現如今，每個公司都是一個由數據業務包圍的企業。從跟蹤庫存水平的街角小店，到預測市場趨勢和全球運輸成本的跨國制造商，我們都在依靠數據來運行。

更準確地說，我們在使用許多類型的數據。例如，所有類型的企業都有交易、引用和客戶關系的數據。我們也可能有特定行業的數據和來自外部的數據，描述數據格式和用途的元數據也很重要。

通常情況下，我們集成所有這些數據類型來創建專門的分析數據集。讓這個復雜的生態系統保持井然有序，這是一個精心策劃的數據策略，以一個強大的數據架構為基礎。

[[439914]]

什么是數據策略?

數據策略包括一套在企業中使用數據的長期目標，以及支持這些目標的政策和應用實踐。為了取得成功，數據策略必須涵蓋數據的所有用途。而且，它不能只包括數據管理和分析的技術流程。正如我們將看到的，在管理和理解數據方面，人為因素也很重要。

為什么企業需要數據策略?

顯然，現代商業戰略取決于數據。我們不能再把如此重要的企業資產的管理、安全和使用留給個人數據架構師或開發人員了。我們需要一個全面的數據策略，在廣泛的參與和支持下，以確保數據得到良好的管理和有效的使用。

所有企業都有不同的數據優先級，建立在他們的管理策略和業務目標之上。基于這個原因，我們無法勾勒出一個通用的數據策略，供大家參考。但是，我們可以確定每個數據策略必須包括的重要組成部分，以下是我發現的六個關鍵部分。

1. 數據

當然，這是最基本的組成部分。但是，如果您的數據沒有被安全存儲和保護，沒有準備好如何使用，那么下面的所有建議都將毫無幫助。數據策略的價值必須建立在企業數據管理的堅實基礎之上。這包括集成和處理您的數據，驗證其質量，管理其使用和審計影響它的過程。

一旦這些基本要素到位，就可以將企業數據目錄作為數據策略的一個重要組成部分。如果不知道自己擁有哪些數據，就無法圍繞數據制定策略。數據目錄工具對于通過詳細的描述性元數據將數據提供給商業用戶特別有用。有時，IT經理也想映射他們的系統，了解他們擁有哪些數據，以及這些數據的位置。IT團隊可以根據這種需求，來創建他們自己的簡化數據目錄。

這可能聽起來很基礎，但這是您需要開始的地方。關鍵問題總是相同的，我有什么數據?它在哪里?誰可以使用它?

2. 工具

數據目錄是一種策略工具。出于需要，它們是由IT和數據管理團隊提供的，他們知道如何使用數據目錄軟件的各種功能，以及如何設置和部署它們。我們可以對IT部門以這種方式提供的工具和最終用戶采用的工具進行區分。兩者在數據策略中都有重要作用，相互補充而不是相互矛盾。

數據管理工具隸屬于IT部門的管理范疇。有一些輕量級的數據質量和數據集成工具是為商業用戶設計的，但數據管理在很大程度上仍然是后臺的功能。

IT部門通常也會部署用于創建數據可視化、儀表盤和報告的BI工具。但數據和業務分析師可能有自己的偏好，會選擇不同的工具。只要我們控制數據訪問和使用，這就可以很好地工作。同樣地，數據科學家可能覺得使用他們已經掌握的工具，或支持某些分析方法是最舒服的。

曾幾何時，大多數IT團隊試圖阻止使用未經批準的、非標準的工具。現如今，就像我們已經適應了自帶設備一樣，分析專家通常也會帶上他們喜歡的應用程序。一個好的數據策略會擁抱這種多樣性，但也有合理的限制。

在這種情況下，我們可以問另一個問題：使用什么工具是合適的?我們可能很樂意讓一個數據分析師使用自助式BI應用程序來建立一些儀表盤。如果有人想建立自己的數據倉庫，而這超出了他們的技能和權限范圍，我們可能會更加擔心。

3. 分析技術

正如我們根據自己的需要使用各種分析工具一樣，我們也采用各種分析技術。數據可視化是一個常見的例子。我們還可能發現預測分析、文本分析、情感分析和集群分析的用途，這只是一些高級分析技術。它們可能是強大和有用的，但需要謹慎監督。沒有它，我們可能會觸犯數據管理和隱私法。

例如，預測性分析可能在優化設備維護周期方面顯示出商業價值，這是一個毫無爭議的用途。但預測技術也可用于幫助自動化招聘或管理營銷促銷活動。在這些情況下，員工和消費者可能會對這個過程的可靠性、公平性或公開性產生擔憂。

數據策略必須認識到，僅僅管理數據和工具可能是不夠的。我們需要理解，并培訓大家理解，并非所有的分析技術都是中立的。一些案例，尤其是涉及個人身份信息的案例，不會被其商業目的所證明。

4. 協作

在現代企業中，數據的使用通常比過去更具協作性。數據知識的增加和更容易操作的工具，都意味著更多的人可以參與分析，并涉入數據準備和數據質量的技術領域。

即使是嚴格控制的流程，如數據治理和主數據定義的開發，也可以采用眾包方式。例如，這樣做可以確保產品名稱、錯誤代碼和管理流程，反映出制造公司車間的實際情況。主數據方面的協作還可以避免最令人沮喪的客戶服務回應：“沒有這方面的代碼。”

協作工具也被更多地使用，從文件共享到企業聊天、信息傳遞和視頻會議。我們不斷地與他人分享、討論和辯論。如果在規劃數據策略時，沒有準備好進行協作，那么在計劃之外，也會發生協作。

考慮數據和分析在企業業務決策中的作用，并尋找包含團隊內部和外部參與的過程。利用這種洞察力來支持共享和評論儀表盤、報告和數據可視化的能力。

例如，一些商業智能和分析工具能夠讓多個用戶對可視化進行注釋。它們也越來越多地與聊天和信息傳遞應用程序集成。即使是簡單的文件共享也是有效的，特別是在企業級的可擴展性和安全功能支持的情況下。

5. 文檔和審計

在描述這些數據策略的組成部分時，需要平衡IT控制和終端用戶進行自助服務的自由。

為了找到這種平衡，我們的策略目標必須被很好地記錄下來。成功的數據策略是建立在回答四個問題的能力之上的，這些問題涉及計劃的任何元素和任何資源(數據、工具等)。

• 什么是合適的?
• 什么是被批準的?
• 目的是什么?
• 治理政策是什么?

有了數據策略和底層數據架構的良好文檔，我們就可以在任何新項目或計劃之前回答這些問題。我們也應該能夠回顧任何項目，回答這些問題。通過這樣做，我們可以把自己放在一個很好的位置來審核數據策略是如何運作的。它還可以幫助我們評估對數據治理政策和其他內部數據標準的遵守情況。

6. 人

數據策略的兩個最重要的元素是：數據和人。企業越來越多地要求新員工具備具備數據素養和至少一些分析技能。現在，幾乎所有商學院都教授基礎數據分析。

數據科學家的需求也很高。在未來的幾年里，市場可能會對合格的數據科學家供不應求，全國的每一門數據科學課程都將備受歡迎。

您也應該在人員配置和招聘中仔細考慮IT和數據管理問題。由于有如此多的技術在云計算中運行，系統比以往任何時候都更加強大，人們很容易認為IT部門只需要保持正常工作即可。值得一提的是，高可用性、災難恢復、滿足服務水平協議、支持新的業務需求和監管要求，這些都屬于IT的范疇。

數據架構師、數據集成開發人員、數據工程師、數據庫管理員和其他數據管理專業人員在滿足業務需求方面也扮演著關鍵角色。一個精于業務的IT人員具有巨大的戰略優勢，它和其他角色一樣需要認可和領導支持。

如何實施有效的數據策略?

這六個關鍵組成部分并不是制定數據策略的完整指南。您還必須考慮一些更廣泛的問題：預算、競爭、創新、營銷計劃、人員配置和法律政策等等。

但您可以廣泛地應用這種想法。例如，您的人員配置計劃可以包括根據策略重點更好地利用數據和分析的指導方針。產品創新越來越受到客戶反饋、用戶行為和市場趨勢的數據驅動。

實施數據策略需要了解整個企業的策略目標。以此為基礎，分解數據的作用以及如何管理和使用數據，然后在生產、財務、營銷、人力資源和其他部門中一致地應用。其結果將是一個可行的、靈活的數據策略，以應對不斷變化的業務壓力和需求。