资料策略：理论与实践

它是“数据策略：理论与实践”第一 1 部分。在第 1 我们在部分讨论了以下内容：

组织对于制定数据战略和相关挑战的态度

行业权威部门推荐的数据管理架构

资料管理战略内容

一 组织对于制定数据战略和相关挑战的态度

本文使用的统计数据基于舆论调查。我很难保证这些舆论调查提供了具有代表性的样本，但无论如何，结果都表现出具体的趋势。

图 1 调查数据管理战略的重要性

只有 2% 受访者表示，他们的组织不需要数据策略。35% 一些受访者已经制定了数据策略，其他受访者正在制定中。

图 2 展现了 2023 年与 2024 2008年进行的另一项调查结果显示，制定战略的企业面临挑战。

如图所示，没有意识到数据战略重要性的受访者数量与上一次调查的结果有关。那些继续实施数据战略的人在定义内容和实施战略方面面临挑战。图 2 显示出这种趋势：和 2023 年相比，2024 每年面临这两个挑战的企业数量都在增加。

二 行业权威部门推荐的数据管理战略架构

第一，让我们就战略定义达成一致。

根据DAMA-DMBOK2，“战略是一系列的选择和决策，他们共同规划了高层次的行动方针来实现高层次的目标。”组织必须确定这是“数据”战略还是“数据管理”战略，以便明确战略的内容。在我看来，这两种策略的重点和内容是不同的。

数据战略致力于定义数据对组织的作用。它显示了企业将如何处理和使用数据。

数据管理战略致力于如何处理数据并从中获得价值。数据管理策略阐述了数据管理框架的开发。

在我的实践中，我使用了DAMA-DMBOK2开发的数据管理策略。我把建议分为三类；策略应该回答以下问题:为什么？这是什么？怎么做？图片 3 这一结构反映了数据管理策略。

最近，我偶然看到了Gartner的《数据与分析策略与运营模式》，有意思的是，Gartner 模型内容与 DAMA-DMBOK2 模型有许多相似之处。

图4显示了这两个模型的对比。

可以看出，这两种模式的主要内容是相似的。在这篇文章的后面，我将推荐结构和内容以及实际战略中使用的内容。

资料管理策略内容：实际策略中推荐和呈现的内容

我将使用 DAMA-DMBOK2 结构简要说明了一个数据管理结构，并将这个理论结构与我上面引用的实际战略示例进行比较。

我想提醒大家，这五种策略都是数据策略，而不是数据管理。如上所述，这一事实可能导致组织更加关注数据的作用，而不是如何处理数据的结论。

三 部分的“为什么”

首先，组织需要回答数据管理、数据管理策略和功能的“为什么”。这个问题可以通过描述以下主题来回答:

主题 1：对数据或数据管理作用的定义组织愿景

理论

我们习惯于认为数据是公司的资产或资源。数据在组织中的作用取决于组织的商业模式。对于一些组织来说，数据是一种可销售的产品。对于其他组织来说，它只是一种实现组织目标的资源。

实践

在所有五种战略中，数据被视为战略和经营资产，以支持以下几个方面：

能够管理资金，通知政策和计划，促进透明度” （战略 1）

“以速度和规模实现使命价值和洞察力”(战略 2）

“充分发挥数据潜力，提高运营成果”(战略3)

“支持组织的使命；以数据为核心的方法”(战略 4）

“成功规划未来任务路线”(战略 5）

主题 2：关键业务需求或驱动因素建立数据管理

理论

组织应该确定需要数据管理的关键业务原因。业务驱动因素将组织的业务策略与数据管理策略联系起来。定义关键业务驱动因素有利于平衡关键项目需求和组织资源。

实践

下面总结了促进各机组织制定数据战略的关键业务驱动因素：

做出更明智的决定(战略 1、2 和 4）

战略竞争(战略2)

对数字化转型的需求(战略 2 和 5）

改变外部环境(战略3)

所以，我们可以看到，改善决策和适应外部环境的变化是一个重要的驱动因素。

主题三：数据管理针对不同利益相关者的目标群体

理论

我们通常讨论数据管理对于组织目标群体。我认为这种方法不完全正确。一个组织由多个利益相关者组成。不同的利益相关者可能会从实施数据管理中获得各种利益。有时候，预期的收益可能是矛盾的。因此，确定的业务驱动因素必须与相应的利益相关者联系起来，然后对每个利益相关者的数据管理目标群体进行评估。

这一策略的第一部分应该清楚地说明数据管理能够为关键业务领域和驱动因素提供最大价值。

实践

每个组织的利益相关者都不一样，所以每个战略的目标群体也不一样。让我逐一展示战略中提到的关键目标群体:

策略一：“更好地支持农民、生产者和农民”、“最大限度地发挥对公民项目的影响”、"处理我们的问题，激发创新"

策略二：“正确完成 IC 为了实现高效、大规模的任务价值和洞察力，安全地发现、浏览和使用数据。

战略三：“提高教育成果，推动我国进入政策洞察和数据驱动运作的新时代”

战略四:“提供公共价值，让我们的社区蓬勃发展:公共安全和刑事司法、住房和无家可归、劳动力发展和经济机会、健康、教育、环境和生态资源、良好的政府”

战略五：“充分释放数据的力量，加快航天任务，扩展宇宙知识”

下面是文章的第二部分“数据战略:理论与实践”。在第二部分，我们将继续分析数据战略示例，讨论以下内容:

资料(管理)战略内容

建议制定数据管理策略。

资料(管理)战略内容：实际战略中的推荐和呈现

四 这部分是什么？

这一节迫使企业做出严肃的决定，这将影响数据管理计划的成功。这一决定是“我们想要”和“我们可以”之间的平衡。这就是说，它涉及到战略的可行性。在编写数据(管理)策略时，你应该对自己的公司诚实，明白编写策略的目的。您是为演示而写的，因为“别人都这么做”，还是您真的需要它，关键目标是实施它？假如你的目标是第一个，你可以停止阅读这篇文章。我鼓励您深入研究数据管理原则、框架和核心数据管理功能的主题，如果您的目标是战略制定。

为定义可行的数据管理策略，应对以下主题作出决定：

主题 4：数据管理原则

理论

数据管理原则是规范数据管理实施的规则。

不同的领先行业指南对数据管理原则的定义方法有很大的不同。在第二版中 DAMA-DMBOK 方法不同于第一版。在第一版中，数据管理原则更为普遍。第二版根据知识领域的定义原则。在我的实践中，我选择了将业务驱动因素与数据管理原则联系起来的方法，并分析了应用原则的后果。

图 5 这一方法得到了演示。

在制定数据管理原则时，必须重点关注实施的可行性。后果分析必须包括隐性利益和挑战以及所需行动。

实践

在五种参照策略中，我找到了制定原则。

让我们回顾一下我分为以下几类的原则：

数据治理：

资料是一种资产(战略4)

“数据必须有明确的定义责任”(战略4)

“数据必须遵循规则和规定”(战略4)

“数据应该得到一致管理”(战略4)

伦理：

职业道德原则(战略2)

使用符合道德(战略) 4）

道德治理(战略) 3 和 5），包含：

“坚守道德”(战略5)

履行职责” （战略5）

提高透明度(战略5)

决策

有意识的决定(战略) 3 和 5），包含：

保证相关性(战略5)

利用现有数据(战略” 5）

“预测未来用途”(战略5)

“反应能力”(战略5)

文化

资料知情文化(战略4)

学习文化(战略) 3 和 5），包含

“投资学习”(战略5)

培养数据领袖(战略5)

“实践问责” （战略 5）

与数据管理有关

以数据为核心的 IT 结构原则(战略) 2）

管理与高效管理(战略4)

很容易发现，这些策略有很多相似的原理。

主题 5：数据管理框架

理论

我曾经写过很多文章，讨论领先的数据管理指南。 DAMA-DMBOK2 和 DCAM 对于数据管理结构的看法不同。”ORANGE“数据管理框架也是一套建立可操作数据管理功能的方法和模型。

数据管理能力模型是该框架的基本模型之一，如图所示 6 显示。数据管理能力由几个核心子能力组成。这些子能力在实现数据管理的业务价值方面起着不同的作用。

为组织利益相关者提供业务价值的核心能力是数据生命周期管理。从数据管理的角度来看，业务结构和数据治理是战略能力。资料处理是一种特殊的能力。标题“数据治理”错误地反映了这种能力的真实作用。这一能力管理数据，而非数据。其核心任务是利用数据管理框架将数据管理确立为业务功能，然后控制参数管理功能的运行效率和有效性。通过控制参数管理组织结构、流程、政策和工具的建立，确保数据管理子功能的所有资源都能实现这一目标。

实践

几类战略（1、3、四是称自己为框架。看起来这些组织并没有使用任何行业框架，而是专注于开发自己的框架来实现自己的目标。

主题六：数据管理能力的范畴

理论

“ORANGE“数据管理模型显示了核心数据管理子功能。首先，所有的数据管理子功能都是相互关联的。以数据质量为主要任务的组织很可能失败。为正确管理数据质量，组织必须具备数据治理和数据应用结构，包括数据建模和元数据管理，包括数据继承等。许多数据管理专业人员都没有意识到这一点。这一情况部分归因于此 DAMA-DMBOK2 方法。这个指南给人的印象是，所有的知识领域都可以单独实施。然而，在第 38 页面，作者指出了以下内容：“现有的 DAMA 在数据管理框架中，没有一部分描述不同知识领域之间的关系。

确定数据管理能力范围的规则很简单:战略部分“为什么？”确定的业务驱动因素将定义一组所需的子能力。这些子能力的R&D水平取决于组织资源。

实践

使用“ORANGE“数据管理模型分析战略中提到的核心数据管理能力。我在战略中没有直接引用数据管理能力。为了解决这一挑战，我将战略中提到的解释(目标和目的)转化为相关能力，并与“ORANGE“模型投射。

假设这些战略开发下列能力

数据治理

“数据治理”(战略 1、3、4、5）

“道德使用”(战略4)

“数据驱动文化”(战略5)

数据处理与政策 （战略5）

数据素养

“数据与分析生产力” （战略 1）

“实施数据劳动力计划，满足支持数据驱动决策的需要(战略 3）

"数据知情文化(战略4)

“数据生产力” （战略 5）

公司结构(数据、应用和技术)

开放数据(战略) 1）

实现数据互操作(战略2)

"信息收集策略(战略3)

改进信息共享流程(战略3)

公布部门开放数据计划(战略3)

扩大综合数据库存(战略3)

“通过扩大机构管理数据的访问限制，提高透明度”(战略 3）

“加强组织数据发布和披露审查程序”(战略3)

创建企业数据清单(战略4)

“启动国防安全地理信息共享中心”(战略4)

“调查正在使用的自动决策系统”(战略4)

改进数据产品和数据原则(战略5)

构建企业数据架构(战略5)

“数据结构” (战略5)

数据质量

“提高数据质量，注重适用性”(战略 3）

管理数据生命周期

执行端到端数据管理(战略” 2）

"强化关键任务领域的证据建设渠道(战略) 3）

确保机构拨款管理系统支持战略数据的使用”

高效率管理” （战略4）

“数据工具” （战略 5）

“数据管理” （战略 5）

元数据管理

“更多地使用通用数据标准”(战略3)

“建立一个有凝聚力的数据技能计划”(战略 3）

数据分析

“数据与分析生产力” （战略 1）

“通用数据和分析工具集” （战略 1）

“快速、大规模的分析(战略) 2）

“培养使用数据可视化和讲故事的能力”(战略3)

“通过机构数据分析平台创造财富”(战略3)

我们可以看到，这些战略考虑到开发通用数据管理能力，重点关注数据管理、素养、分析和企业结构。

五 “怎么做”部分

这个部分必须说明组织如何在规定的时间内实施“内容”部分所定义的战略范围。下列主题有助于实现这一目标：

主题 7：长期目标、目标和路线图

理论

路线图定义了一系列行动、利益相关者和资源，以实现战略中指定的目标和目标。

最重要的是，路线图必须确定战略的可行性。路线图必须考虑到我们上面讨论的各种子能力之间的依赖。

实践

所有的策略都以明确的目标和目的结束——我在讨论主题。 6 现在列出的目标和目的的例子。

有些还包括路线图(战略图) 4 和 5）。

主题 8：成功的举措

理论

一般来说，我们通过设置绩效管理来衡量数据管理的成功，并使用关键绩效指标作为衡量工具。数据策略属于战略组织等级。组织可以使用三种类型 KPI 衡量战略的成功：领导，财务和结果。

领先的 KPI 对数据管理战略未来的成功结果进行衡量和预测。

财务 KPI 确定预期的投资货币收益。

导出 KPI 衡量这一策略是否符合长期目标和目标。

实践

很难找到任何一种直接参考成功的方法。

主题 9：评估和降低风险

理论

内部和外部环境因素会给战略的成功实施带来多重风险，战略必须预见这些风险，制定减少措施，并将风险降低转化为成功因素。

实践

在任何战略中都很难找到潜在的风险和缓解措施的分析。

结论

下面是我们在本文中讨论的内容摘要：

一些行业权威部门提供了制定数据(管理)战略的指南。我们考虑并比较了两个例子：DAMA-DMBOK2 和 Gartner 模型。

这一策略提出了相似的内容，并鼓励回答三个关键问题：

为什么组织需要数据(管理)策略？

对组织来说，“数据管理”意味着什么，需要什么范围？

如何实施已经确定的数据管理范围？

商业机构发布的数据战略，政府部门与公众分享其数据战略并不容易找到。

本论文所分析的战略内容与行业权威部门推荐的内容大致相对应。

这些战略侧重于数据治理、分析、素养、质量、企业结构和数据管理的生命周期等核心数据管理能力的开发。不幸的是，对元数据管理的关注有限。

六 建议制定数据(管理)战略。

若组织决定制定数据(管理)策略，应执行下列操作：

确定“数据”和“数据管理”战略的重点

在业务中，数据战略主要关注数据的作用，而数据管理战略则表现出改进数据处理实践的观点。

明确建立和完善数据管理战略的关键业务原因

业务原因是投资数据管理的主要原因。战略必须确定包括外部和内部在内的关键利益相关者。值得注意的是，数据管理为不同利益相关者提供了不同的价值。

根据业务驱动因素确定所需的数据管理能力范围

数据管理是一种基本能力。没有这种能力，任何组织都无法成功经营其业务。然而，这种能力的发展范围必须与最重要的业务驱动因素相关联。组织必须定义其核心数据管理子能力来实施这一战略。

制定可行的目标和计划，并将其转化为长期路线图。

组织在制定战略时，必须考虑可用资源。战略必须是可行的。设定 SMART 目标和目标有利于制定切实可行的长期计划。

这一策略还必须包括风险评估和缓解措施。

本文来自微信微信官方账号“数据驱动智能”（ID：Data作者：晓晓，36氪经授权发布，_0101)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com