符合业务目标的数据战略建设
我们都知道，战略是通往目的的手段，是企业取得最佳商业成果的方法。处于当今的数字化社会，企业需要满足实现数字化转型及数字社会的需求，提升企业数据资产价值，推动行业甚至社会面的数据流通及数据价值变现。因此企业更需要重视企业的战略部署。
数据战略是企业战略下的一部分，在早期数据的重视度不足的情况下，企业战略建设更重视业务战略的建设，在当前数字社会形势下，国家明确将数据要素定义为生产力的重要组成的情形下，企业意识到数据的重要性，也认识到数据治理的重要性以及良好的数据治理将是企业数字化转型的重要保障。因为作为数据治理体系的先行建设内容——数据战略建设也得到企业家们的重视。数据战略的建设目标是为了更好地支撑企业业务战略的实现，所以数据战略建设必须符合企业的业务目标。
关于企业战略、业务战略
及数据战略
▶ 定义
• 企业战略就是企业以未来为基准点，为寻求维持持久的竞争优势而做出的有关全局的筹划与谋略。• 业务战略是指把企业拥有的一切资产通过剥离、出售、转让、兼并、收购等方式进行有效地运营，以实现最大的资本增值。--MBA智库• 数据战略是组织开展数据工作的愿景、目的、目标和原则。它包含数据战略规划、数据战略实施和数据战略评估--来自《数据管理能力成熟度评估模型（GB/T 36073—2018）》
上图中企业战略架构说明了企业中各层次战略的主要建设内容及对应的企业组织架构位置。上图中另一个经典的战略调整模型节选自《dama-dmbok2.0》，在这个模型我们可以清晰地理解到业务战略与IT战略依赖关系。在《dama-dmbok2.0》另一张典型的信息模型（阿姆斯特丹信息模型）中，更详细地描述了从业务到IT的信息关系，我们可以从数据管理的角度上，将数据管理部分的内容与这个模型进行对应。
数据战略的重要性
好的数据战略不仅包括企业发展和运营的业务目标，还包括对实现这一目标所需的组织与人员、制度与流程、技术与工具的支撑和保障！（如下图）
· 在数字化时代，数据是企业重要的生产要素，企业战略的最终实现离不开对数据的有效利用。所谓数据战略就是指战略性地使用数据，以推动企业战略的实现。因此，数据战略目标应与企业战略目标一致，通过有效的数据治理让数据得到更加合理、有效、充分的使用，驱动业务目标的实现。脱离了使用，数据治理就没有了意义；脱离了业务目标，数据资产就没有了价值。
· 在当前的数字化转型大环境中，企业的数据战略是与企业业务和数字化战略相关联并衍生的。· 企业的数据战略将回答了以下的问题：企业将如何使用数据来产生价值——通常是通过数据驱动的洞察和业务流程，以及数据支持的业务模型(数据货币化)，企业如何管理数据以产生价值，即收集、存储、处理和分发数据(数据基础)数据战略定义了反映组织当前数据成熟度状态的能力和发展需求。
因此数据战略是“必须拥有的”，数据战略比以往任何时候都更重要。
数据战略框架
我们可以参考国外成熟的数据战略框架来进行数据战略的建设：
在这个框架中，通过数据战略将业务目标与技术解决方案联系起来，并分等级层次解决了不同等级下统一数据和业务。
第1级：数据战略--“自上而下”与业务优先级保持一致：数据战略最重要的起点是对齐经营战略使用数据策略。第2级：数据治理--管理围绕数据的人员、流程、策略和文化：数据治理提供用于管理有关数据的人员、流程、策略和文化的框架。组织在这个级别的成熟度（或缺乏成熟度）可以决定您战略性地使用数据的选项，以及将其付诸实践的时间表。第3级：数据管理实践--利用和管理数据以获得战略优势：这个级别包括各种数据管理实践，这些实践有助于利用数据获得战略优势，例如数据质量、主数据管理、数据仓库等。第4级：协调和集成不同的数据源：数据集成将会有许多不同的问题需要解决：所有这些数据源在哪里？我们需要的关于客户的所有这些来源的数据是多少？我们怎么知道它在哪里，它应该在哪里？我们如何整合所有不同的格式？我们如何理解它并通过元数据获取信息？客户的名字、姓氏、地址的含义和上下文是什么？第5级：“自下而上”的数据源管理和清单：在当今数据经济社会，使数据管理变得复杂的原因是，您有许多不同的数据源：关系数据库、大数据、非结构化数据、XML、文档、语音和媒体，那么如何理解它们呢？这些不同的来源如何应用于为业务战略提供信息。
数据战略建设中需要理解
并符合业务目标
▶ 寻找实现商业价值的“杠杆”
数据战略需要识别如何在实现商业价值及业务需求上的“快速获胜”。我们可以通过回答以下问题来获取可快速，易获得最高业务价值的数据领域：1.是否支持高知名度、高关注度的业务产品或者新的业务营销活动？2.是否可以集中宝贵的资源、时间及精力来进行您的数据活动，而且不是低价值的数据活动？3.您的数据战略及数据活动策划是否围绕业务价值的关键领域，并可以通过建立模型或架构设计来帮助战略实施。
▶ 应用结构化数据治理框架
成功的数据战略在很大程度上依赖于数据架构和数据治理，结构化的数据治理框架有助于协调业务和IT以获得长期成功。
我们在设计结构化的数据治理框架时，需要从组织、流程、管理制度、工具和企业文化等方面来思考如何支持企业数据治理的愿景及数据战略的实现。通过数据治理框架协调业务和IT的数据活动，并将在短至1年，长至5年内获得成功（由于当今的多元化商业环境，数据战略一般周期为3年）。
▶ 与各种各样的利益相关者交流
在我们开始制定数据战略时，我们不仅仅需要理解并分析各种资料及需求文档（企业战略、业务战略、企业架构、数字化转型架构），我们还需要识别在组织中数据活动的利益相关者，并与他们充分沟通！
▶ 制定及分析商业案例（业务案例）
通过制定及分析商业案例（业务案例），特别是当前聚焦的案例，考虑数据战略如何支撑并服务于企业的商务活动，提升业务价值。
▶ 映射组织能力
从数据战略框架上我们可以发现，数据战略的实施与企业中组织架构及组织变革是有密切关系的。
组织能力、组织结构和角色是任何数据战略的关键，数据战略的组织能力分解需保持与业务流程的一致性，数据治理组织架构需保障业务利益相关方的充分参与。
▶ CDO团队的职能范围和优先任务应与业务战略保持一致
根据IBM商业价值研究院发布的文章中提到，作为企业数据治理的领头人角色CDO（首席数据官）及他的团队在企业中的职能范围及团队的优先任务是如何使企业数据管理与业务战略保持一致：
▶ 寻找“速赢”
最佳能体现数据战略是否符合业务目标的展示方式，就是我们需要数据战略能快速并阶段性地展示可实现或已成功的数据驱动的业务价值。所以进行数据战略建设时，我们需要寻找“速赢” 的项目。
· “速赢” 项目是一个在能显示早期价值的同时朝着长期目标努力的项目。· 展示数据战略工作的早期价值，随着时间的推移继续提供迭代价值。· “速赢”并不是一种草率的“快速解决方案”-将影响到未来使用。· “速赢”的第一步是精心策划，将为未来的努力奠定坚实的基础。
▶ 战略规划与指标分解工具
数据战略并不是愿景，也不是仅仅是一句话的内容，我们需要实现将数据战略进行战略规划、战略能力分解、战略指标分析等内容。数据战略本质也是战略，所以我们可以参考战略分解框架或工具来进行我们的数据战略的建设：
上面来自BCG的GFCPL框架。从这个框架上我们可以：体系化地梳理及思考流程，帮助执行团队将战略转化可执行的、清晰的实施路线地图。
▶ 数据战略实施路线图
数据战略建设最终需要一张实施路线图来描述我们是如何实现数据战略的。除了我们在制作实施路线图上确定关键数据活动与关键业务计划保持一致外，还需要注意在人员配置和培训上保持一致。
我们还需要知道，数据战略实施路线图不是一张活动内容清单，我们必须定义好“阶段主题”、“快速胜利”、业务价值、阶段目标、关键利益相关者的阶段认同等。
▶ 数据战略模板
数据战略模板定义了数据战略的关键内容。
为了帮助企业制定数据战略，可以采用如数据战略模板这种可视设计工具，数据战略模板将定义核心元素并指导要解决的问题。
企业可以参照数据战略模板，并在与业务专家、数据经理、数据科学家和其他利益相关者讨论和定义数据战略的关键内容的研讨会上使用。数据战略模板定义了数据战略的关键内容。1.战略层定义了行动需求、愿景、任务和范围以及业务价值2.业务层包括数据“用例”和能力3.实现层包括行为准则和路径
支持数据战略的最佳数据实践
以下有总结出来10个最佳数据实践，这些数据实践可以帮助推动企业数据战略的成功。
这些实践来源于人员组织、流程和技术的实践角度，他们分别是：
▶ 让数据成为全公司的战略资产创建数据优先的文化：• 指定执行领导来倡导数据战略和相关计划。• 获得不同管理层的支持，从最高管理层到团队领导。数据战略需要得到所有利益相关者的支持和优先次序。• 定义整个公司的通用定义、原则和指标，必要时组织内部培训。• 通过单一事实来源实施跨职能、横向数据流程。• 通过让非技术团队访问数据来实现数据民主化。
▶ 鼓励数据驱动的思维方式数据驱动就是本能地转向数据寻找答案，并根据数据的内容做出决定。数据需要成为回答问题的首选。客户流失需要多长时间？是什么导致了这一收购高峰？为什么我们的客户转向免费增值替代方案？
▶ 跟踪关键绩效指标和指标将您的战略目标与关键绩效指标（或 KPI）相匹配。
▶ 不要去追逐最新的技术趋势数据策略与简单的技术堆栈一样有效。成功的关键在于流程和数据质量，而不是技术。
▶ 找到合适的人来推动数据战略您的数据战略主管不必是技术人员。您只需要知道如何在团队之间导航、做出数据驱动型决策并了解数据如何与业务目标相关联的人。销售、营销和技术交叉的产品经理可能是您理想的人选。
▶ 建立无懈可击的数据安全流程数据安全关系到每个人。这不仅仅是IT、法律或您的外部数据保护官要处理的事情。
▶ 找到合适的数据分析工具和技术每个人都应该能够检查与他们相关的数据集并从中得出结论。最好的分析技术是那些在提供战略见解的同时仍尊重您的数据治理和隐私政策的技术。
▶ 建立单一事实来源您需要每个人都可以信任的单一事实来源 （SSOT），而不是跨团队使用孤立的数据。
▶ 通过数据自动化提高生产力数据自动化是使用自动化工具（而不是手动执行）提取、转换和存储数据的过程。
▶ 使用Web数据丰富现有数据无论是大型企业还是初创公司，内部数据都不足以推动出站销售和营销。数据需要使用来自互联网的信息来完成，特别是对于潜在客户生成。
数据战略与数据架构
数据战略包括了数据架构，从两者之间的作用关系来看是这样的。而数据架构从企业架构这一角度来看是依赖于业务架构，并需要保持与应用架构的一致性要求。所以符合业务目标的数据战略建设可以通过数据架构来实现与业务战略的一致性。
从体系思考中我们需要将数据架构跟数据战略对齐，通过工具实现数据战略与数据架构的对齐。
从上图我们可以更清晰地了解到数据架构和数据战略之间的关系，及是如何支持企业战略落地及企业动作的。
数据战略评估
关于数据战略，除了制定、能力分解、规划、实施路线图等建设工作外，我们还需要通过制定数据战略的成功评估指标来评估数据战略的成果并为数据战略的修正提供帮助。关于数据战略评估的核心组件同样我们也可以参考下面内容：
作为数据战略的评分卡，我们需要分别针对识别、配置、存储、处理和治理这五个核心评估组件进行能力及指标拆解，与其他评估框架一样，通过各组件的指标评分汇总，最终形成数据战略的总评分结果。
我们的目标是通过评估来促进及改良我们的数据战略，我们需将评分卡与实际目标（包括数据目标及业务目标）在工作记录表格进行关联。
反思
▶ 组织数据战略建设需要打造组织自身团队建设，而不是只依赖外部输入
也许您会觉得制定符合业务目标的数据战略很不容易，而且有不少企业总会是想这些内容只要找到合适的乙方咨询团队来帮企业制定就可以了。关于这一点虽然大部分企业领导及数据管理部门领导口头都是说这样是不对，但是由于种种原因，他们还是会认为乙方咨询团队可以搞定一切，而且也不需要太多费用及时间。他们更可能认为付钱就可以解决一切了（虽然大部分最终都总是会认为付的钱不值或者少付），这也许就是典型的口不对心的表现吧，个人认为这也许就是国内的数据管理现状之一吧。所以，个人在这里还是会老话反复提一下：“临渊羡鱼 不如退而结网”，“授人以鱼不如授之以渔”。
个人认为企业如果希望通过外部助力来进行企业的数据战略建设，必须认识到下面的几点：· 外部咨询永远都是项目制交付，最好的结果也只能是阶段性有效。· 企业业务的敏捷需求，需要的是最了解企业内部实际情况的人依赖业务发展而进行数据战略及数据治理规划调整。· 在当前数据量激增，需求复杂性增加、企业商业模式快速调整的现状，要求支撑业务战略的数据战略也需要敏捷迭代，在企业内部不同部门的数据策略也需要跟随部门业务迭代而变更。
▶ 数据战略的成功是需要充分利用IT工具及技术自动化能力
在当今数据量激增的时代，只依赖或者大部分工作依赖人工来进行数据管理及数据处理是不现实的，我们需要充分使用合适的IT技术工具及其自动化能力来协助我们的数据管理工作，通过IT技术及平台固化数据治理流程，约束并规范人们的数据操作保障数据正确、安全、高质量地使用，最终成功实现组织的数据战略目标。
当然，我们不需要一定采用最先进的技术，只需要根据我们的现状采用最合适的技术，不需要盲目地追求及崇拜技术的先进性。
另外就目前来看也许“数据资产管理”平台可能是实现当前组织数据战略的最佳工具。因为它可以打通从业务到数据，从数据的资产价值及路线来管理并使用数据，能有效促进了组织各用户角色的数据应用，也有利于体现组织数据战略落地的价值（包括数据价值及业务价值）。
