石头评注：
数据战略是数据能力成熟度评估模型中的第一个模块。大部分国内企业业务战略都还不显性化、Smart化，谈数据战略实为勉为其难。尽管如此， 我们不能否认数据战略的重要地位。
企业数据工作将是一项长期的任务，通过显性化的数据战略规划，方向明确、上下对齐，对于数据工作的延续性和有效性有着决定性的作用。
西方公司在做事情方面向来以一板一眼为著称。即使短期内很难企及，也不妨尝试开始。
原文译文：
虽然大多数公司都认识到他们的数据是一项战略资产，但许多公司并没有充分利用它来取得进展。在本文中，我们讨论了成功数据战略的关键要素，这些要素将帮助您基于数据分析而不是直觉做出明智的决策。
尽管公司在数据和分析计划方面的投资比以往任何时候都要大，但孤立和不可信的数据、低效的数据管理实践以及缺乏有意义的见解等古老障碍继续阻碍释放您的数据潜力。
一个好的数据战略框架被证明可以帮助公司克服这些障碍，并定义更多数据驱动的道路。
在本文中，我们讨论了数据战略的关键组成部分，包括：
- Alignment with Business Strategy /与业务战略保持一致
- Analytics and Data Maturity Evaluation /分析和数据成熟度评估
- Data Architecture and Technology /数据架构与技术
- The Data Analytics Team /数据分析团队
- Data Governance /数据治理
- Data Strategy Roadmap /数据战略路线图
- Culture Change and Adoption /文化变革与认同
什么是数据战略？
一个数据战略是您所有数据实践的基础。它不是解决数据问题的修补工作，它不仅仅解决数据问题，它是一个长期的指导性计划，定义了解决数据挑战和支持业务目标所需的人员、流程和技术。
创建成功的数据战略要求业务领导者通过数据的视角对业务进行深思熟虑和客观的看待，并预测需要发生什么，以实现公司定义的具体目标。业务领导者应考虑：
- 员工需要什么，以便他们能够更有效地使用数据。
- 确保企业数据既可访问又高质量所需的流程。
- 实现公司数据存储、共享和分析的技术。
数据战略的目标是回答整个组织如何利用数据来支持制定业务决策的问题，并制定一个计划，将人员、流程和技术的作用编织在一起，使计划成为现实。
为什么数据战略很重要？
仅仅拥有数据是不够的，您需要制定战略来实现数据的价值，并带来与您的业务目标一致的有意义的结果。数据战略使您的组织能够创新，业务用户能够有效，业务也能够具有竞争力。如果没有数据战略，您可能会遇到常见的数据挑战，包括：
- 无法及时做出数据驱动的决策
- 报告过去，不预测和准备未来
- 用户对技术的采用率低
- 被锁定在单个数据提供者，数据割裂
- 指标和KPI定义不一致、定义不明确或未记录
- 数据卡在孤岛中，部门工作来自不同的“真相”
- 手动集成来自不同数据源的数据
- 花费太多时间准备原始数据
- 数据质量和数据访问问题
- 用户过于依赖IT
数据战略框架是您所有数据计划的基础，并允许您的组织在压力下保持敏捷性。
数据战略的七个要素
我们帮助数百个具有不同分析成熟度和技术需求水平的组织制定了他们的数据战略，并更好地利用数据。我们丰富的经验导致确定了数据战略的以下关键组成部分。
一、与业务战略的匹配
数据计划必须满足特定的业务需求，以产生真正的价值——否则，您将面临将错误的项目优先级、错过的见解、浪费的时间和资源，甚至在整个组织中失去对数据计划的兴趣和信心的风险。
将您的数据战略与业务战略联系起来，为您的成功提供帮助。当您的数据计划支持公司目标时，您就会获得业务支持，这意味着数据活动的优先级更高，整个组织都会获胜。
以下是使您的数据战略与业务战略保持一致的方法：
- 确定可能受到数据和分析积极影响的相关业务驱动因素（大小）。
- 深入了解部门活动以及它们如何与业务目标同步。
- 完成从执行层面开始的访谈流程，一直持续到部门领导。引导对话，了解他们正在努力实现的目标，以及他们的日常情况以及如何改进。
- 请注意他们试图衡量的内容、他们希望回答的问题，以及最终回答这些问题的KPI。
- 将您的调查结果与行业标准进行比较，并注意您组织的数据如何为每个业务驱动因素服务，以及哪些领域在数据见解中遗漏了。
- 有了这些信息的记录，您就可以开始构建将包含在数据战略路线图中的用例日志。
现在是时候让业务部门“买单”了。没有高层支持，任何数据战略都不会成功。演示数据如何支持他们的目标。确定代表特定部门或职能的业务倡导者、重要利益相关者和领域专家。
二、分析和数据成熟度评估
在概述您所需的未来状态之前，您需要了解您的起点——您当前的分析成熟度级别。这有助于您设定可实现的目标，并采取现实的增量步骤，以变得更多的数据驱动。
根据Gartner的数据，现代分析往往分为四个不同的类别：描述性、诊断性、预测性和规定性。
要全面了解您的分析和数据成熟度，您需要：
- 您目前使用的工具、技术和系统的清单。
- 全面概述您的数据基础架构以及现有数据体系结构。
- 对与数据和分析相关的人员技能和组织流程的评估。
我们使用Analytics8成熟度模型来定义我们的客户目前的位置，以及如何在规模上推动他们向前发展。
了解您当前的状态后，您可以确定您在哪里存在差距、在哪里存在已知问题，以及您需要优化的内容——无论是技术、流程、人员还是所有内容——以实现整个组织的业务目标。
您的数据和分析成熟度级别是确定项目优先级的工具，并作为衡量在您提高功能和执行数据战略任务时进度的基准。
三、数据架构与技术
人们很容易被炒作和最新技术所吸引，并倾向于选择市场上的“最新”工具。你也很容易被不断增长的选择所压倒，决定坚持你现有的东西，或者采取单一供应商的方法。
有一些有效的方法可以消除市场的噪音，选择最适合您的情况的技术：
重点关注现代工具如何使您的员工能够更多地以数据为驱动力（即，避免现代化到现代化的心态）。思考技术的相关性、可访问性和性能。
- 相关性：谁将使用这种技术，它能满足他们的需求吗？技术应以有意义的方式为业务用户组织和呈现数据。
- 可访问性：部门和业务用户在访问数据时面临着如此多的障碍。考虑一个工具，使整个组织的每个人都能够做出数据驱动的决策。
- 性能：市场上有强大的技术可以加快数据转换过程。考虑使业务用户能够主动而不是被动的工具。
使用既定的方法和成熟的技术组合。
我们使用基于成熟度级别、数据类型、规模和速度以及团队规模和结构的定制工具选择，而不是确定通用的同类最佳方法。
众所周知，有一些成熟的数据体系结构和技术组合可以很好地协同工作（例如，BigQuery、dbt、Looker和databricks以及AWS/GCP/Azure）。了解什么与您拥有或计划采用的工具很有效。
为数据生命周期的每个阶段提供地址技术。数据经历了大量的过程，使其具有分析就绪性，确保每个阶段都有正确的技术和流程，以保持数据完整性并产生最大价值。
数据生命周期的阶段。
在选择工具和技术时，请记住，它们不是独立组件，而是数据体系结构的集成部分。
现代数据体系结构代表了数据生命周期的所有阶段——此映像代表了生命周期每个阶段的一些工具选项，包括提取和接收、数据存储和复制、数据转换、数据仓库和数据可视化。
四、数据分析团队
成为一个数据驱动型组织需要的不仅仅是技术，您需要担任适当角色的合适人员，以确保采用技术和流程，并实现业务目标。
建立有效数据分析团队的第一步是选择或确定您的运营模式。您的运营模式决定了您实现目标所需的团队结构和角色。
组织可以订阅三种类型的运营模式：分散式、集中式和混合式。其中一个并不比另一个好；决定权归结到组织的规模和资源以及其当前和未来的数据需求。
分散运营模式将责任分配到不同的业务线和IT部门，从而实现数据管理、数据战略和业务智能等协作方法。
集中式运营模式更有结构，一切都由特定的执行职能负责。这使得数据治理更容易，决策也得到了改进。
混合运营模式将分散和集中模式与一个中央数据管理权力机构和整个组织中分散的业务部门组结合在一起。此模型允许一致的数据管理和数据治理，并允许每个业务部门自由地负责其数据和分析计划。
然后，你应该评估你团队的技能。首先了解员工的优势以及他们需要支持的地方。
- 如果您正在采用新的技术、体系结构，甚至数据建模或开发方法标准，您的员工是否需要培训？
- 每个人的数据素养都有什么水平？
- 你需要雇更多的人吗？
此评估还应与您的运营模式挂钩—数据分析师是否应与业务部门或IT保持一致？IT将如何支持企业的分析需求？即使是员工审查和激励计划等主题也应该进行评估。毕竟，这些杠杆可以用来鼓励员工以组织的意图方式使用数据。
关注您的业务用户在各种工具和分析能力方面的技能水平是您数据战略的一个关键考虑因素。制定一个培训计划，以解决差距。
五、数据治理
数据治理最终导致高质量数据，并允许在整个业务中实现企业级数据共享。
虽然数据治理对您的数据战略非常重要，但重要的是要了解，就像您的数据和分析成熟度级别对您的组织来说是独一无二的，您对数据治理的需求也是如此。
数据治理的黄金法则
- 实用、可维护性、相称性
- 数据治理是一次旅程，而不是目的地
- 数据治理不是软件应用程序或小部件
尽管市场上有一些很好的工具来支持治理的有效应用，但数据治理本身并不是你可以购买的工具或平台，也没有一种方法可以解决它。如果实施数据治理不正确，采用率低的风险很高，而且在匆忙中可能会付出高昂的代价。为了避免这种情况，数据治理项目群您的大纲应考虑到公司的需求、规模、紧迫性、成熟度和能力。
当数据治理是现实的，并且融入您的日常运营时，用户就会采用您的数据和分析。
从数据治理开始的好地方
数据治理需要领导力，有时还需要在困难的对话中导航。开发业务词汇表是一个很好的起点。业务术语表是一个活的文档，其中正式定义了所有可用的最终用户度量和维度。在这些对话中，识别并纠正了对术语的误解。
六、数据战略路线图
数据战略路线图是你到这一点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。您已经确定了将您从现状带到您未来所需的所有行动，但在开始任何业务流程的设计、构建、培训或重构之前，至关重要的是要确定活动的优先级。
对于有助于弥合从当前状态到未来状态的差距的每项建议，定义它将提供的可行性和预期业务价值。该计划应优先考虑最容易实施的活动，同时也为业务提供快速胜利。
使用优先级矩阵，每个计划项目都会根据其业务价值和技术可行性进行评分和绘制。
数据战略路线图中要包括的其他因素包括：
- 员工可用性以及是否需要外部帮助
- 公司的预算流程，特别是如果需要资本投资
- 可能妨碍适当资源参与的竞争项目
- 公司的主要里程碑，如预期的新产品发布或计划中的并购
在您的路线图中制定一个时间表，允许庆祝在这一道路上赢得的增量胜利，将有助于保持您的团队的积极性和士气高高在上。
如果没有一个深思熟虑的时间表来执行数据战略中的所有计划活动，路线图就不完整。
七、文化变革和认同
您已成功创建数据战略，配备了路线图，您就可以继续实施数据计划了。
最后，但并非最不重要的是解决变革管理问题，因为您的团队将处理大量的变革，也许还有新的责任和期望。如果不改变文化，您的数据战略工作将无法发挥其最大的潜力。
考虑培训和赋能、预算支持和沟通，以促进数据驱动的文化、增加采用和改进决策。
培训和赋能：在评估员工技能和解决差距方面做了艰苦工作之后，现在您需要制定一个计划，为他们提供成功和富有成效所需的知识。
考虑围绕数据素养、新技术、最佳实践和机构知识提供适当的指导和培训。
预算支持：创建数据战略不是一个一个完整的过程。您需要考虑为路线图中的所有项目提供持续的预算支持和不可预见的更改。
要保持财务支持，必须非常具体地衡量和强调您的数据战略是如何帮助您的组织满足业务需求的。深入挖掘并讨论如何将这些时间用于提高工作效率和增值，而不是提供每周因自动化而节省的“小时数”指标。依靠您的拥护者和利益相关者来支持和担保您的ROI信息。
沟通：缺乏关于数据战略更改发生的原因和时间的沟通可能会对您的数据计划有害。您需要一个沟通计划，详细说明应该通知谁、何时以及通过什么方法。
考虑流程或技术的变化，需要讨论哪些指标，即将推出的计划，以及数据扫盲等教育内容。与您的信息保持一致，显示有关进展和业务影响的有意义的统计数据，并庆祝胜利——小的或大的。高管在沟通方面的支持将产生巨大影响。
开始使用您的数据战略框架
数据战略是满足您所有数据和分析需求的基础，尤其是在您的组织希望在分析上变得更加成熟的情况下。它并不侧重于短期项目，而是一个长期计划，对人员、流程和技术进行全面的审视。
在您开发数据战略框架时，请记住本文中定义的七个关键要素——与业务战略、分析和数据成熟度评估、数据体系结构和技术、数据分析团队、数据治理、数据战略路线图以及文化变革和管理——都是您希望克服数据挑战、改进决策、并支持您的业务需求。
译者介绍： 石健卿
文章来源：微信工作 数据力学