雖然大多數公司都認識到他們的數據是一項戰略資產，但許多公司并沒有充分利用它來取得進展。在本文中，我們討論了成功數據戰略的關鍵要素，這些要素將幫助您基于數據分析而不是直覺做出明智的決策。

盡管公司在數據和分析計劃方面的投資比以往任何時候都要大，但孤立和不可信的數據、低效的數據管理實踐以及缺乏有意義的見解等古老障礙繼續阻礙釋放您的數據潛力。

一個好的數據戰略框架被證明可以幫助公司克服這些障礙，并定義更多數據驅動的道路。

在本文中，我們討論了數據戰略的關鍵組成部分，包括：

Alignment with Business Strategy /與業務戰略保持一致

Analytics and Data Maturity Evaluation /分析和數據成熟度評估

Data Architecture and Technology /數據架構與技術

The Data Analytics Team /數據分析團隊

Data Governance /數據治理

Data Strategy Roadmap /數據戰略路線圖

Culture Change and Adoption /文化變革與認同

什么是數據戰略？

一個數據戰略是您所有數據實踐的基礎。它不是解決數據問題的修補工作，它不僅僅解決數據問題，它是一個長期的指導性計劃，定義了解決數據挑戰和支持業務目標所需的人員、流程和技術。

創建成功的數據戰略要求業務領導者通過數據的視角對業務進行深思熟慮和客觀的看待，并預測需要發生什么，以實現公司定義的具體目標。業務領導者應考慮：

員工需要什么，以便他們能夠更有效地使用數據。

確保企業數據既可訪問又高質量所需的流程。

實現公司數據存儲、共享和分析的技術。

數據戰略的目標是回答整個組織如何利用數據來支持制定業務決策的問題，并制定一個計劃，將人員、流程和技術的作用編織在一起，使計劃成為現實。

為什么數據戰略很重要？

僅僅擁有數據是不夠的，您需要制定戰略來實現數據的價值，并帶來與您的業務目標一致的有意義的結果。數據戰略使您的組織能夠創新，業務用戶能夠有效，業務也能夠具有競爭力。如果沒有數據戰略，您可能會遇到常見的數據挑戰，包括：

無法及時做出數據驅動的決策

報告過去，不預測和準備未來

用戶對技術的采用率低

被鎖定在單個數據提供者，數據割裂

指標和KPI定義不一致、定義不明確或未記錄

數據卡在孤島中，部門工作來自不同的“真相”

手動集成來自不同數據源的數據

花費太多時間準備原始數據

數據質量和數據訪問問題

用戶過于依賴IT

數據戰略框架是您所有數據計劃的基礎，并允許您的組織在壓力下保持敏捷性。

數據戰略的七個要素

我們幫助數百個具有不同分析成熟度和技術需求水平的組織制定了他們的數據戰略，并更好地利用數據。我們豐富的經驗導致確定了數據戰略的以下關鍵組成部分。

一、與業務戰略的匹配

數據計劃必須滿足特定的業務需求，以產生真正的價值——否則，您將面臨將錯誤的項目優先級、錯過的見解、浪費的時間和資源，甚至在整個組織中失去對數據計劃的興趣和信心的風險。

將您的數據戰略與業務戰略聯系起來，為您的成功提供幫助。當您的數據計劃支持公司目標時，您就會獲得業務支持，這意味著數據活動的優先級更高，整個組織都會獲勝。

以下是使您的數據戰略與業務戰略保持一致的方法：

確定可能受到數據和分析積極影響的相關業務驅動因素（大小）。

深入了解部門活動以及它們如何與業務目標同步。

完成從執行層面開始的訪談流程，一直持續到部門領導。引導對話，了解他們正在努力實現的目標，以及他們的日常情況以及如何改進。

請注意他們試圖衡量的內容、他們希望回答的問題，以及最終回答這些問題的KPI。

將您的調查結果與行業標準進行比較，并注意您組織的數據如何為每個業務驅動因素服務，以及哪些領域在數據見解中遺漏了。

有了這些信息的記錄，您就可以開始構建將包含在數據戰略路線圖中的用例日志。

現在是時候讓業務部門“買單”了。沒有高層支持，任何數據戰略都不會成功。演示數據如何支持他們的目標。確定代表特定部門或職能的業務倡導者、重要利益相關者和領域專家。

二、分析和數據成熟度評估

在概述您所需的未來狀態之前，您需要了解您的起點——您當前的分析成熟度級別。這有助于您設定可實現的目標，并采取現實的增量步驟，以變得更多的數據驅動。

根據Gartner的數據，現代分析往往分為四個不同的類別：描述性、診斷性、預測性和規定性。

要全面了解您的分析和數據成熟度，您需要：

您目前使用的工具、技術和系統的清單。

全面概述您的數據基礎架構以及現有數據體系結構。

對與數據和分析相關的人員技能和組織流程的評估。

我們使用Analytics8成熟度模型來定義我們的客戶目前的位置，以及如何在規模上推動他們向前發展。

了解您當前的狀態后，您可以確定您在哪里存在差距、在哪里存在已知問題，以及您需要優化的內容——無論是技術、流程、人員還是所有內容——以實現整個組織的業務目標。

您的數據和分析成熟度級別是確定項目優先級的工具，并作為衡量在您提高功能和執行數據戰略任務時進度的基準。

三、數據架構與技術

人們很容易被炒作和最新技術所吸引，并傾向于選擇市場上的“最新”工具。你也很容易被不斷增長的選擇所壓倒，決定堅持你現有的東西，或者采取單一供應商的方法。

有一些有效的方法可以消除市場的噪音，選擇最適合您的情況的技術：

重點關注現代工具如何使您的員工能夠更多地以數據為驅動力（即，避免現代化到現代化的心態）。思考技術的相關性、可訪問性和性能。

相關性：誰將使用這種技術，它能滿足他們的需求嗎？技術應以有意義的方式為業務用戶組織和呈現數據。

可訪問性：部門和業務用戶在訪問數據時面臨著如此多的障礙。考慮一個工具，使整個組織的每個人都能夠做出數據驅動的決策。

性能：市場上有強大的技術可以加快數據轉換過程。考慮使業務用戶能夠主動而不是被動的工具。

使用既定的方法和成熟的技術組合。

我們使用基于成熟度級別、數據類型、規模和速度以及團隊規模和結構的定制工具選擇，而不是確定通用的同類最佳方法。

眾所周知，有一些成熟的數據體系結構和技術組合可以很好地協同工作（例如，BigQuery、dbt、Looker和databricks以及AWS/GCP/Azure）。了解什么與您擁有或計劃采用的工具很有效。

為數據生命周期的每個階段提供地址技術。數據經歷了大量的過程，使其具有分析就緒性，確保每個階段都有正確的技術和流程，以保持數據完整性并產生最大價值。

數據生命周期的階段。

在選擇工具和技術時，請記住，它們不是獨立組件，而是數據體系結構的集成部分。

現代數據體系結構代表了數據生命周期的所有階段——此映像代表了生命周期每個階段的一些工具選項，包括提取和接收、數據存儲和復制、數據轉換、數據倉庫和數據可視化。

四、數據分析團隊

成為一個數據驅動型組織需要的不僅僅是技術，您需要擔任適當角色的合適人員，以確保采用技術和流程，并實現業務目標。

建立有效數據分析團隊的第一步是選擇或確定您的運營模式。您的運營模式決定了您實現目標所需的團隊結構和角色。

組織可以訂閱三種類型的運營模式：分散式、集中式和混合式。其中一個并不比另一個好；決定權歸結到組織的規模和資源以及其當前和未來的數據需求。

分散運營模式將責任分配到不同的業務線和IT部門，從而實現數據管理、數據戰略和業務智能等協作方法。

集中式運營模式更有結構，一切都由特定的執行職能負責。這使得數據治理更容易，決策也得到了改進。

混合運營模式將分散和集中模式與一個中央數據管理權力機構和整個組織中分散的業務部門組結合在一起。此模型允許一致的數據管理和數據治理，并允許每個業務部門自由地負責其數據和分析計劃。

然后，你應該評估你團隊的技能。首先了解員工的優勢以及他們需要支持的地方。

如果您正在采用新的技術、體系結構，甚至數據建模或開發方法標準，您的員工是否需要培訓？

每個人的數據素養都有什么水平？

你需要雇更多的人嗎？

此評估還應與您的運營模式掛鉤—數據分析師是否應與業務部門或IT保持一致？IT將如何支持企業的分析需求？即使是員工審查和激勵計劃等主題也應該進行評估。畢竟，這些杠桿可以用來鼓勵員工以組織的意圖方式使用數據。

關注您的業務用戶在各種工具和分析能力方面的技能水平是您數據戰略的一個關鍵考慮因素。制定一個培訓計劃，以解決差距。

五、數據治理

數據治理最終導致高質量數據，并允許在整個業務中實現企業級數據共享。

雖然數據治理對您的數據戰略非常重要，但重要的是要了解，就像您的數據和分析成熟度級別對您的組織來說是獨一無二的，您對數據治理的需求也是如此。

數據治理的黃金法則

實用、可維護性、相稱性

數據治理是一次旅程，而不是目的地

數據治理不是軟件應用程序或小部件

盡管市場上有一些很好的工具來支持治理的有效應用，但數據治理本身并不是你可以購買的工具或平臺，也沒有一種方法可以解決它。如果實施數據治理不正確，采用率低的風險很高，而且在匆忙中可能會付出高昂的代價。為了避免這種情況，數據治理項目群您的大綱應考慮到公司的需求、規模、緊迫性、成熟度和能力。

當數據治理是現實的，并且融入您的日常運營時，用戶就會采用您的數據和分析。

從數據治理開始的好地方

數據治理需要領導力，有時還需要在困難的對話中導航。開發業務詞匯表是一個很好的起點。業務術語表是一個活的文檔，其中正式定義了所有可用的最終用戶度量和維度。在這些對話中，識別并糾正了對術語的誤解。

六、數據戰略路線圖

數據戰略路線圖是你到這一點所做的所有工作的高潮，也是什么使你以前的所有工作都可行。您已經確定了將您從現狀帶到您未來所需的所有行動，但在開始任何業務流程的設計、構建、培訓或重構之前，至關重要的是要確定活動的優先級。

對于有助于彌合從當前狀態到未來狀態的差距的每項建議，定義它將提供的可行性和預期業務價值。該計劃應優先考慮最容易實施的活動，同時也為業務提供快速勝利。

使用優先級矩陣，每個計劃項目都會根據其業務價值和技術可行性進行評分和繪制。

數據戰略路線圖中要包括的其他因素包括：

員工可用性以及是否需要外部幫助

公司的預算流程，特別是如果需要資本投資

可能妨礙適當資源參與的競爭項目

公司的主要里程碑，如預期的新產品發布或計劃中的并購

在您的路線圖中制定一個時間表，允許慶祝在這一道路上贏得的增量勝利，將有助于保持您的團隊的積極性和士氣高高在上。

如果沒有一個深思熟慮的時間表來執行數據戰略中的所有計劃活動，路線圖就不完整。

七、文化變革和認同

您已成功創建數據戰略，配備了路線圖，您就可以繼續實施數據計劃了。

最后，但并非最不重要的是解決變革管理問題，因為您的團隊將處理大量的變革，也許還有新的責任和期望。如果不改變文化，您的數據戰略工作將無法發揮其最大的潛力。

考慮培訓和賦能、預算支持和溝通，以促進數據驅動的文化、增加采用和改進決策。

培訓和賦能：在評估員工技能和解決差距方面做了艱苦工作之后，現在您需要制定一個計劃，為他們提供成功和富有成效所需的知識。

考慮圍繞數據素養、新技術、最佳實踐和機構知識提供適當的指導和培訓。

預算支持：創建數據戰略不是一個一個完整的過程。您需要考慮為路線圖中的所有項目提供持續的預算支持和不可預見的更改。

要保持財務支持，必須非常具體地衡量和強調您的數據戰略是如何幫助您的組織滿足業務需求的。深入挖掘并討論如何將這些時間用于提高工作效率和增值，而不是提供每周因自動化而節省的“小時數”指標。依靠您的擁護者和利益相關者來支持和擔保您的ROI信息。

溝通：缺乏關于數據戰略更改發生的原因和時間的溝通可能會對您的數據計劃有害。您需要一個溝通計劃，詳細說明應該通知誰、何時以及通過什么方法。

考慮流程或技術的變化，需要討論哪些指標，即將推出的計劃，以及數據掃盲等教育內容。與您的信息保持一致，顯示有關進展和業務影響的有意義的統計數據，并慶祝勝利——小的或大的。高管在溝通方面的支持將產生巨大影響。

開始使用您的數據戰略框架

數據戰略是滿足您所有數據和分析需求的基礎，尤其是在您的組織希望在分析上變得更加成熟的情況下。它并不側重于短期項目，而是一個長期計劃，對人員、流程和技術進行全面的審視。

在您開發數據戰略框架時，請記住本文中定義的七個關鍵要素——與業務戰略、分析和數據成熟度評估、數據體系結構和技術、數據分析團隊、數據治理、數據戰略路線圖以及文化變革和管理——都是您希望克服數據挑戰、改進決策、并支持您的業務需求。