语言 Chinese, Simplified

SEO Title

An Outcome-Driven Enterprise Data Strategy: Data Lifecycle Processes

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。

outcome driven enterprise data strategy

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。