数据战略的要素

组织只有制定明确的数据战略，才能释放其数据的潜力，从而帮助他们做出更好的决策。 从这些基本要素开始。

数据战略是一项行动计划，概述了组织如何收集、存储、管理和使用数据。 它包括数据短期和长期使用的目标，以及确保符合相关法律和法规的规则。

数据战略包含很多内容，从数据的获取、分析、保护和交付方式。 成功的数据战略包括分析计划，以便组织可以深入了解客户行为或其他业务趋势——这是整个练习的重点。

实际上，数据战略决定了公司如何将人员、流程和技术整合到一个真正可实现的统一计划中。

为什么需要数据战略

如果您不知道自己要去往何处，就无法判断进度。 数据战略使组织能够进行创新，使业务用户能够有效地工作，并保持业务竞争力。

如果没有适当的数据战略，组织会遇到以下常见的业务挑战

• 缓慢的业务流程
• 无法及时做出数据驱动的决策
• 未能理解业务的关键部分以及使它们正常运行的过程
• 对当前业务需求和目标缺乏清晰的认识
• 信息在业务不同部门之间的低效流动，以及多个业务部门复制真实数据来源（称为数据孤岛）

比较以数据为中心和数据驱动的组织

许多组织声称自己是数据驱动型或以数据为中心的，并且他们互换使用这两个术语。 但两者并不相同。 每个都有特定的应用。

以数据为中心的组织专注于数据本身，收集和分析数据以获取见解。 他们使用这些信息来告知有关如何运营业务的决策。 因此，数据被认为是用于竞争优势的宝贵资产。

数据驱动型组织采取更积极主动的方法。 如上所述，他们使用数据来做出明智的决策。 他们还会根据数据告诉他们的内容，积极地推动其运营和战略的变革。 这种类型的组织更加重视利用技术。 例如，预测分析和机器学习 (ML) 算法使他们能够识别大型数据集中的模式，以便他们可以快速地对这些发现采取行动。

数据战略的关键要素

有效的数据战略有几个方面。

业务战略

成功的数据战略加强并满足业务需求，以产生准确和可观的价值。

与业务战略不一致的数据战略可能会优先考虑错误的项目，产生无用的见解（针对错误问题的良好答案），并通过将稀缺资源分配给无利可图的活动来浪费时间和金钱。 遵循这样的道路很可能会导致组织对任何数据计划失去兴趣和信心。

如果没有高管的支持和业务负责人，数据战略就不会成功，这意味着这些高管需要了解该计划如何支持业务目标。 准备好展示数据如何支持他们的计划。

为此，请建立明确的目标和可衡量的目标，以服务于您更大的业务战略。

定义具有可衡量目标的路线图

设置短期和长期的量化目标。 数据计划的领导者负责在三个关键领域取得成功：收入增长、运营效率和安全/隐私风险管理。 根据当前对您的组织最重要的事项来确定这些事项的优先级。

每个部门或团队都应有其自己的本地数据中心目标，并制定一项行动计划，概述数据利用如何帮助他们实现预期的结果。 这通常需要在利益相关者之间进行谈判。

设定的每个目标都应附有可操作的、具体的计划来实现它。 计划应包括以下信息：谁拥有该目标、要使用哪种技术和流程、实现该目标的成本、所需的时间以及预期的结果。 计划还应保持灵活性，以应对不可预见的情况。

从所有这些得出的路线图使您可以将计划付诸行动。 有了路线图，您就知道自己身在何处以及想去往何处。

优先考虑相对容易实施并为企业提供快速成功的活动，同时评估旨在将当前状态连接到未来的每个建议的可行性和预期价值。

在您的数据战略路线图中包括以下约束

• 员工可用性和所需的外部资源
• 带有资本投资考虑的预算流程
• 可能限制可用资源的竞争性和同步性项目
• 重要的公司里程碑和十字路口，例如产品发布或并购

评估数据成熟度评估

在获得高管的支持并确定最终目标后，就该评估您生态系统的当前状态了。 考虑哪些方面运作良好，哪些方面需要改进以创建数据驱动的体验。 确定阻止您执行路线图的障碍。

您可以依靠现有的数据计划作为起点。 这些计划可以激发那些可实现快速成功的计划，找出您未曾考虑的障碍，并采取现实的、渐进的步骤来变得更加数据驱动。

不要对您可以利用可用资源完成的事情抱有幻想。 尽最大努力认识到现有的缺点、现有的痛点和弱点，无论它们涉及技术、流程还是人员。

评估数据架构

数据架构包括数据识别、摄取、存储、转换和分析。 一个文档完善且实施良好的数据架构对于有效、可靠的数据战略至关重要，因为它简化了在需要时扩展数据操作的规模。

查看现有的数据基础设施（我有时称之为数据平台），并分析业务用户已经如何利用它们。 这有助于识别需要解决的潜在差距。

下一步涉及根据特定需求（例如数据质量、数据合规性，当然还有数据的主要特征）做出以技术为中心的决策。 任何数据战略都需要正确的工具和技术才能按计划工作。

数据架构包括允许您设计数据价值链（数据旅程）的工具和流程。 它为数据如何以及在何处收集、存储以及不同数据源和应用程序之间的流动提供蓝图。 这些要素可能包括各种本地和基于云的硬件和软件。 目标是使利益相关者尽可能轻松地访问、共享和使用数据，并采取正确的安全控制措施。

构建数据架构的第一步是识别公司不同业务部门中存在的数据集。 如果您有数据目录，则数据目录可能对此目的有益。 将数据存储在单个存储库中，例如数据仓库或数据湖，对于有效地分析和处理数据是必要的。

显然，这是一个独立的项目，具体细节取决于您自己的商店。 您可能需要从不同的来源提取原始数据，并将其复制到目标位置以进行存储和分析。 您可能需要集成或转换存储的信息为另一种格式，以简化分析。 这就是数据管道进入整体图景的方式。

数据战略团队

合适的人员担任合适的角色对于确保采用技术和流程并实现业务目标至关重要。 数据战略团队通常包括来自执行委员会、业务分析和 IT 的代表。

创建一个数据战略团队，以确保每个人的利益都得到代表。 考虑一下组织中所有使用数据的人员，即使是那些工作职责并未表明数据是其工作的核心的人员。 当一个组织有多个数据集时，您应该指定哪个数据集属于哪个“所有者”，这意味着谁负责存储、处理和解释数据集。

运营模式决定了数据战略团队的结构。 一个组织可以订阅三种类型的运营模式：分散式、集中式和混合式。

• 分散式运营模式将职责分配给不同的业务线 (LoB) 和 IT。 使用这种方法创建数据战略称为数据攻击。 它认识到多个业务部门以不同的方式解释相同的数据。 它通过允许受控的数据转换以进行报告来适应这些不同的解释，这些报告可以可靠地映射回单一的事实来源。 这将产生一种协作方法，例如多学科团队或跨职能协会。
• 在集中式运营模式中，所有事情都由特定的执行职能部门负责。这种运营模式通常被称为数据防御，是一种高度集中、以控制为导向的数据管理方法。数据架构通常包括每个广泛数据类别的单一事实来源。这可以实现更易于访问的治理和更快的决策过程。
• 混合运营模式混合了去中心化和中心化模式，一个中央机构负责治理，整个组织中分布着去中心化的业务单元团队。这种模式带来了统一的数据管理，并为每个业务线提供了更多的自主权和灵活性来处理自己的数据资产。

没有哪种模式天生就优于其他模式。选择哪种模式取决于您的组织的规模和资源以及其数据需求。

评估和了解数据团队的技能。每个人的数据素养水平如何？您是否需要雇用具有特定技能的额外人员？您的员工需要什么样的培训？

虽然每个组织都不同，但这些角色是常见的角色，它们共同创建和实施数据战略

• 数据工程师是设计、构建、维护和排除数据流程故障的专业人员。他们负责创建高效的管道，以收集、存储和处理来自多个来源的大量数据。数据工程师开发工具和流程，使组织的利益相关者能够快速准确地访问这些信息。
• 数据架构师的功能级别比数据工程师抽象一级。数据架构师设计组织数据管理的蓝图，规划流程和整体数据架构和系统。他们还充当组织技术侧和非技术侧之间的桥梁。他们实施跨孤岛和业务部门管理数据的策略，指导数据管理和数据治理等全球战略，并指导重大举措。数据架构师通常在云迁移和绿地云设计中发挥核心作用。
• 数据科学家是一位专业人员，他使用科学方法、流程、算法和系统从管道传递的数据中提取知识或见解。数据科学家通常使用先进的技术，例如机器学习、预测分析、自然语言处理 (NLP)、人工智能 (AI) 和深度学习来分析大型数据集，以便发现可用于决策目的的模式。他们还开发通过调查或实验收集信息的新方法。
• 数据分析师使用数据来分析和解释模式、趋势和关系，以便提供可用于决策的见解。数据分析师通常使用统计技术（例如回归分析或预测分析）来识别来自大型数据集的有意义的信息。他们通过报告或可视化方式展示他们的发现，以便利益相关者可以做出明智的业务决策。
• 业务分析师帮助识别和解决与运营、流程、战略和系统相关的问题。业务分析师使用数据分析技术（例如流程映射和差距分析）来了解公司运营的当前状态，并开发可提高效率或降低成本的解决方案。
• 业务经理（有时称为数据所有者）监督组织或部门的日常运营。他们负责制定和实施战略，以确保其公司实现其目标，以及管理人员、预算、资源和运营成功业务的其他方面。他们还拥有他们的数据资产。
• 数据管理员负责公司的数据存储、隐私、安全性和合规性。他们通常负责确保系统安全，防止未经授权的访问或操作，并管理备份。
• 首席数据官 (CDO) 是一位负责企业范围数据战略、架构和治理的高级管理人员。

建立数据战略治理

数据治理制定流程和责任，以保证数据战略与业务战略的严格一致。随着业务的发展，其治理规则也必须发展。

您可能已经看过关于具有出色数据战略但失败的企业的故事。他们的数据战略听起来不错，但他们未能创建一个能够从数据资产向内部客户提供价值并从中产生足够利润的内部组织。

虽然您可以找到许多关于如何制定更好战略的建议，但需要更多关于如何执行这些战略的指导。

这就是为什么数据治理是任何成功数据战略的关键要素。它建立了对数据资产的控制权，并直接对数据战略的执行负责。

数据治理鼓励团队成员将数据视为有价值的资产，而不仅仅是业务运营的输出。该实践还确保每个人在处理数据时都遵循既定的政策。

解决变更管理

无论您的数据战略如何，它都必然会为团队带来很多变化，并可能带来新的责任或期望。如果您不考虑文化转变，您可能无法实现数据战略计划的潜在利益。

激励从事该项目的人员，并更加关注向那些您将颠覆其现有流程的人员推销“新方法”的好处。演示实施该战略如何帮助实现超出“节省时间”的业务目标。依靠您的拥护者和利益相关者来支持和保证您的 ROI 信息。

再次转向您的数据团队。为他们提供成功所需的知识和工具。这应包括数据素养、技术支持和业务目标意识方面的方向和培训。

最后，制定一个沟通计划，详细说明诸如谁接收有关流程或技术变更的信息或如何捕获指标等事项。管理层的支持在这里起着很大的作用。

您有您的团队。您拥有数据战略的要素。下一步是什么？您拥有开始考虑设计满足您需求的数据架构的构建块。

请参阅我们的电子书《Redis 中的 8 种数据建模模式》，以了解我们的发展方向。