任何制定数据决策的组织都应该有一个数据战略，一组选择来制定实现高级目标的行动方案。 到 2023 年，许多企业领导者将转向重新制定战略以更好地管理数据。

在过去的几年中，大多数公司零散地管理数据，导致数据战略脱节。 根据 NewVantage Partners 2022 高管调查，只有 53.0% 的公司拥有正式的数据战略。

当公司的战略无效时，他们处理日常任务的效率就会降低。 数据和数据流程在不同部门之间重复，数据管理差距继续存在。

只有 30% 的公司通过制定有影响力的数据战略并协调组织战略与数据战略来避免这些陷阱。 然而，随着更好的数据战略的出现，这个数字将会增加。

2023 年，企业将自问目前的数据运营模式是否有效。 在此过程中，许多组织将彻底改革其数据战略，以标准化其业务的数据管理。

这些统一的数据战略将优化业务、利用实时分析、改变文化以更好地处理数据并更好地处理合规性。 简化战略消息传递、创建数据战略路线图以及将数据战略视为数据领导力的组成部分，将导致更实质性的组织一致性。

优化业务

优化业务的动力——消除冗余、消除不必要的人工工作和增加收入——将促使公司在 2023 年彻底改革其数据战略。 Global Data Strategy Ltd. 董事总经理 Donna Burbank 推动数据管理。” 例如，在 DATAVERSITY 2022 年数据管理趋势报告中，68% 的受访者希望节省成本并提高效率。

公司需要将他们的数据战略与他们如何做得更好联系起来。 通常，组织将数据孤岛的数量视为业务运营中的首要数据管理挑战。

许多将包括数据集成战略来处理组织中的不同数据。 该框架依赖于通过元数据管理、数据架构、数据质量、数据治理以及隐私和安全等学科在整个组织中构建可信数据集。

当公司使用出色的数据战略直接集成这些不同的数据管理组件时，组织更接近于使用有价值的数据创建单个数据访问点。 此外，制定企业数据战略的组织中有 59% 取得了成功，显示出业务优化有所加强。

利用实时分析

公司必须在 2023 年制定数据战略以考虑实时分析。

2022 年初，William McKnight 预测，随着越来越多的物联网 (IoT) 可用，实时分析将继续增长。

通过数据战略利用实时分析的组织将拥有制胜战略。 经济与商业研究中心 (CEBR) 估计，实时分析将使六个国家的收入增加 2.6 万亿美元，为业务增长提供巨大机会。

然而，在许多组织中，在通过实时分析获得有价值的洞察力和拥有这样做的手段之间存在着巨大的差距。 例如，在前面提到的 DATAVERSITY 中，近 55% 的参与者报告说，他们的组织因缺乏数据治理而苦苦挣扎，而数据治理是良好数据战略指导下的重要基础。

相反，大多数数据战略都无法有效处理实时数据功能。 哈佛商业评论的一篇文章解释了两家全球公司当前的数据战略在这方面的不足之处。

该文章的作者建议企业将数据视为一种产品，并更新其数据战略以满足这一概念。 该方法侧重于实时处理数据以获取整个公司的业务洞察力，从而在整个过程中保持一致。

通过数据战略推动文化变革

2023 年及以后的业务适应需要文化建设和组织变革。

然而，像美国运输司令部的拉里麦克莱恩这样的数据经理发现，通过数据战略推动文化变革是一项重大挑战。

在之前提到的 NewVantage Partners 2022 Executive Survey 中，只有 19.3% 的组织建立了数据文化，这表明文化阻碍了数据战略。 正如唐娜·伯班克 (Donna Burbank) 指出的那样，在整个过程中与员工的潜在情绪进行良好的沟通和合作，可以在转变组织的思维方式方面取得更大的成功。

根据 Burbank 的说法，以人为中心的计划（例如数据治理计划）应该变得越来越重要，企业应该使他们的数据战略与他们的数据治理计划保持一致。

公认的数据管理权威彼得艾肯表示，随着公司更新其数据战略，他们将协调组织战略和数据治理计划。 在他们的旅程中，公司将考虑数据战略与数据治理计划的配合情况，以及数据治理如何更好地支持组织和数据战略。

处理法规遵从性

随着公司继续将合规性视为主要数据管理目标，数据战略必须加强这一努力。 组织需要统一他们的方法来增加美国多个州通过的数据立法，这些立法将在 2023 年成为法律。

First San Francisco Partners 的创始人兼首席执行官 Kelle O’Neal 观察到数据战略需要更新数据治理计划以了解监管的细微差别。 奥尼尔说：“数据战略仍然很重要，但现在我们要从清晰的认识和建立一些能力开始。”

以部门为单位响应每个数据法规最终是无效的。 企业将对其数据战略进行现代化改造，以纳入主权观点，即国家拥有一个有组织的流程来监管数据以维护自身利益的观点。 在这种情况下，组织的数据战略以更广泛的方法指导数据治理，而不是深入研究所有细节。

简化数据战略消息传递

默认情况下，组织的每个部门都有不同的数据战略，具体取决于每个部门如何做出数据决策。 即使存在公司范围的数据战略，它也可能跨越多个页面并最终落得尘土飞扬。

正如 Peter Aiken 所说，“束之高阁的战略是没有用的。” 公司需要一种更好的方式来制定和传达他们的战略。

因此，公司将希望缩短和简化他们的数据战略消息传递。 唐娜·伯班克 (Donna Burbank) 建议，一目了然的视觉效果，例如演示文稿中的幻灯片，通常具有最大的影响力。 公司将使用这种方法来简化他们的战略信息传递并更好地传达它。

创建数据战略路线图

更新其数据战略的组织会发现创建数据战略路线图很有帮助，该路线图是将当前业务流程转变为所需业务流程的分步指南。 该数据战略路线图使组织的成员保持更新，加强沟通和协调。

制定数据战略路线图需要进行一些差距分析——映射当前数据环境，确定未来目标所需的组件，以及实现这一未来所需的流程。

Burbank 强调，一个组织的数据战略路线图“应该讲述一个故事并展示当前状态的演变。” 这种叙述有助于将企业员工联系在一起，因为他们正在朝着更加数据驱动的方向发展。

形成数据领导力的重要组成部分

良好的数据战略与利益相关者之间的参与和协调相关联。 为此，数据战略构成了数据领导力的必要组成部分； 根据 Algmin Data Leadership 的创始人兼首席执行官 Anthony Algmin 的说法，“从头开始创造价值的动力遍及企业的各个角落。”

以前，公司的数据战略及其实施由 CIO 和该人的 IT 员工共同负责。 如今，首席信息官和数据领导者面临越来越多的访问组织中每个人数据的需求。

2023 年的这一变化要求 IT 和业务之间的对话发生转变。 到 2023 年，其他部门将对公司数据战略及其更新产生更大的兴趣，希望对任何变化都有发言权。

同样，公司高级管理人员会将数据视为与业务具有战略相关性，并适当地改变他们的战略。 组织不会零星地应用数据战略，而是将战略应用于“每个决策、交互和过程”。

结论

数据战略将在 2023 年进行全面改革，以便公司可以更有效地处理数据。 组织希望不同部门就数据决策达成一致。

那些需要正式战略的人必须制定一个战略来蓬勃发展、优化业务流程、从实时分析中获取价值并更有效地遵守法规。 那些拥有数据战略的人需要在 2023 年对其进行现代化改造，使其与业务更相关。

数据战略与组织战略和数据治理之间的协调仍然至关重要。 当员工了解并在整个组织中实施关键数据战略消息传递及其路线图时，战略更新将显示 2023 年业务盈利能力的提高。

我们现在生活在泽塔比时代。zettabyte（ZB）是数据的测量单位，1zb等于1021字节。要了解仅仅1zb的规模，请考虑以下情况：根据思科的数据，2016年，我们通过了年度互联网总流量1zb。因此，1zb是一个非常大的数字。全球数据量一直呈指数级增长。IDC预测，到2025年，全球数据总量将增长到175ZB。您可以很好地想象数据增长的惊人势头（质量*速度）和将导致的大规模业务转型。

这为商界领袖在这个新的zettabyte时代围绕大数据设计公司战略提供了一个重要机会。对于IT组织来说，数据策略不再是一个独立的技术主题。一家公司如何使用其企业数据可以带来重大的商业价值。例如，根据麦肯锡的说法，数据驱动型组织获得客户的可能性是前者的23倍，留住客户的可能性是后者的6倍，盈利的可能性是后者的19倍。

能够利用这种爆炸性的数据增长并使其具有可操作性的组织将在其竞争中创造显著的业务差异。想想这样的情景：

• 根据员工现有的才能、公司的战略和工作场所的情感体验，推荐相关的学习经验，从而提高员工的敬业度和忠诚度，帮助他们实现目标
• 减少供应链中的牛鞭效应，通过预测性洞察获得整个需求和供应链的实时数据驱动可见性，从而增加库存周转率
• 利用大数据推动订单管理的整个生命周期：从产生兴趣到推动采购行为，从订单处理和履行到完成物流、财务和服务等下游流程

您还需要利用操作和经验数据的强大协同作用。运营经济和体验经济的结合为所有组织打开了惊人的增长潜力。

业务成果驱动的企业数据战略模型

考虑下面这个框架。您需要融合这三个关键主题来设计数据策略：

业务价值驱动因素

您的关键业务价值驱动因素将影响您的企业数据战略。商业领袖必须扪心自问：我们如何利用数据来完成我们的商业计划？在设计业务价值驱动因素时，请考虑以下关键主题：

如何提高客户生命周期价值和运营效率？

如何融合情感洞察力和经验数据，并利用这些信息推动卓越运营？

如何使用数据来设计业务战略以推动业务成果？

大数据管理

过去几年中，许多组织都在这方面作出了反应。例如，您现在可能生活在一个企业环境中，其中有各种技术支持这些关键数据管理重点领域中的某些领域，但您是以一种特别的、断开连接的、非战略性的方式执行它们的：

• 数据接收、复制和ETL
• 数据联合
• 数据编目
• 主数据管理和数据质量
• 数据管道和编排
• 分布式大数据处理
• 大数据数据库与数据存储
• 云平台即服务
• 机器学习与数据科学
• 分析

随着我们在这个zettabyte时代的快速发展，构建一个数据智能战略至关重要，它将开始塑造一个连贯的大数据管理平台，该平台具有足够的可扩展性、灵活性和强大的功能，足以应对这个大数据的新世界。这里有一些例子说明这意味着什么：

• 业务应用程序转型：围绕业务应用程序优化创新计划，以支持企业转型计划。
• 物联网接收、编排和机器人流程自动化：将物联网事件流转换为企业就绪数据，获得可操作的见解，然后利用智能机器人流程自动化实现流程自动化。
• 连接数据仓库和预测分析：体验分析的力量，当它被消耗在经验的时刻。跨各种分布式数据资产构建多方面的数据仓库，并通过实时连接将其与应用程序连接起来。

业务流程集成

我们生活在这样一个世界里，你现在可以使用非常强大的技术。话虽如此，有时这会导致单个业务线（例如，供应链、市场营销、销售等）或单个业务单位决定各自的数据战略和技术支持。从表面上看，这种方法似乎是灵活、敏捷和快速的。但是，您很快就会意识到这种策略是不可扩展的。通过在筒仓中操作，您不仅仅是因为失去了规模效率而牺牲了运营利润；更重要的是，您并没有利用一个通用的企业级大数据平台的能力来支持您的业务流程。

因此，业务流程集成不仅仅是连接两个API；它不再只是一个IT主题。它也没有将数据扔进一个巨大的数据池，这使得从经验的角度来看，几乎不可能使这些数据能够实时操作。业务流程集成是一个关键的业务驱动策略，它可以产生协同效应，从而为您的组织带来巨大的指数级收益。

业务结果驱动的通用数据价值模型

在接下来的步骤中，必须为您的业务创建一个通用的数据价值模型。根据《哈佛商业评论》（Harvard Business Review），常见的数据价值模型有助于促进商业领袖和数据专家之间的沟通。您的企业在这个zettabyte时代的成功将在很大程度上取决于您的整个组织如何团结起来，创建一个由您的业务成果驱动的通用企业数据战略。

原文：https://www.digitalistmag.com/cio-knowledge/2020/05/13/enterprise-data-strategy-driven-by-business-outcomes-06203710

本文：http://jiagoushi.pro/node/1006

讨论：请加入知识星球或者微信圈子【首席架构师圈】

在数字商业世界中，如果没有适当的数据战略，组织就无法利用其数据资产。 数据战略是使企业能够通过其数据实现其业务目标的计划。 避免常见的数据战略陷阱并制定成功的战略可以使组织能够通过使用数据来实现其使命和愿景。 缺乏数据战略会给组织带来以下挑战：

• 具有多个“真相”版本的孤立数据
• 技术意识低
• 手动数据准备和集成方法
• 数据质量低
• 指标和 KPI 定义和管理不当
• 缺乏数据驱动的决策
• 缺乏预测性或规范性分析
• 过度依赖 IT 部门

数据战略：快速定义

多年来，数据已经从过程副产品转变为指导决策制定的关键资产。 数据战略提供了在整个组织中存储、管理和治理数据的蓝图或计划。 数据战略指导所有企业数据活动，如数据质量管理、数据安全、数据分析、数据库管理、数据治理等。 该计划为跨数据项目一致和有效地使用数据建立了目标和标准。

当自动化或半自动化用于数据驱动流程时，数据战略特别有用。 数据战略背后的核心理念是有效利用整个组织的所有数据资源，无论它们位于何处。

数据战略确保数据确实作为企业资产来使用和管理，从而产生收入。 理想的数据战略应附有指导战略实施的路线图。

数据战略还为数据工程师提供了一个框架，以便为实现业务目标做出架构决策。 它提供了有关如何应用分析来获得关键见解的指导，其中数据可视化是一个关键要素。

数据战略目标：关键业务目标

在数据世界中，数据工具的选择几乎与数据本身一样丰富，因此企业很难选择最适合其业务目标的解决方案。

数据战略制定了系统实现以下目标的总体规划：

• 消除所有不需要的数据并保留企业最可能需要的高质量、准确的数据
• 制定所有业务部门都可以遵循的数据质量标准
• 开始业务部门之间的有效沟通以简化组织内的数据共享
• 以统一、易于使用的格式保存数据，以便在整个企业中轻松访问、使用和共享
• 将标准应用于新收集的数据以保持数据完整性
• 建立数据的单一真实来源，消除数据孤岛，并连接消费者、产品和供应商之间的数据
• 将所有组织数据整合到一个系统中，您企业中的每个人都可以访问和使用

数据战略陷阱（以及如何避免它们）

在建立与企业数据战略的每个组成部分相关的目标时，包括数据捕获、存储、共享等，战略团队经常会遇到许多陷阱或劣势。 以下是一些常见的数据战略陷阱及其可能的解决方案。

• 缺乏数据文化：数据隐藏在孤岛中，业务部门之间几乎没有沟通，导致缺乏数据文化。 需要数据素养和企业范围的数据培训，以允许业务人员阅读、分析和讨论数据。 数据文化是制定有效数据战略的起点。
• 数据战略过于关注数据而不是业务方面：当企业过于关注数据时，数据战略可能最终只满足分析需求，而不关注业务需求。 一个理想的数据战略需要人的能力，并为培训员工提供机会来执行战略以实现业务目标。 如果将公民数据科学家包括在战略团队中以弥合数据科学家和业务分析师之间的差距，这种方法将会更好地发挥作用。
• 在数据民主化之前投资数据技术：在许多情况下，数据战略计划侧重于快速投资技术，而不是首先解决数据访问问题。 如果不首先考虑数据访问，昂贵的技术投资将付之东流。 在这种情况下，技术是在没有首先考虑业务需求的情况下强加给企业的。 更好的方法是使整体业务需求与数据需求保持一致，然后采用最适合业务目标的技术。
• 非结构化数据的数据模型不可扩展：很多时候，目光短浅的数据模型只能提供有限的解决方案。 要使大量非结构化数据在任何情况下都能发挥作用，最好找到经验丰富的技术合作伙伴，因为这些解决方案提供商广泛接触广泛的用例和可持续产品。
• 寻找单一的数据治理解决方案：企业常常错误地认为拥有首席数据官 (CDO) 和数据管理职能可确保良好调整的数据治理，但这种情况很少发生。 实际业务统计数据表明，最佳 DG 实践来自“权力下放”——由一名 CDO 管理一个业务部门。
• 分散的数据管理可能导致重复工作：虽然分散有助于防止数据孤岛，但它可能导致重复的系统和工作。 去中心化的方法可能适用于数据攻击战略。
• 匆忙实施元数据战略：匆忙创建元数据战略将导致合规性差距、治理问题和数据使用不一致。 相反，领导层应该仔细规划和实施元数据战略，以在数据战略框架内运作。
• 缺乏员工培训：这个陷阱会对数据战略的实施阶段产生最大的影响。 组织通常急于构建和设计数据战略，而没有先培训员工以正确执行该战略。 这个问题最终可能会让组织采用与多年前相同的旧战略。

结论

许多组织都犯有开发数据战略的罪过，这些战略只会收集灰尘，直到几年后新专家发布下一个数据战略文档。 但执行有效的企业级战略需要仔细考虑：从长远考虑，确定需求，并为现在和未来制定业务目标。

顾问详细介绍了数据管理团队的10项待办事项，这些团队希望创建数据战略，以帮助其组织在业务运营中更有效地使用数据。

随着数据和分析越来越多地推动组织的商业决策，数据管理不再是一个孤立的技术功能。因此，制定企业数据战略以确保业务运营拥有所需的信息正成为数据管理团队的首要任务。

这给数据架构师、数据治理经理、数据建模师和其他数据管理专业人员带来了新的压力。咨询公司全球数据战略有限公司（Global Data Strategy Ltd.）董事总经理唐娜·伯班克（Donna Burbank）表示，过去，许多人抱怨说，他们“都被困在地下室，没人关心我们”，“小心你的要求，因为我们现在肯定是聚光灯下的焦点。”

在一次Dataversity网络研讨会上，伯班克表示，制定一项以业务为中心的数据战略似乎是一项艰巨的任务，而且通常是一项重要的任务。但伯班克和其他数据管理顾问表示，这是支持数据驱动决策、战略规划和数字化转型举措的重要因素。

他们表示，首席数据官（CDO）和数据管理团队应该采取以下10个步骤来制定数据战略，并获得企业高管的批准和资助。

1.将数据管理工作与业务战略相结合

Gartner分析师Mike Rollings和Frank Buytendijk在2019年10月的一份关于制定数据管理和分析企业战略的报告中写道，商业战略应该“融入数据和分析思维”。他们补充道，协调一致的数据资源和分析系统“可以从根本上塑造业务，重塑其为组织创造和交付价值的方式”。

伯班克赞同将业务目标和驱动因素映射到数据管理计划的重要性。“你可以整天管理数据，”她说，“但业务价值是什么？”她还建议将数据管理目标转化为业务效益。例如，你可以说你正在努力提高数据质量和内部数据的使用，“而不是只是说你在做数据治理，这听起来很无聊。”

The four phases of enterprise data strategy development

2.评估您的数据管理能力

专注于保险公司的专业服务公司Agile Insurance Analytics的管理合伙人Bill Jenkins表示，为了帮助制定企业数据战略的细节，你需要收集有关组织管理数据和控制数据使用的基线信息。詹金斯在2019年5月咨询公司EWSolutions网站上的一篇帖子中写道，此类评估应检查人员配置和技能、流程、技术和组织文化。

Rollings和Buytendijk表示，其他需要评估的关键能力包括数据治理、数据素养和变革管理。他们补充说，当你努力确定缺陷和差距时，你需要超越组织的数据管理和分析团队以及IT部门，了解整个企业现有的数据资产和能力。

3.安排高管赞助商和商业倡导者

与任何技术相关项目一样，当您提出数据战略并寻求对数据管理的新投资的批准时，让业务人员站在您这边是至关重要的。但伯班克在网络研讨会上表示，由于所涉及的工作范围和全面实施企业战略的潜在成本，对商业支持的需求更大。

她说：“让别人帮你卖，会比你自己卖更有影响力。”。“（企业高管）希望数据人员谈论数据。”她补充道，理想情况下，当你努力在整个组织中采用数据战略时，早期的支持者也将成为其他部门和业务部门的内部倡导者。

4.为数据战略构建一个现实的商业案例

伯班克表示，企业数据战略的商业案例可以集中在以下几方面：增加收入、新的商业机会、降低成本和降低企业风险。她补充道，在开始之前，确保你知道你的组织的优先事项，这样你就可以根据需要定制你的商业案例和数据管理计划。

然而，你需要对预期成本和投资回报率预测持现实和诚实的态度，伯班克提醒道。您可能还必须从小处着手，通过一些概念验证项目来展示新的数据管理举措的价值。“我们已经做了这些商业案例，如果你今天给我们100万美元，我们将节省200万美元，这是绝对正确的。这仍然很难推销，”她说。

5.制定详细且可实现的项目路线图

除了业务案例之外，还必须提供详细说明数据项目拟议部署时间表的路线图。伯班克说，在路线图上也要现实，避免承诺你无法实现的事情。她建议包括一些可以实现的“快速胜利”，以显示数据战略的潜在好处，重点关注将为多个业务部门提供价值的项目。

Rollings和Buytendijk在报告中强调，需要将数据和分析战略与运营模型联系起来，使该战略能够按计划执行。他们表示，除了制定拟议的举措外，运营模型还应包括实施统一数据架构的路线图，作为基础。

6.在规划和实施之间取得平衡

伯班克指出，在推进数据战略之前，需要建立一个坚实的数据架构。“有些人说，‘哦，我们没有时间做那个建筑，我们太忙了。’但没有建筑，你什么都做不了，”她说。

另一方面，您需要在数据架构设计和为业务完成任务之间取得平衡。伯班克说：“如果你花六个月的时间来记录一个数据模型，那可能太长了。”。她建议，如果需要满足数据计划的时间表，可以分小块进行所需的架构工作。

7.记录与数据相关的指标，以帮助衡量成功与否

Burbank表示，除了量化企业数据战略的业务价值外，还应该跟踪组织数据资产的指标和关键绩效指标。这通常包括数据质量指标，如数据集的完整性、准确性和及时性的测量，以及发现和修复的错误数量。

不过，她补充道，将数据质量改进的指标与潜在的业务效益联系起来也很重要。例如，您可以计算消除重复的客户记录和修复错误的姓名和地址数据可能带来的营销活动的成本节约和响应率提高。伯班克说：“这通常是获得认可的原因。”。

Metrics used by organizations to measure data quality levels

8.在您的组织中营销和销售数据战略

福音派和外联对于获得数据战略的批准以及让整个组织的部门和业务部门采用数据战略至关重要。伯班克说：“沟通，沟通，沟通。”。“你的部分工作也是营销。”

可用于帮助在内部销售数据战略的工具包括时事通讯、网络研讨会、午餐和学习课程，以及正式的培训计划。伯班克还建议为企业高管制作一个简短的PowerPoint或其他视觉演示，而不是把详细说明计划的厚厚的活页夹放在他们的桌子上。“你必须让它引人注目，”她说。“没有人愿意阅读一份100页的文件，”至少作为一个起点。

Rollings和Buytendijk表示，一份简明扼要地阐述了数据驱动组织愿景的使命声明是CDO和数据管理团队推动数据战略的另一个好方法。但他们指出，一个“只不过是充斥着流行语和陈词滥调的口号”对你没有多大帮助。相反，使命宣言应该概述你的意图，包括潜在商业利益的相关信息，并“鼓舞人心、真实可信”

9.制定管理文化变化的计划

伯班克表示，企业文化可能是采用企业数据战略的一大障碍。“你可以拥有世界上最好的技术，但这必须是一件以人为本的事情。”她说，提前计划如何管理文化问题——许多组织甚至建立了正式的变革管理计划，作为其数据战略的一部分。

可能会持续需要管理组织变革，部分原因是数据战略本身会发生变化。詹金斯在他的帖子中写道：“数据随着企业的战略和目标不断发展。”。“这意味着数据策略应该被视为一份‘活文件’，并随着时代和组织的需求进行调整。”

10.从战略开始，而不是从技术开始

作为数据战略的一部分，你可以建议购买用于管理数据治理、数据质量、数据集成和其他举措的特定工具，“但这不应该是一个开始，”伯班克说。“你应该做所有其他的事情，然后选择符合所有要求的技术。不要说‘我想买X产品’，然后试图证明它的合理性。”

企业数据战略系列的一部分，探讨了领导力和责任感在指导与业务成果相关的总体数据战略方面的重要性。

如果没有一个技术路线图，一个支持业务优先级所需的工具和技术的战略视图，就不可能有一个成功的、结果驱动的企业数据战略。技术涉及到数据策略的所有其他方面，或者至少应该涉及到这些方面，这就是为什么我们在企业数据策略系列文章中将此主题放在最后的原因。

制定一个可靠的技术路线图需要了解你的技术准备状态——你在哪里，你认为什么是优先事项，以及你想如何开始。一旦您了解了自己的位置（差距和机会）并确定了自己的目标（业务目标），就更容易确保技术路线图的组件与总体数据策略同步。以下是您可以包括的信息类型的一些示例：

• 架构和设计：信息的设计、流和目录，以及如何在整个企业中对其进行记录、管理和治理
• 企业信息管理：数据治理、质量、集成等。
• 数据源和存储：数据仓库、第三方数据源、内存数据库、数据湖等。
• 数据分析：数据质量和过程监控、报告和仪表盘、分析、人工智能（AI）和机器学习

自动化应该是你技术计划的一个重要部分。它有助于加快数据策略的有效性，同时还可以提高数据质量并实现数字转换。事实上，Forrester预测，在2019年，“自动化将成为数字转型先锋的尖端，影响从基础设施到客户到商业模式的一切。”

为什么工具和技术很重要？

如上所述，如果没有定义所需解决方案、用例和实现计划的技术路线图，就不可能有一个成功的数据策略。这是你的战略的基础，骨骼系统。它为您的结果驱动的数据策略提供了它的形状并促进了它的执行。

需要考虑的技术领域包括：

• 业务信息和流程建模
• 集中管理数据传输和规则的数据编排
• 数据质量，包括分析、监视以及批处理和实时验证和清理
• 关键数据域的主数据管理，能够将它们直接嵌入到业务流程工具中
• 自助分析和应用程序构建的修复和报告
• 用于符合管理法规的保留和归档策略的生命周期管理工具

上述每个技术解决方案都服务于多个用例，如分析、事务和应用程序，它们都应该协同工作。随着人们要求你越来越多地管理数据，人工智能、预测分析、区块链、体验数据等新技术也将成为关键。拥有一个灵活的路线图，使您能够适应不断变化的业务优先级，这对于数据策略的成功至关重要。

成功的关键是什么？

• 使您的技术路线图与您的数据策略保持一致。请参阅下面的“gotchas”。
• 想想大局。您的路线图必须是企业范围的。重点寻找在整个业务中重用解决方案并分解筒仓的机会。
• 了解最新的技术产品。如何利用最新的智能技术（人工智能、机器学习、物联网、区块链等）优化流程？

什么是“问题”？

最大的问题是将数据策略与技术路线图分离开来，这是最常见的问题。它们需要周期性的对齐。从其他人的错误中吸取的另一个好教训是：全面思考，考虑企业架构，以及数据解决方案和工具如何与总体技术愿景同步。那就不要一下子做太多。优先考虑。

你是怎么开始的？

正如我在一开始所指出的，你首先需要做的是了解你的现状：

• 您目前的技术能力和体系结构是什么？
• 你最优先考虑的是什么数据？
• 你最大的数据挑战是什么？
• 自动化的差距和机会在哪里？

这些问题的答案——连同你的总体业务目标——是你的出发点。从那里：

做前期设计。

在你开始探索你的选择之前，你需要从整体的角度回答几个问题。让我们用物联网技术（IoT）来说明。您可能会问/答一些问题：

• 你想从物联网收集什么？
• 这些物联网数据将如何与您正在管理的现有数据相匹配？你将如何整合它？
• 存储将如何工作？数据将保存在哪里？
• 如何更新数据？谁有权使用它？
• 需要遵守哪些数据标准？

优先考虑。

使用与当前状态和设计相关的所有问题的答案来确定执行顺序。

别忘了加速组件。

自动化可以提高数据质量、有用性、收集和使用，因此作为路线图的一部分，确定自动化的意义所在。例如，自动化数据质量应该包括在计划的早期阶段，以便更快地交付业务价值。

原文：https://www.digitalistmag.com/cio-knowledge/2019/06/20/outcome-driven-enterprise-data-strategy-tools-technology-06199041

本文：http://jiagoushi.pro/outcome-driven-enterprise-data-strategy-tools-and-technology

讨论：请加入知识星球或者微信圈子【首席架构师圈】

将数据视为业务资产的组织正在寻找将整个业务生态系统转变为数据驱动实体的方法。 然而，使业务目标与数据目标保持一致既不容易也不直接。 必须构思和开发系统且定义明确的数据战略，以推动数据支持的业务实践向前发展。 在这篇数据战略 101 文章中，我们将了解数据战略的定义，以及最佳实践、挑战和路线图。

什么是数据战略？

数据战略是应对日常业务挑战和使用数据实现预定义业务目标的总体规划或蓝图。 为此，数据战略阐明了技术、流程和人员之间的相互关系——所有这些都通过他们的数据角色和职责联系在一起。

数据战略中嵌入的愿景通过数据驱动的洞察力和数据支持的情报指导日常业务决策。 数据战略明确解码数据将如何帮助实现预定义的业务目标。 此类总体规划的目标是确保整个组织中的所有业务部门一致且透明地使用数据。

在奠定数据和分析战略的基础时，通常会从人员、流程和技术的角度探索现有能力。 在了解业务战略（目标）以及未来的机遇和挑战之后，确定数据和分析用例。

企业战略总体规划通常包括将用于实现业务目标的所有战略，以及执行这些战略所需的资源，例如资本投资、人才招聘、重组流程和修改后的组织结构。

令人惊讶的是，麦肯锡的研究发现，只有不到三分之一的受访组织的数据战略与其组织战略保持一致。

Signal AI 首席执行官 David Benigson 表示，“真正有影响力的数据战略只是由于技术的进步和企业人工智能 (AI) 等事物的成熟才刚刚开始发挥作用。”

企业数据战略的指导原则包括：

• 简化数据采集流程
• 使数据易于访问和共享
• 消除数据孤岛
• 整合不同的数据
• 制定一致的数据使用和管理目标
• 为数据分析制定明确的指导方针

什么是数据战略路线图？

虽然数据战略阐明了数据使用政策，但数据战略路线图提供了一组精细的步骤和行动计划，业务人员应遵循这些步骤和行动计划以实现预定义的业务目标。

有效的路线图包括确切的实施计划：实际资源、时间表、成本和可交付成果。 数据战略作为数据政策的蓝图，战略路线图作为实施指南。

在路线图中，每个定义的业务目标都会有一个相应的“数据行动计划”来描述目标是如何实现的。 与战略计划相比，战略路线图更加详细和详尽，详细说明了所有权、技术、流程、预计成本、时间表和预期结果。

在某种程度上，路线图虽然很细，但必须为不可预见的问题留出空间。 数据战略路线图将作为使用数据实现长期业务目标的清单。

最后，路线图使组织流程与预期的业务目标保持一致。

因此，为了确保您的战略路线图符合要求：

• 在选择工具和技术时，必须着眼于精确的需求、可用资源、成本估算、项目时间表和基础架构功能。
• 必须对当前的数据系统、流程和劳动力进行评估和评估，以进行必要的更改或修改。
• 必须明确定义与数据所有权、数据存储库和数据治理相关的角色和职责。

什么是数据战略最佳实践？

数据管理是企业的关键驱动力，因此企业必须确保系统地捕获、验证、存储和保护数据。 数据管理最佳实践建立了政策和程序，以保证数据在整个组织中得到一致和高效的使用。

数据治理是数据战略的一个关键组成部分，它控制着整个组织中管理数据质量和数据安全的政策和程序。 将数据质量放在首位，紧随其后的是数据安全，这有助于组织确保数据的各个方面都是纯净且值得信赖的。

拥有管理企业数据蓝图的数据战略遵循以下最佳实践：

• 根据当前需求设置支持数据的业务目标
• 设置统一的数据流程以确保所有业务部门一致地访问和使用数据
• 制定在整个企业内共享数据的政策和程序
• 根据特定的业务目标设置衡量指标
• 定义与数据战略实施相关的可衡量指标
• 定义供最高管理层和数据治理团队使用的数据隐私规则
• 数据战略最佳实践的最终目标是验证为收集、集成、处理、共享和衡量组织中的数据而制定的政策。

什么是数据战略挑战？

数据战略是一项长期的指导性计划，它定义了处理组织内日常数据挑战所涉及的人员、流程和技术。 但是数据必须解决特定的业务问题才能满足战略业务目标。

在为企业设计第一个数据战略或修改现有数据战略时，战略团队可能会遇到以下挑战：

• 整个组织的数据用户之间缺乏共享的业务词汇，这使得用户很难找到并轻松理解数据。
• 数据被困在独立企业业务部门的孤岛中； 它不能共享或质量差。
• 确保整个组织的数据质量和访问权限——以及建立和维护适当的治理流程——是一项艰巨的挑战。
• 随着数据源数量的增加，组织往往缺乏无缝的数据集成设施。
• CDO 很难在正确的时间识别、捕获正确的数据并将正确的数据提供给正确的用户。
• 多云环境的增长引起了不同云系统之间的数据复制，这导致了坏数据。
• 数据安全和隐私问题对于在企业中优化使用数据至关重要。 因此，与数据访问、数据安全、数据伦理和数据质量相关的政策不容忽视。

近年来，数据泄露事件引起了全球关注。 安全使用数据对于保持全球竞争力和相关性至关重要。 自动化数据工程流程已经部分解决了安全问题，但仍有许多工作要做。

数据战略 101：进一步阅读

准备好了解更多了吗？ 以下是一些额外的 Data Strategy 101 资源，讨论趋势、挑战和业务成功的关键要素。

Wayne Eckerson最近的报告“数据战略指南：每个高管人员需要了解的内容”回答了许多关于数据战略的内容，原因和时间的问题。但是，与所有战略工作一样，数据战略可能是一项庞大而复杂的工作。当我阅读报告时，我发现自己想知道如何制定环境，实现业务一致性，并在战略制定和实施时推动良好的数据管理实践。图1展示了我的全局图，有助于理解和可视化数据策略的范围和复杂性。

图1.数据战略的大图

数据策略可以实现数据发现，最大限度地提高了解数据可以告诉我们的能力。数据发现推动了业务发现，创造了学习业务新事物的机会。反过来，业务发现通过创建数据探索的新需求来推动数据发现。数据战略家必须在数据发现和业务发现的交叉点上工作。数据策略不能孤立地查看数据。必须在业务环境和管理环境中查看它。通过这种大图片框架，我们可以开始开发数据策略师应该提出的一些关键问题。

商业压力

业务的动态和易变性是数据依赖的主要原因。许多外部力量 - 政治，经济，社会，技术，竞争，法律，道德和环境 - 对企业施加压力，并产生采取行动和不断调整业务的需要。对这些压力的反应以四种方式发生：在可能的情况下预测压力，在变化明显时主动适应，在即将发生变化时迅速作出反应，以及在意外情况下作出反应。数据分析在从预期到反应的每个阶段都发挥着重要作用。考虑到这一点，数据战略家应该问：

哪种动态是您企业的外部驱动力？

数据如何帮助应对这些力量？

商业价值

适应变化是维持和增长业务价值的必要条件。无法适应的企业将会挣扎并最终失败。适应变化的人是幸存者，掌握适应能力的人将茁壮成长。数据和分析对于持续适应至关重要。在最基本的层面上，它们提供了对业务绩效的洞察力。当超越洞察力应用它们来推动流程，产品和业务模式创新时，它们可以提供更大的价值。从价值角度来看，数据策略师应该问：

我们业务的主要数据驱动价值机会是什么？

我们如何使用分析来推动创新？

商业管理

在业务人员采取行动之前，适应变化并不成为现实。谈论管理行动几乎是陈词滥调，但我们需要在战略，战术和运营等各个层面采取行动，以实现真正的变革。所有级别的协调至关重要。战略必须作为战术实施，策略必须在操作上执行，所有这些都不会失真或局部次优化。数据分析提供必要的反馈循环以监控和管理对齐。从业务管理的角度来看，数据策略师应该问：

管理层在数据和分析方面需要和需要什么？

它如何影响决策和采取行动？

衡量战略战术 - 运营一致性需要哪些指标？

数据管理

相关，可信和管理良好的数据对于有效和成功的业务管理至关重要。高质量数据和现代数据管理实践必须是数据战略的目标之一。提取正确的数据，改进它以提高价值和可用性，有效管理和保护敏感数据都是维护可信数据资源的关键因素。可信数据是描述性，诊断性，预测性和规范性分析的原始材料，可以回答业务管理的内容，原因，假设和方法问题。从数据管理的角度来看，数据战略家应该问：

我们将如何持续快速地调整数据内容，服务和实践？

我们如何提供全方位的分析功能？

业务发现和数据发现

图中心的业务发现和数据发现周期是协同的。每个发现过程都会在一个永无止境的新学习过程中驱动另一个过程。当数据策略师提出要求时，这为数据提供了巨大的价值机会：

我们如何使用数据来发现新的模式和关系？

我们如何通过可视化和讲故事来传达数据发现？

我们如何使用数据发现来推动对话和协作？

我们如何鼓励数据分析师和数据科学家定期探索数据？

我们如何鼓励业务分析师和经理定期探索数据？

我们如何利用业务发现来推动沟通，协作和行动？

使数据战略发挥作用

一旦开发出来，数据策略就不应该变成没有价值的“货架”。随着商业世界和数据世界的不断变化，战略必须不断发展，必须应用于塑造与日常业务相关的数据维度。 （见图2）

图2.连接数据策略

定义您的数据策略，然后将其投入使用。使用它来帮助塑造数据架构，构建协作数据文化，识别和开发所需的数据管理和分析能力，并指导技术选择和实施。

“企业数据战略”系列的一部分，探讨了领导力和责任感在指导与业务成果相关的总体数据战略方面的重要性。

几年前，当我第一次约会时，我希望我的车干净整洁。我小心地把它清理干净，里里外外。约会时它看起来又漂亮又闪亮。约会结果很好，除了一个小细节：晚上结束时车没油了，离我约会的女孩家还有大约10分钟。我很尴尬，虽然我的约会对象对此很冷静，但当我说这是一个意外的疏忽时，她的父母怀疑我的诚意。最后，问题解决了，一切都好了。后来我和那个女孩约会过很多次。

使命成功的基础

这个小故事向我说明了成功的战术和成功的战略之间的区别，特别是在战场上。战略的目的是赢得战争，完成任务，并取得最终的成功。战术的重点是使我们朝着完成全部任务的方向前进的个别步骤。战术有时要求你为了赢得战斗而失去小山，或者为了赢得战争而失去战斗。

对于我的第一次约会，我的策略主要是（但不是百分之百）与最终的策略保持一致——完成成功约会的任务。我应该把重点放在完整的策略上，而不是放在单个闪亮的组件上。也许那时我会更加关注我的关键任务数据（我的汽车燃油表上的传感器读数）。

企业数据策略可以是这样的。由数字专家、业务分析师、分析从业者和数据科学家组成的团队可以试验和构建奇特的算法、模型和工具，这些算法、模型和工具能够很好地与专门为其实验准备和管理的干净数据集协同工作。实验模型、验证测试和演示都可以看起来漂亮而有光泽。但要真正完成该组织的数字化使命，需要的不仅仅是那些战术上的成功。

组织面临的现实是，这些实验的燃料（即数据）可能足以实现这些有限的战术目标，但数据收集不足以推动持续、成功和战略性的企业级部署。事实是：大多数大数据都是在不考虑策略的情况下收集的，而您迫切需要的数据集往往是不完美的、肮脏的、错误标记的、孤立的，或者只是简单地丢失！

全面的、特定领域的路线图

企业数据战略（EDS）可以为战略任务成功和市场优势提供基础。EDS已被定义为组织的综合愿景、可操作的基础和特定领域的路线图，以充分利用其与数据相关的和数据相关的能力。

有几件事EDS不是。这不是一个希望的事情清单。这并不是一个值得尝试的技术趋势清单。它不是一套通用的原则和陈词滥调（例如“数据是企业资产”）。它不是一个模糊的，超然的视觉。

任何战略，包括EDS，都必须是具体的、相关的、可操作的、进化的和任务目标导向的。如果您的EDS与组织的北极星（您的任务）不一致，则其中一个或两个需要进行中途纠正才能恢复一致。你的使命应该与你的市场战略相一致：了解你目前在市场中的位置、当前的市场趋势、你在市场中的与众不同之处、你将如何在这种环境中获得市场优势，以及你必须组装哪些组件才能达到目的。因此，您的EDS必须与该战略讨论相关联并集成到其中。

数据战略包括治理、安全、隐私、访问、体系结构和相关设计考虑的数据管理原则。这些都很重要，但我想现在集中在分析和数据科学的考虑。

数据科学与分析

在海量数据收集的时代，您的数据可能是您最关键和最有价值的战略资产。数据科学和分析推动洞察发现、创新和价值创造。数据科学和分析还可以通过授权员工探索、发现和创造价值来吸引强大的员工留任。它们还生成可以操作和货币化的分析产品。其中包括数据产品、面向客户的应用程序、API、模型、推荐引擎、专用数据集、特定业务线的精选集、开放源代码工具、可共享的数据科学笔记本、云服务、数据门户、可重用分析工作流等。

战术部件：动力步骤

为了使这些数据分析产品操作化、货币化和商品化，EDS需要关注干净的数据；高质量的数据；标记的数据；整理的数据（数据目录）；可共享的数据；机器可访问的数据；有据可查的数据（数据字典，采用元数据标准，包括分类法，也许还有本体论）；以及数据清单（以确定基本数据集列表中缺少的内容）。这些战术组件是实现任务、战略成功和市场优势的有力步骤。

最终，这些组件都不是孤立存在的。它是数据、分析、业务逻辑和任务的集成和组合，明确地诱导组织的信息、文化和战略与特定的、可操作的和相关的业务成果保持一致。数据只是输入，尽管输入量很大。同样，数据不一定是一个关键的区别，因为所有组织现在都拥有（或有权访问）大量的数据存储库。

可靠的数据带来可靠的结果

另一方面，你以任务为中心的分析输出是你独特的有价值的输出，是你在日益拥挤的数字市场中的与众不同之处。您的分析必须由干净、准确、可访问、可管理、有标签的数据来推动——为完成任务做好准备，而不是在达到完全成功的数字转型的最终目标前“10分钟”。可信的信息和数据使可信的创新和成果得以实现。

我很幸运地参加了今年在奥兰多举行的SAPPHIRE NOW大会，在会上我了解了SAP企业软件和服务支持端到端数据战略的许多方法。我最喜欢这次活动的是对“体验经济”的关注。对我来说，体验经济是我们收集的大数据资产的最终应用和价值主张：通过发现的洞察力和编码的学习行动，为我们的客户、员工和其他利益相关者创造更好的体验在我们的数据收集中。以客户数据为中心的客户体验管理（CXM）平台在设计、开发和部署时能够充分发挥其潜力，使其与企业更大的企业数据战略保持一致。

体验经济的成功

在体验经济中，CXM平台和EDS作为一种外观锐利的工具协同工作，将把您的组织推向数字化转型、任务成功和市场优势的归宿。这不仅仅是您的数据的第一次约会；它是一个长期的战略承诺，以充分利用您组织的数据依赖和数据相关功能的潜力。

原文：https://www.digitalistmag.com/cio-knowledge/2019/06/27/data-strategy-that-first-date-with-your-data-06199224

本文：http://jiagoushi.pro/node/1004

讨论：请加入知识星球或者微信圈子【首席架构师圈】

企业数据战略系列的一部分，探讨了领导力和责任感在指导与业务成果相关的总体数据战略方面的重要性。

人们重新安置、转移工作和转行。企业倒闭并合并。电子邮件地址更改。如果你有数据，它会衰变——这是一个给定的。事实上，94%的企业怀疑他们的客户和潜在客户数据不准确（Zoomdata）。然而，持续的数据维护是结果驱动的企业数据策略中最容易被忽视的方面。

这就是为什么在我们的数据策略系列的第四部分中，我将深入讨论持续的、主动的维护：为什么它很重要，它包含什么，以及如何开始。

为什么持续的数据维护很重要？

如果质量差，数据有什么好处？它不值钱，而且可能很贵。据Gartner称，“企业认为，数据质量差是造成平均每年1500万美元损失的原因……而且随着信息环境变得越来越复杂，这种情况可能会恶化——这是所有规模的企业都面临的挑战。”

在构建分析平台或将数据从遗留系统移动到新的解决方案时，公司往往会在分析、清理和丰富数据方面投入大量精力。然而，构建一个始终在线的数据维护能力常常被忽视，而且考虑到变化是一个现实，这是一个冒险的提议。

至关重要的是，您的成果驱动型企业数据战略定义了您将如何持续管理公司最关键的数据，特别是：

• 数据质量业务规则和数据操作
• 数据维护共享服务
• 服务级别协议（SLA）SLA
• 所需的数据维护流程和关键绩效指标
• 责任所有者

成功的关键是什么？

成功的第一个关键是确保您的维护计划是主动的、协调的，并且始终有效。建议使用自动化，但您仍必须有负责的业务和IT所有者，他们负责：

• 创建和更新业务规则
• 审查当前数据操作和质量报告中需要解决的问题
• 为发现的问题建立补救措施

什么是“问题”？

最大的问题是假设如果你给他们工具，人们会保持他们的数据干净。这种情况很少发生，除非他们有动机这样做，例如他们的工资或发票付款是依赖于准确的信息。然而，即使他们维护这些所需的数据字段，也可能会有其他关键字段被忽略，因为它们对个人来说并不那么重要。

例如，员工通常会保持他们的银行信息是最新的，但可能不是他们的业务部门。类似地，销售主管也会被激励去维护账单到联系信息，而不是发货到联系人地址。这就是为什么你需要负责任的企业和IT所有者来监督这个项目。

你是怎么开始的？

在数据策略的组织和治理部分建立业务规则时，您已经做了很多工作。反复使用它们。为准备大型项目数据而创建的许多规则与维护字段时应使用的规则相同。

第二件事，你应该做的是把你的基于工作流的系统转换成主动的，总是在进行的过程。有什么区别？只有工作流的系统在发生任何事情之前都需要工作流。另一方面，对于一个始终在线的流程，总有一个程序每月或每年运行两次电子邮件验证。

建立这种方法需要转变思维方式。我们倾向于认为人们在任何地方都保持所有账户的清洁。但你是否会到处更新你的电话号码、地址、头衔等？可能不是。这就是为什么仅仅依靠工具和工作流不足以防止公司的数据衰退的原因。作为整体数据策略的一部分，您需要一个持续的、主动的数据维护计划。

原文：https://www.digitalistmag.com/cio-knowledge/2019/06/13/outcome-driven-enterprise-data-strategy-ongoing-data-maintenance-06199003

本文：http://jiagoushi.pro/outcome-driven-enterprise-data-strategy-ongoing-data-maintenance

讨论：请加入知识星球或者微信圈子【首席架构师圈】

企业数据战略系列的一部分，探讨了领导力和责任感在指导与业务成果相关的总体数据战略方面的重要性。

根据Gartner的说法，“没有数据和分析，数字业务是不可能存在的。”我同意并将“管理数据的流程”添加到这个列表中。为什么？我们创建数据不仅仅是为了创建数据。我们生产它是为了帮助业务运行，并且要成功，结果驱动的数据策略必须包括详细描述如何创建、更新和删除（CRUD）业务关键数据的过程。

这些CRUD流程通常是更大业务流程的一部分，如领导管理中使用的个人数据、研发中的产品数据和供应链管理中的供应商数据。我们如何处理这些问题取决于公司、业务目标、标准、相关数据和许多其他因素。

有些流程可以通过业务规则实现自动化，而其他流程则需要手动输入。它们也可以集体进行，也可以在个人记录级别进行。不过，不管采用什么方法，流程都必须尽可能简单、自动化和友好，并根据组织设置的数据质量标准进行设计。

在我的同事Maria Villar的五部分系列文章的第三部分中，我将深入探讨数据生命周期过程及其在结果驱动的企业数据战略中的作用。

为什么数据生命周期过程很重要？

流程有助于我们集中精力。他们简化了我们的工作。它们将我们团结在一个单一的目标上：使数据生命周期过程成为结果驱动战略的一个组成部分。

• 数据量和景观复杂度正在增长，没有放缓的迹象。如果没有流程，这些数据量将失去控制。如果没有适当的管理水平，这些大数据湖和数据仓库是无效的，只是为了存储，不必要地增加复杂性的数据。
• 糟糕或没有数据流程常常导致数据质量差。如果数据不适合使用，如果它不及时，如果它不符合您定义的标准，它将无法帮助您实现数据策略中详述的目标结果。流程有助于确保您的数据是有用的、最新的，并且仍然与您的业务需求保持一致。
• 越来越多的数据受到外部政策和法规的约束。有一个完善的CRUD过程，使遵守GDPR和其他法规更容易。
• 低效或复杂的流程通常等于糟糕的数据。相反，简单、容易的流程等于积极的客户体验和更完整的数据。

成功的关键是什么？

• 简单，易用，及时的数据流程是一个给定的。没有这个，你也可以“打包”进去（见下面的“gotchas”）
• 自动化同样重要。使用业务规则验证数据或自动填充字段的能力提高了数据质量和整个流程。
• 每个流程都需要一个所有者，一个数据管理员。这些管家通常被称为业务线专家或数据和流程专家，他们密切关注其他人可能忽略的数据质量细微差别。他们还知道业务、期望的结果是什么，以及数量与质量的正确平衡。例如，当涉及到大数据和测试机器学习算法时，有时越多越好，质量越不重要。这是一种平衡，这些专家明白这一点。

什么是“问题”？

我不能夸大简化的必要性。大多数公司在设计简单明了、数据易于使用和考虑用户观点的流程方面缺乏内部专业知识。而且这种简化不仅仅是为了最终用户（客户、员工等）。它还涵盖了业务流程。您不希望数据流程的管理过于繁重，以至于导致流程停顿。

你是怎么开始的？

与成果驱动型企业数据战略的其他组成部分一样，如果从业务需求开始，就已经达到了目标的一半以上。在此基础上，开发一个从数据创建点开始的流程图。让我们使用lead management示例来说明：

• 业务需求正在将潜在客户带入销售渠道。
• 我怎么得到线索？我从潜在客户那里收集数据的方法是什么？这些数据是什么时候收集和更新的？
• 每个步骤的不同来源、数据类型、标准和要求是什么？
• 一个可操作的潜在客户需要什么样的数据？姓名、地址、电子邮件、行业、公司规模、位置，还有其他？
• 我需要什么样的验证规则来确保我得到正确的电子邮件地址和其他数据？

原文：https://www.digitalistmag.com/cio-knowledge/2019/06/06/outcome-driven-enterprise-data-strategy-data-lifecycle-processes-06198844

本文：http://jiagoushi.pro/node/1002

讨论：请加入知识星球或者微信圈子【首席架构师圈】

企业数据战略系列的一部分，探讨了领导力和责任感在指导与业务成果相关的总体数据战略方面的重要性。

如果“数据是新的土壤”（正如数据记者David McCandless所说），那么组织结构和治理就是成果驱动型企业数据战略的灌溉。两者对于构建可靠的战略和有效地管理最关键的企业数据都是必不可少的。在企业越来越依赖数据来处理业务各个方面的时候，你不能不制定一个信息游戏计划。

在本系列的第1部分中，Tina Rosario和我探讨了为什么企业数据战略是重要的，它是什么样子的，以及关键元素是什么。在本文中，我将深入讨论组织和治理组件。我们都知道这些词，但是在结果驱动的企业数据策略中，它们的真正含义是什么？

组织和治理为数据策略的所有其他方面（因此灌溉类比）奠定了基础，并定义：

• 数据范围：主数据、事务数据、操作数据、分析数据、大数据等。
• 组织结构：责任所有者、数据主管、IT、业务团队和执行发起人之间的角色和职责
• 数据标准和政策：概述您管理和治理的内容以及结果的指南
• 监督和度量：衡量战略执行和成功的参数

为什么组织和治理很重要？

在NewVantage Partners 2019年的大数据和人工智能高管调查中，只有7.5%的受访者认为技术是成为数据驱动的障碍。相反，93%的人将人和流程列为采用的关键障碍，同时缺乏组织一致性（40.3%）和文化阻力（24%）。

每一次业务转型都需要一个负责的角色和责任，并由一个拥护者来领导变革。它还需要一种文化的转变，从将数据管理视为一项枯燥的低级工作转变为一项极其重要的工作。如果员工接触到数据（尤其是关键数据），并且如果他们创建、更改、使用数据，以某种方式移动数据，他们需要理解他们在正确维护数据和承担责任方面所扮演的角色。

基于业务结果的企业数据战略有助于推动这种文化转变，因为它广泛地（用简单的业务术语）传达了哪些数据最重要。它改变了这样一种看法，即数据是一项与成功的业务成果相关联的后台工作，它的重要性很小。战略的组织和治理部分定义了谁（关键角色）；什么（变更管理需要，包括如何衡量责任）；以及如何（路线图）实现目标。

这里还定义了数据质量、体系结构、安全/隐私/道德和CRUD（创建、读取、更新和删除）的数据标准和策略。然后，这些指南将用于定义如何在战略的其他每个方面执行，例如详细说明如何根据这些标准创建数据的过程。

成功的关键是什么？

组织和治理下的每一件事都是关键（这是最重要的灌溉），所以让我们关注构建组织和治理时经常忽略的问题：

• 定义一个合理的、有针对性的范围：总有比预算和资源所能覆盖的更多的数据工作。在当今数据丰富的世界，这是商业生活的一个事实。因此，确定一个现实的、可行的路线图——以及将不涉及的内容——是至关重要的。并确保与您的业务执行发起人合作进行范围界定和期望设置。不要一个人做。
• 确保业务执行发起人的安全：您需要一位领导者来明显地支持数据策略，并积极地向更广泛的组织宣传和传达该策略。发起人实施责任制，建立期望的数据心态模型，并帮助在业务部门之间仲裁数据问题。你猜怎么着？你可以有一个以上的执行发起人，创建一个“数据之友”圈，进一步促进文化的转变。
• 定义业务价值度量：确定如何衡量和传达数据战略的价值（以业务术语而言），有助于确保业务参与、承诺和持续的资金。

你是怎么开始的？

当一个组织了解数据的价值、它在业务决策中的作用以及将数据策略与业务结果联系起来的重要性时，数据转换就发生了。毕竟，如果没有业务结果，就不可能有结果驱动的企业数据策略。

• 确定哪个业务结果最重要（如果您没有定义业务结果，请先执行此操作。）
• 从获得业务主管赞助人开始，按照成功的关键进行以下三个步骤
• 首先追求一些快速的胜利来建立可信度并验证程序，例如对所需的关键数据进行数据质量清理，或者建立提高可见性的仪表板
• 别忘了文化转型的必要性

原文：https://www.digitalistmag.com/cio-knowledge/2019/05/30/outcome-driven-enterprise-data-strategy-organization-governance-06198628

本文：

讨论：请加入知识星球或者微信圈子【首席架构师圈】

拥有还是没有？公司真的需要任命一名CDO（首席数字官）来推动其业务的数字创新和转型吗？或者，将这一责任纳入现有高管团队领导的角色中，即首席信息官、首席营销官、首席技术官、首席创新官、首席战略官、首席数据官、首席运营官和其他职能主管，是否更有意义？或者，开发新的数字能力的任务是否更适合一些公司最近形成的另一个角色——首席营销技术官的角色——一个明确专注于利用新兴数字技术改进面向客户的流程和活动的角色？

在这个问题上，意见仍有分歧。而且，很明显，对某一类公司或行业有效的解决方案可能不是对另一类公司或行业的最佳解决方案。另外，不要忘了有些组织是“天生的数字化”的——Gartner用这个词来形容“1995年后成立的一代组织，他们的运营模式和能力是基于将互联网时代的信息和数字技术作为核心能力来开发的，而大多数公司都是在工业时代成熟的，那时更传统的商业模式占主导地位。

可以说，这些新的科技领军企业的DNA中蕴含着数字技术，而许多老公司则面临着重新思考和调整其旧业务模式以适应当今截然不同的数字经济的巨大挑战。前者当然不需要在致力于开发数字能力的组织中扮演特定角色，因为这些技术和能力已经是他们所做工作的基础。但对于后一个群体来说，可能有人认为，这样一个专注的领导角色对于他们成功的数字化转型和最终的生存至关重要。这将解释过去十年全球任命的首席数字官员数量呈指数级增长的原因。

数字化浪潮来了

据估计，早在2008年，全球大概只有不到十几家cdo。到2010年，这一数字翻了两番，但全球仍只有约50名高管。快进到2015年，cdo的数量已经远远超过2000家。自2015年以来，数字浪潮继续呈指数增长。2017年，Strategy&（普华永道）的一项研究发现，目前约19%的全球顶级公司拥有CDO，其中60%是2015年以来聘用的。

欧洲、中东和非洲的增长率高于世界其他地区。在欧洲、中东和非洲（EMEA）国家运营的主要企业中，约有38%在其组织结构图中设立了首席数字官职位。排名第二的是北美，约23%的顶级组织已经任命了CDO。

当我们从地区转移到特定国家时，法国在欧洲领先，约62%的受访公司持有CDO头寸，其次是德国，为39%，英国为35%。在亚太地区，澳大利亚领先，该国约40%的主要企业拥有CDO，其次是印度，为20%。

有趣的是，但并不奇怪的是，正是面向消费者的行业，如金融服务、通信、媒体和娱乐、消费品和零售业，在任命首席数字官方面处于领先地位。在接受调查的公司中，35%的保险公司、28%的媒体/娱乐/通信公司以及27%的银行和消费品/零售公司都以某种身份任命了CDO。其次是食品和制药公司，分别占23%和19%，其次是汽车业，占15%。在规模的另一端是服务于B2B市场的经典工业公司，如制造业、公用事业、采矿业或石油和天然气行业，其数量分别下降到13%、12%、5%和3%。

什么是首席数字官？

从本质上讲，它是一个C级主管，其主要职责是通过将一个组织的传统模拟业务转变为数字业务来推动增长和战略更新，特别注重通过智能使用数字工具、平台、技术、服务和流程来创造新的价值。

那么，首席数字官（CDO）和更熟悉的首席信息官（CIO）之间有什么区别呢？简单地说，虽然首席信息官传统上监督公司的IT基础设施以提高运营效率，但CDO更关心实施数字计划，从而实现战略创新和业务转型。

让我们更详细地比较一下这两个角色：

从广义上讲，传统的首席信息官可以说是一个持续性的管理者，而CDO则是一个变革的管理者。公司知道，他们需要在当前业务的连续性与快速的技术变革和深度的战略更新之间取得平衡，这就是为什么现在存在两个独立的领导角色。再次，大量首席信息官试图弥合两者之间的差距，模糊了两者的角色，使CDO的地位过时。

时间会证明这是否是一种更好的做事方式。首席信息官当然需要在组织中转变为一个更现代化的角色，原因之一是一家公司的技术支出比例不断上升，目前在所有行业中都处于10年来的最高水平，现在是在传统的IT职能之外管理的。但以我的经验来看，很少有高管能两全其美，在业务范围的两端都能脱颖而出。不可避免的是，首席信息官往往会发现自己的注意力集中在公司现有的业务运营上，而客户尽职调查官的眼球则在关注客户忠诚度、品牌体验、未来战略以及新业务模式和收入流的创建等问题。同时管理这两个相反的观点是非常困难的，而且还需要不同的心态、技能和专业知识。

这有助于解释，根据最近对84个国家近4000名IT主管的调查（由Harvey Nash和毕马威进行），为什么“许多首席信息官承认，他们正努力在整个组织中引入有效的数字战略。”相比之下，“一半有专门的CDO的组织和40%以上有代理CDO的组织报告说他们有明确的企业数字战略，而只有21%没有CDO。”更重要的是，这些公司更有可能重新设计其公司的业务流程以利用数字技术在选择了CIO和CDO这两个不同角色的公司里，两位高管可以共同推动组织内外和整个组织的数字化进程。根据上述调查，ComputerWeekly.com得出的结论是：“最成功的公司同时聘用首席信息官和首席数字官（CDO），他们协同工作以利用创新技术。”

CDO应该向谁报告？

当我们考虑到数字技术对这个职位的重要性时，答案似乎显而易见。事实上，在过去几年中引入这一角色的许多公司中，CDO向CIO或CTO报告。但有人发现，这种结构在实践中并不奏效。在经历了几年因在组织结构图中添加CDO而导致的紧张局势后，一家全球工程公司决定改变报告方式。CDO最初向CIO报告的地方，如今却恰恰相反。首席信息官向首席数字官汇报，首席数字官则直接向首席执行官汇报。事实上，该公司已经开始在其所有业务部门中任命数字官员，他们将共同向业务部门领导和CDO汇报，并帮助将数字创新和转型作为整个公司的深层次能力嵌入到整个组织中。

在许多公司，特别是面向客户的行业，CDO最初是对传统营销功能的扩展，是对CMO的回应，主要负责新的数字活动，如社交媒体、移动应用程序和数字客户体验。事实上，从统计上看，目前约三分之二的cdo仍在公司的营销职能范围内，而只有三分之一的cdo向CIO或CTO报告。在我看来，这两个星座都是次优的，我倾向于在组织结构图上给首席数据官一个更高的排名，至少与首席信息官、首席技术官或首席营销官处于同一级别，在适当的情况下，甚至可能更高一级。

多年来，商业界一直存在一种错误的假设，即数字仅仅是公司一贯做法的一种附属品——事实上，这种做法可以固定在组织中（即通过增加数字营销功能或在组织中扮演新角色），而不是渗透到企业的方方面面。然而，如今人们意识到，数字创新和转型需要成为企业战略和运营的核心，甚至可能推动商业模式本身的彻底革新。正如麦肯锡喜欢说的，“数字化不仅仅是一件事，它是一种新的做事方式。”因此，在许多组织中，CDO的角色现在正在演变和扩展，值得庆幸的是，它承担了更广泛和更具战略性的层面。

作为一个反映，在过去的几年里，超过100名cdo被提升为公司总裁或CEO。其中包括通用电气前CDO Uptage总裁Ganesh Bell、星巴克咖啡公司前CDO J.Crew总裁Adam Brotman、同一家公司前CDO CondéNast International总裁Wolfgang Blau以及Target前CDO Blue Nile首席执行官兼总裁Jason Goldberger。

2016年3月，福特在帕洛阿尔托（Palo Alto）成立了一家名为福特智能移动（Ford Smart Mobility）的数字子公司，任命吉姆•哈克特（Jim Hackett）担任新部门的董事长，我对此也非常好奇。他的任务是帮助福特推动数字创新和转型，将其作为实现21世纪移动化的一种手段，部分是为了应对Uber科技公司（Uber Technologies Inc.）、Alphabet Inc.等科技巨头继续进军汽车业务的威胁。一年多后，哈克特被提升为福特汽车公司的总裁兼首席执行官。

像这样的公司，他们正在实现高水平的数字意识和成熟度，理解CDO角色的关键重要性。但是，在仍在进行数字化追赶的组织中，CDO有时会被困在CIO和CMO之间，而CMO自己可能会根据自己的愿景、战略和优先事项（或许是相互冲突的愿景、战略和优先事项）进行拔河，即使他们的职能和角色应该是交叉的。这可能使CDO的工作成为一场政治噩梦，几乎没有成功的希望。

首席数字官的职责

现在我们知道了首席数字官可以带来什么，让我们看看CDO角色描述中应该包含的具体职责。由于职位本身还是相对较新且发展迅速的，许多组织将需要超越模糊、定义不清或过时的职位描述。以下是许多公司现在考虑担任这一职务的一些关键职责：

制定和实施数字化战略：为公司的未来制定一个明确的、有说服力的数字化战略，并确保所有相关的数字化举措都充分融入到领导承诺、资源分配和执行的战略规划过程中

作为一个跨职能的变革代理人：CDO必须是公司数字化转型过程中的核心领导者和集成商，在所有其他高管和职能部门之间充当数字计划和能力的中介，充分整合业务和技术，弥补组织各职能部门和业务部门之间存在的数字绩效差距

推动数字创新：与整个企业的团队合作，为产品、服务、流程、客户体验、营销渠道和商业模式生成创新的数字解决方案。CDO应拥有并集中监控数字创新项目组合，而单个项目的部署可能取决于其他高管和团队

衡量数字项目的投资回报率：数字创新和转型计划应通过提高客户参与度和忠诚度、推动新收入或实现新效率来创造价值。由于这些结果是可测量的，CDO应监控和报告与企业关键绩效指标相关的数字项目和投资的投资回报率结果，以展示这些举措的积极影响

扩展数字创新生态系统：建立、管理并继续发展一个内部和外部的数字创新生态系统，利用组织内外的能力（在外部合作伙伴网络中）将数字技术应用于业务

发展数字化人才：目前市场和组织内部对数字化创新和转型的需求超过了合格人才的供给。因此，客户总监必须与人力资源部密切合作，以吸引和留住顶尖人才，并在整个公司建立数字化能力

数字化领导的必要性

首先也是最重要的是，CDO的工作是成为一个数字化领导者，一个能够成功推动整个企业转型努力的人，踏上通往数字化卓越的多年征程。这对任何人来说都有很大的期望，但它也代表了当今最令人兴奋和最重要的企业角色，因为企业面临着数字经济的新战略挑战和商业需求。如果不创造这种关键的领导角色，任命有资格胜任的人，并从组织的最高层支持所选的高管，企业又怎能希望踏上通往完全数字化未来的转型之旅呢？

如果你自己也处于数字化领导的地位，为什么不和我一起参加下一个为期3天的TLN大师班，与阿里巴巴集团合作，名为“领先的数字化转型”。您将深入了解阿里巴巴是如何在其整个生态系统中推动数字技术的前沿的，并将学习如何在自己的组织内以实际方式应用这些经验教训，以推动数字创新和转型。不要错过这个独特的机会，与像你这样正在推动一些世界顶级公司的数字化议程的其他高管建立联系。一起，你将发现成功的秘诀，帮助你磨练作为数字领导者的技能，并在努力使数字转型在整个公司实现的过程中获得更好的牵引力。

原文：https://theleadershipnetwork.com/article/the-rise-and-role-of-the-chief-digital-officer

本文：http://jiagoushi.pro/node/996

讨论：请加入知识星球或者微信圈子【首席架构师圈】

许多CDO不知道如何成功地设计他们的组织

首席数据官（CDO）的角色从2014年的400个迅速采用到2015年的1000个，这对CDO办公室在组织中的结构和定位提出了重要问题。据Gartner，Inc.称，cdo在设计办公室时应遵循四项组织设计原则。

Gartner研究副总裁Mario Faria说：“CDO办公室的组织设计必须明确考虑到数据在组织中的作用。”然而，大多数CDO都是新上任的，在管理大型团队或设计和更改组织结构方面往往经验不足。”

为了帮助客户尽职调查官和其他业务主管满足其组织的需要，并适当地构建客户尽职调查官办公室，Gartner为客户尽职调查官办公室确定了四个价值主张。

法里亚说：“没有一种正确的方式来设计CDO办公室——它的结构和实力取决于不断发展的组织如何使用它。”在Gartner的模型中，组织设计依赖于四种可能的方法来组织和利用业务中数据的好处。”图1显示了这四种方法。

资料来源：Gartner（2016年2月）

• CDO组织作为一个工程室：CDO办公室提供专注于内部用户需求的运营数据服务。它通过监控任何数据市场发展并在数据资产使用、信息管理和分析方面积累专业知识而获得成功。
• 每个人的CDO组织：CDO办公室关注内部用户的需求。但是，有一股强大的力量推动数据资产被商业领袖和个人贡献者积极使用，以突破传统的业务范围，并推动整个组织的转型和新的数字商业模式。
• CDO组织作为一个业务服务提供者：CDO办公室提供由内部和外部用户使用的操作数据服务。活动被扩展并集成到一个像业务一样运行的共享服务组织中。
• CDO组织就是业务：信息是组织的一个明确的外部产品或是与产品线不可分割的。CDO办公室提供内部和外部数据服务，推动业务转型和差异化。

“CDO的组织设计是关于人的，”法利亚说想一想一个组织需要什么样的CDO才能实现其业务目标是很容易的，但要安排合适的人员来实现这个结构则更难。至关重要的是，客户尽职调查官应批判性地考虑客户尽职调查官办公室在短期、中期和长期内需要哪些技能和行为。”

Gartner客户可以在研究报告“首席数据官办公室成功的组织设计原则”中阅读更多的信息管理预测和分析。在题为“CDO的前100天”的文章中，也有关于新CDO的更详细的指导原则。

原文：https://www.gartner.com/en/newsroom/press-releases/2016-02-11-gartner-identifies-four-types-of-chief-data-officer-organization

本文：

讨论：请加入知识星球或者微信圈子【首席架构师】