参考《一本书讲透数据治理》、《数据治理》等

文章目录

数据战略定义
- DAMA对数据战略的定义
- DCMM对数据战略的定义
- 《一本书讲透数据治理》对数据战略理解
数据战略与企业战略、数据架构的关系
数据战略的3个要素
- 战略定位
- - 短期目标
  - 中期目标
  - 长期目标
- 实施策略
- 行动计划
实施数据战略的5个步骤
- 环境因素分析
- 确定战略目标
- 制定行动方案
- 落实保障措施
- 战略评估与优化

数据战略是企业数据管理的高层策略，决定企业数据治理和数据应用的方向。这里记录数据战略的定义、数据战略与企业战略和数据架构的关系、数据战略的3个要素、实施数据战略的几个步骤以及制定数据战略的参考工具

数据战略定义

DAMA对数据战略的定义

一组选择和决定，他们共同制定了实现高级目标的高级行动方案

根据DAMA-DMBOK2数据战略由以下几个部分组成：

激动人心的数据管理愿景
数据管理商业案例摘要，附带精选案例
指导原则、价值观和管理远景
数据管理的使命和长远目标
数据管理成功的关键措施
短期的数据管理方案目标
数据管理的组织和角色及其职责
数据管理的实施路线图
数据管理的项目章程
数据管理的范围说明

DCMM对数据战略的定义

数据战略是组织开展数据工作的愿景、目的、目标和原则。它包含数据战略规划、数据战略实施和数据战略评估

数据战略规划：数据战略规划为组织的数据管理工作定义愿景、目的、目标和原则，并使其再所有利益干系人之间达成共识；从宏观及微观两个层面确定开展数据管理及应用的动因，并综合反映数据提供方和消费方的需求
数据战略实施：组织完成数据战略规划并逐渐实现数据职能框架的过程。在实施过程中，应评估组织数据管理和数据应用现状，确定现状与愿景、目标之间的差距；一句数据职能框架制定阶段性数据任务目标，并确定实施步骤
数据战略评估：在数据战略评估过程中，应建立对应的业务案例和投资模型，并在整个数据战略实施过程中跟踪进度，同时做好记录，以供审计和评估使用

《一本书讲透数据治理》对数据战略理解

数据战略必须来自对业务战略中固有数据需求的理解，这些需求驱动了企业的数据战略。数据战略是一个用数据驱动业务，为了实现企业业务目标而制定的一些列高层次数据管理策略的组合，它指导企业开展数据治理工作，指明企业数据应用的方向

数据战略与业务战略相一致
数据战略是数据治理和应用的指导：数据战略是数据管理和应用的高层策略，用于指导为实现数据驱动的业务目标而开展的一些列数据管理和数据应用活动
数据战略的组织与人员保障：数据战略规划应对数据管理的组织以及组织角色分工、职责和决策权给出指导性方案，以保证数据战略的有效实施
数据战略的制度与流程的保障：数据战略规划应对数据管理的制度和流程给出指导性方案，以便在战略实施过程中一步步落实制度和流程细则，保证数据战略的有效实施。
数据战略的技术与工具支撑：数据战略规划应对数据管理所使用的技术和工具给出指导性方案或选型建议。

在这里插入图片描述

数据战略与企业战略、数据架构的关系

这对研发来说，太过生涩

数据战略与企业战略：企业战略对企业经营活动预期的成果期望值；数据战略目标是战略性的使用数据，以推动企业战略的实现
数据战略与数据架构：数据架构用于定义数据需求，指导对数据资产的整合和控制，是数据投资和业务战略相匹配的一套完整的数据构建规范。数据架构定义了与组织战略相协调的管理数据资产的框架，用于描述现状，定义数据需求，指导数据集成，控制数据策略。
- 描述现状：描述企业数据管理的现状，包括数据资产的分布、数据存储和管理情况、数据管理能力的成熟度等。
- 定义数据需求：通过数据模型、数据目录和元数据等技术，对企业的数据现状、数据分布、数据流向、数据应用等需求进行完整描述。
- 指导数据集成：规划数据分布和数据流向，明确数据流转的环境和技术条件口
- 控制数据策略：控制数据全生命周期中的数据管理策略，包括数据的收集、存储、安排、使用和删除的标准。

数据架构是数据战略的一部分，实施数据架构的决策是战略决策，数据架构是企业策略和技术执行之间的桥梁。数据架构侧重于技术，是企业数据管理的战术范畴，而数据战略会影响道数据架构的设计，反过来数据架构支持数据战略的实现并指导其决策。

数据战略是上承接企业的业务战略目标，对下连通数据架构的实施计划。

数据战略的3个要素

战略定位、实施策略、行动计划

战略定位

战略定位回答的是：做什么，不做什么的根本问题，用来定义战略目标

企业数据战略可分为3个层次：

短期目标：实现基本的管理目标和业务目标
中期目标：促进业务创新与转型
长期目标：定义企业在数字化竞争生态中的角色和定位

短期目标

这个层次，满足基本的管理决策和业务协同。个人看来，该层次的战略目标是企业最基础最迫切最需要最能击中痛点的目标

中期目标

这个层次是创新与转型。基于数据实现企业管理升级和业务创新，利用数据拓展新业务，构建新业态，探索新模式。数据战略不再是企业战略的支撑，而是引导，或者二者相互作用，这个阶段，IT即业务

传统制造企业利用数据治理和融合，以加速管理、产品和销售模式的创新。例如，利用数据治理加强集团管控，基于客户偏好进行个性化定制，利用数据进行供应链协同和优化，基于市场预测创新产品的设计与快速上市，等等。
服务型企业利用大数据探索服务的新模式，可以拓宽服务的视野，实现模式领域的横向拓展和服务深度的纵向延伸。例如，某酒店通过对消费者需求的数据分析，推出了定制化的主题房、酒店新零售的服务模式，这些酒店服务业在业务创新方面的尝试大大提升了消费者的黏性，增加了酒店的盈利点。
在金融、餐饮、医疗、教育等服务行业，这样的案例每天都在上演。未来服务业的竞争将更加白热化;而数据资产的利用价值将愈发明显。

长期目标

这个层次是定义企业在数字化竞争生态中的角色和地位。这是企业数据战略的最高奥义。用友董事长王文京曾预言:“未来所有企业都将是数字化企业。”笔者对此深以为然。

科技的变革将改变企业的业务形态和竞争模式。在未来的数字化竞争中，数字化将是不容忽视的核心因素，企业数据战略的部署和实施是否成功，将决定企业在未来的数字化竞争和生态中是领导者、挑战者、特定领域者还是被淘汰者。

实施策略

实施策略解决的是怎么做，由谁做，做的条件和成功原因等问题

怎么做：指采用什么策略保证目标达成。DAMA给出数据管理知识体系有11个专业数据管理领域：如数据架构、数据建模和设计、数据安全管理、数据存储和操作、主数据和参考数据管理、元数据管理、数据质量管理等，难道企业都要做一遍？显然是要根据企业自身状况选择何时的数据治理策略。
由谁做：明确数据治理的组织、角色分工、职责和决策权
做的条件：数据战略的实施必须明确数据管理和应用所需的条件，如企业内、外部数据管理和使用环境如何，企业的数据管理能力成熟度情况怎样。

成功原因：影响数据治理的因素有很多，一个数据战略的成败很多取决于制胜逻辑。

以下是一个成功案例

案例: 某大型装备制造企业的“五统一”数据战略

这是国内的一家大型装备制造企业。经过多年的信息化建设，企业已经建立了 PDM、ERP、MES、CRM等多个业务系统，但由于系统之间缺乏统一的数据标准，“一物多码”的问题十分严重，对企业上下游之间的业务协同造成了较大影响。于是，该企业在 2014年启动了“五统一”的数据战略，目标是实现企业核心主数据的标准化。该策略是由公司总经理挂帅、CIO主导、IT部门与业务部门协同推进的。“五统一”包括统一数据定义、统一数据编码、统一数据口径、统一数据来源及统一参照数据。通过对分散在各部门、各系统中的主数据进行统一，为企业的应用集成和业务协同提供了基础。
该企业的数据战略定位非常清晰: 以主数据为基础，夯实企业数字化根基。这项举措为该企业后来的集团管控、财务共享、业财融合奠定了坚实的基础，取得的成效十分明显。

失败案例

案例:某工业制造企业的数据治理和运营策略

这是一家大型的工业制造集团型企业，集团为主数据治理成立了“数据标准管理委员的虚拟组织，并采用集中管控模式实施集团主数据治理。
数据标准管理委员会中的 5名数据治理专员是从集团下属的 5 家子公司抽调来的业务专家，从每家子公司中抽调一人，由其兼职负责集团主数据标准制定和数据运营工作。
在实际数据治理执行过程中，5名数据治理专员达成了默契:各自审核自家单位的数据。这导致了在集团层面，主数据集中化管控的模式成了摆设。运营不久之后，集团层面主数据的重复、不完整、不准确等问题又暴露无遗。

战略定位是让人们做正确的事，而实施策略是让人们正确地做事，两者一个是目标,一个是实现目标的方法。事前想清楚数据战略的制胜逻辑的成本要比事后总结教训低很多。

数据治理项目的成功一定是将数据治理9个要素有机整合的结果，忽视任意一个要素都可能会影响到数据治理的成效。

行动计划

行动计划是为落实战略目标或指导方针采取的具有协调性的计划安排。回答了，谁–在什么时间–做什么事–达成什么目标的具体问题

案例：某能源企业的数字化转型3年行动计划

某能源企业数字化转型战略的实施强调用“数字化的技术和数据”来支撑企业的管理决策、业务协同、业务流程优化及信息系统整合。为了实现这一战略目标，该企业提出“感体规划，分步实施，试点先行，重点突破”的总体策略，并制定了三年行动计划

在这里插入图片描述

第一阶段(2020年1~12月): 夯实基础、重点建设阶段
- 该阶段的主要目标是梳理出企业数据资产目录，建立数据标准体系，夯实数字化基础。
- 重点建设任务是成立数据治理组织，制定数据治理制度，建立核心主数据标准，盘点数据资产目录，梳理和设计数据模型等。
第二阶段(2021年1~12月): 逐步跨越、深化应用阶段
- 该阶段的主要目标是构筑大数据平台，实现数据标准的完整落地，打通各系统的数据通道，实现数据的统一并进行初步数据分析。
- 重点建设任务是:数据标准在各部门、各系统的贯彻执行，实现数据资产的统一管理;
- 构建大数据平台，梳理指标体系，并实现各系统数据的汇集和入湖;
- 进行初步的数据分析，为企业的管理决策提供支持。
第三阶段(2022 年1~12 月): 智慧运营、转型升级阶段
- 该阶段的主要目标是数据驱动企业运营，初步实现企业的数字化转型升级。
- 重点建设任务是将数据分析服务、数据挖掘服务真正应用于企业的业务和管理活动中，以支持企业的业务和管理创新。
- 同时，在数据管理侧，还需持续加强数据安全、数据质量、数据运维的管理。

“路漫漫其修远兮”，企业数据治理需要的是持续运营，将数据治理形成规则，融入企业文化，这是企业数据治理之根本。

实施数据战略的5个步骤

制定数据战略时，需要对影响企业的内外部环境因素进行详细分析，从而做出合适的选择。

环境因素分析

1.内部环境因素。影响数据战略的内部环境包含但不限于:
- 企业发展和运营的业务战略规划;
- 企业的主价值链;
- 企业的相关制度和政策:
- 企业信息化建设现状和未来发展方向;
- 高层领导和业务部门对数据战略的支持情况;
- 业务部门的业务需求痛点等。
2.外部环境因素
影响数据战略的外部环境有社会、经济、法律、政治、文化、技术等，以及以上各个因素可能发生的变化

内部环境分析常用的工具由价值链分析、竞争分析、波士顿矩阵等

外部环境分析的常用工具有，波特五力模型、PEST分析等

确定战略目标

企业的数据战略目标需要与企业内外部环境相匹配，以便随着环境的变化对数据战略目标进行灵活调整。

在数据战略目标制定的过程中，需要遵循以下原则

1.数据战略来源于企业战略并服务于企业战略
数据战略要与企业战略一致，企业需要结合自身的业务发展要求来制定数据战略。例如: 一家生产制造企业，其数据战略是紧紧围绕企业的生产开展的，通过数据治理实现“降本、增效、提质”的目标;而一家零售企业，其数据战略更注重客户/会员的发展能力和客户服务水平的提升，以及客户画像、行为预测、精准营销等。数据治理的需求始于数据所承载的业务价值，而非技术或IT 因素。
2.数据战略的制定要立足于企业现状
企业数据战略目标的制定要立足于企业现状。战略目标定得太高，“可望不可即”则变成空中楼阁;战略目标定得太低，“可望便可即”则没有足够的吸引力和动力;适度目标是“可望跳可即”的目标，即企业经过努力，在几次“惊险的跳跃”后可达到的高阶目标。
3.数据战略目标需要全员贯彻
企业数据战略是业务战略的支撑，其成功实施需要企业的利益相关方共同努力，而不能只有少数人参与。制定数据战略后，企业首先要做的是进行数据战略的宣贯，让企业全员都理解企业的数据战略，进而建立全员的数据质量意识和数据安全意识，并将这种意识转化为行动力，在潜移默化中规范数据操作，提升数据质量，实现数据价值。

制定行动方案

在确定了数据战略目标之后，需要对战略目标进行分解，将一个大目标分解成若干个可执行、可量化、可评估的小目标。并分成多个战略控制点，起止时间，负责部门、人员、岗位、角色，明确输入输出成果。此过程中将短期利益和长远利益相结合，兼顾局部和整体利益，积极推进，确保稳妥。

企业的数据战略行动方案一般包括如下4个要素：

数据战略目标:企业数据管理的愿景和目标。
数据治理指标:定义了数据治理目标的衡量方法。
数据治理规则:包括与数据治理相关的政策、标准、合规要求、业务规则和数据定义等
数据治理权责:规定了由谁来负责制定数据相关的决策、何时实施、如何实施,以及组织和个人在数据治理策略中该做什么。

示例：某外贸企业的数据战略行动计划

数据战略目标:

建立重视数据、促进数据共享的文化，如利用数据指导决策，促进各部门、各系间的数据流通等;
保护数据，保护数据完整性，确保流通数据的合规性和真实性，确保数据存储的安全性等;
探索有效使用数据的方案，增强数据管理和分析能力。

数据治理指标:

建立数据治理制度和考核指标;
识别解决企业核心问题所需的数据资料;
评估数据和相关基础设施的成熟度;
培训以提高员工的数据管理和应用技能;
确定企业优先治理的数据集;
发布和更新数据目录。

数据治理规则:

符合GDPR法规要求;
建立客户、供应商、员工、组织等核心数据的数据标准和质量规则:
设计核心数据的数据模型 ;
设计数据架构以及业务流、数据流;
梳理企业教据资源目录，以满足企业内外部的数据共享要求

数据治理权责:

设立数据标准管理委员会，由其主导数据管理工作;口设立数据治理办公室，由其负责数据管理的标准、制度、流程和考核;
设立专项数据管理员，由其负责专项数据管理工作;
数据确权，产权方负责提出数据标准和数据应用需求数据治理计划。

落实保障措施

为实现数据战略而建立的保障措施主要有数据治理保障体系及技术和工具体系。

保障体系：数据治理保障体系保障数据治理活动
- 数据治理组织
- 数据标准规范体系
- 数据管理流程
- 数据管理制度
数据治理保障体系是数据战略落地和数据治理策略执行的重要保证。
技术和工具体系
- 数据战略目标不同，数据治理技术和工具也是不同的。
- 通常来说，数据治理技术和工具包括元数据管理、主数据管理、数据质量管理、数据安全管理、数据标准管理、数据集成等