当下，“大数据”、“人工智能”、“区块链”等新科技接踵而至，房地产企业正进入全新的信息化时代。
房地产行业早期的信息化建设解决了从无到有的问题，偏重管理、控制、提效，在建设过程中沉淀了企业宝贵的数据资产。近年，诸多房企正加速挖掘数据对房企经营的价值，提出“精准营销”、“数字化运营”、“智能化决策”，其背后都是希望发挥企业数据资产的价值，通过对数据的加工和应用为企业发展赋能。
未来，数据将变成房企的核心资产，房企要像经营资本一样来“经营”数据。在本文中，我们就以Z企数据治理案例为样本，来看标杆房企如何更新数据治理理念和策略。
在这里相信有许多想要学习大数据的同学，大家可以+下大数据学习裙：957205962，即可免费领取套系统的大数据学习教程
数据治理核心目标
对高层决策和业务赋能服务
数据治理的核心目标是为企业高层及业务赋能服务的，同时一定是通过决策数据输出来反向验证数据治理的实际效果。由此，企业的数据质量决定了企业数据资产的实际价值。如何提升数据质量，也就成为地产企业数据治理的核心关注点。
在明确数据治理目标之后，首先，要识别哪些数据是真正支撑高层决策的。其次，要明确这些决策数据是由哪些业务数据及主数据构成。再次，要明确业务数据及主数据的数据标准。最后，数据质量的长期有效需要辅助相应的数据管控机制，最终形成数据治理整体蓝图。
数据治理整体蓝图
数据治理四大步骤
盘、通、用、策
Z企在冲刺千亿的进程中，通过明源云信息化系统的运用，数据治理成效显著。明源云主要基于房地产开发业务价值链，按照数据治理整体蓝图，进一步落地到具体动作梳理数据架构、数据模型和数据关系，从“盘”、“通”、“用”、“策”——全面梳理、制定标准、勾稽强控易用和业务可视四个层面自上而下分析、自下而上落地，展开数据治理的整体实施。
数据治理整体实施阶段
步骤一：“盘”
全面梳理主数据质量、锁定数据问题
明源通过对Z企高层管理者及主要业务部门的密集式调研，基于六大数据巡检模型——项目主数据、货值管理数据、销售管理数据、节点管理数据、回款管理数据、成本管理数据的巡检，结合行业经验，从基本资料、权责矩阵、数据消费三大维度对Z企的项目主数据进行全面巡查，明确当前项目主数据的应用现状及问题所在，了解主数据质量、锁定各数据问题。
❶管理规范方面：
1）业务标准待完善，项目管控范围（联合操盘）、分期的划分及命名规范、产品类型的分类标准、楼栋的划分标准需进一步完善明确；
2）权责划分待明确，对于每一个主数据指标的生产部门、维护节点、录入部门、审核部门、消费部门需要逐一明确，明确各个指标字段的权责划分；
3）指标库待清洗，现有项目主数据平台中的字段还存在无效字段，关键指标不完整，指标字段的定义、计算公式、字段类型等还有待明确。
❷ 系统支撑方面：
1）联动逻辑，针对主数据内部字段间的联动逻辑及与业务系统间的逻辑，落地到字段层级逐一兑现；
2）系统强控，根据梳理后的数据标准，直接固化在项目主数据平台中，形成数据的校验、提醒、预警及强控效果；
3）历史数据，针对系统目前存在的项目分期等历史数据进行全面清洗，清除管控范围外项目，补录新纳入项目数据。
❸ 考核机制方面：
1）维护人员能力欠缺，各城市公司运营专员对管理规范及系统熟悉程度不统一；
2）巡检规则待完善，项目主数据巡检范围仅聚焦在核心节点及面积指标，项目主数据的整体数据质量保障不足；
3）缺乏有效奖惩制度，对于数据维护质量的好坏缺乏相应的奖惩机制，数据录入人员对数据质量的责任承担上缺乏约束力。
步骤二：“通”
打通主数据与各模块间脉络，制定数据标准
根据Z企数据治理的痛点和诉求，明源通过主数据管理及重构ERP，打通主数据与生产、销售环节各模块间脉络，设计灵活的项目主数据管理业务功能及基础定义模块，满足各业务系统对接机制，支撑管理决策。基于新一代技术构建的ERP平台的应用，围绕货值、成本、销售、回款等决策指标快速迭代。
数据流程保障图
Z企主要面临的问题及对应举措如下：
❶ 货值、关键节点数据分析：明确土地储备、工程进度的节点等数据的统计口径和计算标准。
在管理制度上，基于最新三级管控要求，调整计划编制模板，剔除4、5级节点计划，降低一线计划维护工作量，统一计划管理维度到标段计划，明确历史项目计划刷新规则；
在系统落地上，统一节点信息入口为计划系统，项目户口簿为使用系统，不可编辑，同时，打通计划系统与项目主数据、土地系统、成本系统、销售系统等业务系统的联动关系。
❷ 项目总投入数据分析：梳理和明确土地费用、建安成本、三项费用等核心指标数据的统计口径和计算标准。建立颁布明确的管控机制，建安成本之外的其它成本大类定期补录至ERP系统；组织总部、区域、城市公司讨论会，评审并统一城市公司实施业务与管理要求；完善成本管理模块的各类预警和提醒规则，添加超底线成本预警和强控，推送至成本管控人员；系统直接取消中间科目管理模块，强控单价合同发生。
❸ 项目总收入数据分析：梳理和明确项目认购情况、签约情况、销售KPI达成率等指标的数据统计口径和计算标准。
一方面，组织总部、区域、城市公司讨论会，评审并统一城市公司实施业务与管理要求，主要包含两种情况，一是大量认购、换房变更情况下无法完成当天及时录入的情况，二是大量签约、网签当天做更名变更、换房变更及首期款未付完全的，会延后或提前转签约的情况；
另一方面，系统完善销售KPI（销售计划）管理功能，实现销售KPI达成率的线上统计，达到考核作用。
❹ 项目回款数据分析：梳理和明确当期回款金额、已签约未回款金额、当前实际签约额等指标的数据统计口径和计算标准。针对历史项目数据不准确的情况，建议明确牵头部门，对历史数据进行一轮清洗确认；其二，组织总部、区域、城市公司讨论会，评审并统一城市公司实施业务与管理要求，主要包含历史数据清洗规则和回款补录时间设定；其三，基于历史数据处理规则完成历史数据清洗；其四，优化销售系统与财务接口，ERP入账日期调整为不可编辑，同时通过接口实时获取财务系统款项入账日期，保证ERP数据的准确性。
此外，数据治理还需要相应的组织和制度保障，因此，Z企在完善数据治理后，还明确了信息系统主责各级管理部门的职责并赋予相应权利。完善《信息系统保障规范制度》，明确“系统应用规范、数据标准规范、数据巡检规范、考核奖惩规范”四大规范，以确保数据治理工作的顺利推进和长效执行。
步骤三：“用”
基于工作场景和需求，分类治理呈现数据
数据治理最终要解决各类用户看数据、用数据的问题，基于每类用户实际的工作场景出发，分析痛点，提供有效手段。例如，企业老总更希望能够实时的看到企业的整体运营情况，如货值、成本、销售、回款等数据，以便能及时作出决策、应对市场变化；而营销总更关注销售面积、销售业绩、回款情况、目标达成情况等，以便总览销售情况，并适时作出营销决策。
从前依赖于传统的一线手工填报等方式，货值、销售、进度、土地等数据统计都需专人负责，造成数据不及时、不准确，决策层想要数据需要到会议的时候才能看到，每次运营会议都是一次数据统计的大作战，痛点繁多，无法解决数据应用诉求。
Z企采用场景分析法，基于不同用户的工作场景需求，通过数据治理，解决长期以来的问题。例如，在数据呈现上，提供移动报表、PC报表、大屏展示三种查看通道，随时查看最新运营数据，在数据质量上，对业务数据及项目主数据进行全面普查治理，提升数据质量。
步骤四：“策”
DMP平台与移动报表结合，实现业务可视化
针对不用部门负责人对于数据的应用场景诉求，Z企通过DMP平台（数据管理平台）与移动报表相结合，将不同领导要看的指标直观的呈现出来，实现业务的可视化、移动化，为经营决策提供有效支撑。
计划关键指标展示图
在数据治理的保障手段上，Z企采用“721”框架开展数据治理专项工作。即70%的问题通过系统固化管理制度，落实管理思想，增加勾稽关系，降低使用难度，提高易用性等技术手段加以解决；20%的问题通过强化培训，日常巡检及公布排名等管理手段加以解决；10%的问题通过明确奖惩制度，定期通报，狠抓落实等考核奖惩手段加以解决，同时，以技术、管理、考核为抓手提升数据质量。
数据治理保障的“721”框架
综合来看，Z企在数据治理的实践上，基于现有主数据存在的问题和各部门的数据应用诉求痛点，站在全局对业务主数据进行规划和治理，建立数据标准和规范，提升数据质量，并通过721框架保障数据治理工作的展开，最后将治理后的数据通过大屏、PC屏和移动手机端的方式进行呈现，有效辅助企业高层决策。可以说，数据治理有效推动了Z企千亿目标的实现。
结 语
整体来看，数据治理是企业的一项长期工程，是房企数字化运营、智能化决策道路上必须攻克的一道难题。在房企的积极探索下，已然形成相对科学的治理框架，并成为了推动规模增长的关键要素之一。相信未来一定会有越来越多的企业如经营资本一样来“经营”数据，从数据治理的目标出发，从盘、通、用、策四个维度发力，有效提升企业数据质量，真正发挥自身数据资产价值。
