数据治理从业人员花了浑身解数，但不被业务部门或者企业领导所认可，数据治理的实际效果无法被准确衡量，经常经历冰火两重天。数据治理从业人员经常遇到如下困扰：
1. 做了那么多治理工作，为什么监管报送还要被处罚？
2. 领导不太满意，觉得做的不好
3. 业务部门没有感觉，觉得对业务没有价值
4. 报表出数很慢，得不到想要的指标
5. 数据质量还是有那么多的问题
6. 数据治理很被动，没有全行级机制
7. 只是把数据治理当成一次性活动
8. 数据标准落标往往会被妥协
9. 总觉得数据治理全都做了，又全都没做好
10. 数据治理的热情随着时间在衰退
……
类似这种困扰还很多，都是数据治理从业人员的头上悬剑。数据治理的效果究竟是好是坏，因为目前鲜有可量化的标准，让数据治理团队在汇报时诚惶诚恐。
这种窘境让人联想到在公元前399年古希腊哲学家苏格拉底受审时所作的辩护。当然，苏格拉底是最有名的西方哲学家之一，他的申辩铿锵有力。而我们数据治理执行团队的情况就显得悲惨一点。所以我们也需要一种理念，来应对数据治理效果评估，那么我们该如何从容地、有体系地来解决数据治理效果评估的问题呢？
黄万忠提出了数据治理效果评估的思路：即从数据治理能力和数据治理实际效果两个维度来评估。
数据治理能力指的是有没有能力做好数据治理这个工作，体现了主观性，比如从组织、制度、流程、岗位建设等来推动。这些工作做好了，未来有可能让数据治理变得更好，但不一定马上见效，是有时间滞后的。投入不会立即见效，多久见效则体现了数据治理团队的能力和方向的准确与否。
数据治理能力提升的领域包括：
● 一把手工程
● 企业运营机制保障
● 相对充裕的人力资源投入
● 转变观念，视数据为企业关键资产
● 体系化的数据治理方法
数据治理效果实际效果评估则是数据质量等实际可以量化的内容，这是一个静态的表述。一般情况下，实际数据资产的效果是可以用量化指标来衡量的。它的领域包括：
● 质量持续提升，可量化
● 监管好评
● 很好地支持了数字化转型
● 充分融入业务，对准数据价值
● 赋能数据共享和交换
● 文化融合，言必谈数
从能力和实际资产情况两个维度就可以很好地来评估数据治理的效果。像国标的DCMM数据管理成熟度评估是在衡量数据治理能力，而数据质量平衡记分卡则是在衡量数据质量的实际情况。两者合一，都可以较好地说清楚数据治理的效果。
根据苏格拉底的无知之知的哲学理论，黄万忠提出了数据治理能力“无知之知”的理论。数据治理从业人员和汇报对象根据这个理论也可以分为5类：
第一类是不知道自己不知道：自以为什么都懂，其实什么都不懂，狂妄自大。
第二类是固执于自己的无知：这种状态常见于立足于己的偏见或者信仰的盲目。因为自己的无知不断用各种理论或说辞来强化。貌似正确，却往往是无差别暴力和破坏的根源。
第三类是知道自己不知道：对数据治理的未知领域充满敬畏，准备随时再丰富自己的知识库，比较谦虚随和。
第四类是知道自己知道：数据治理方面有多年经验，且抓住了数据治理的客观规律，提升了自己数据方面的认知。能够正确的引导、指导数据治理团队工作。同时，保持不断学习先进同业的心态，积极进取，取长补短。
第五类是不知道自己知道，是最高境界，数据治理领域有非常深的造诣，同时敬畏谦卑，无知胜有知。
值得注意的是，这里的“无知”是个中性词，没有贬义的成分，这是从数据治理从业人员的认知状态的简单分类，无意冒犯任何从业者。
数据治理执行团队如果遇到第三类领导，或者团队中有第三类人，那么数据治理工作只要坚持，注意方向别出错，还有很大几率成功。如果遇到第三类，则成功指日可待，基本上会很顺畅。如果有第五类高手指点，那么整体工作会变得更加卓越。
数据治理团队如果遇到第一类和第二类，也就是针对不知无知&固于无知这类的情况，一定要注意技巧和方法。这一类一定要攻坚一把手，然后使用敏捷的数据治理法使工作快速见效，同时避免冲突、保护数据治理的执行团队，同时寻求业务的支持。
黄万忠在数据治理论坛上表示，金年会于2020年推出了十大推进模式（目前是3.0版本）中的两种方法可以协助破解 ” 不知无知&固于无知” 的情况，即面向业务分析驱动模式和监管驱动模式，自下而上让领导看到价值，然后往前推动。金年会ABIF数据分析价值提升框架，可以帮助提升业务价值，从而来反推数据治理。
黄万忠对该模式的应用和价值做了详细解读和举例，举例关联资金链专题可以用银行交易转账做数据挖掘，然后反推数据治理。让业务部门看到数据质量实实在在的进步效果。
黄万忠最后建议，解决数据治理效果评估的问题，还是要先从数据治理从业人员自身能力入手，认清不足，抓住规律，保持空杯，灵活变通，进而努力去达到”无知之知“的境界。