用数字化数据战略取代数据“收集和管理”

随着数据量的剧增，以及业务使用数据的增加，传统的“数据优先”战略不再适用。CIO们必须制定数字化数据战略。

全球各地的企业正在使用更多的数据用于更多的用途。如今，公司不仅使用数据来提高运营效率，而且以新的方式为客户服务、创造新的收入来源。这些机会利用了新的数据来源，例如社交媒体和物联网，同时，还有很多业务方面出现的数据技能和分析。

此外，许多CIO正在改变IT的运营模式，以更好地支持其公司的数字化目标。鉴于数据对这些目标的重要性，只有改变IT支持数据和分析的方式，才能改变运营模式。

为什么需要数字化数据战略？

大多数企业处理数据的方式，在过去20年都没有太大变化。公司通常的战略是数据优先，即收集整个企业的数据，并能够访问它们。这就是“收集和管理”模式，明确数据的所有权，并制定访问它们的规则。

但在数字化时代，这个模式让公司面对几大问题。 首先，尽管企业的数据计划是全面的，但是，随着数据量的剧增，效率越低。需要多年才能完成或直接失败。第二，一些公司限制对于那些有价值但是原始的数据的访问。这阻碍了测试和学习实验，这通常是发现数据新用途的最佳方法。最后，数据的价值更多的来自于整合 –无论是公司内的整合，或者内部和外部数据的整合 -- 这就很难明确数据所有权。

数字化数据战略从业务目标入手

在数字化时代，CIO们需要新的战略来管理数据。良好的数据战略从清晰认定潜在业务目标开始，不仅仅是考虑技术和数据，而是考虑为了实现这些目标，所需的人员和流程。 从业务目标开始，意味着能够带来业务价值的数据，应该获得最多的关注。

例如，如果一家公司希望提高客户购买的份额，那么公司用于评估客户购买更多产品的潜力的数据，应该优先于客户的其他数据。而如果业务目标从购买份额转变为获取新客户，那么数据项目的关注点也应该发生改变。这种灵活的业务目标驱动方式的特征包括：

1. 积极推动业务主导的分析：虽然数据基础设施的技能由IT掌握，但先进的企业意识到使用数据的最佳方案来自于业务部门。业务部门中的分析团队，将越来越普及，但他们的成熟度和关注点则各有不同。例如，有些只是简单的业务智能报告团队，只是被重命名为数据科学或分析团队，而有些则是经验丰富的团队，完全有能力使用高级分析。 公司的数据战略，应该鼓励这些分析团队的开发。IT部门应与其他业务部门紧密合作，为业务部门招聘数据科学家和分析师，但招聘还不够。现有人员的分析技能也需要关注。许多公司发现，大多数员工缺乏有效使用数据做出决策的技能和判断力。因此，有效的数据战略应该包括缩小分析技能差距的投入。

2. 使数据治理迭代化，所有权协作化：传统的数据治理政策往往是静态的，永久的和明确的。例如，在许多公司，数据管理和标准需要多年才能确立，要改变则要花费更多时间。类似地，数据所有权通常是二元性的 – 要么有数据所有权，要么没有。当数据技术，用户或用途发生迅速变化时，都会产生问题。相反，数字化数据战略应该包括灵活，迭代和协作的治理模式，可以从新的使用数据的方式中，快速获取价值，并认识到那些会涉及许多方的用途。

3. 分解数据和用户：并非所有的数据都应该用相同的方式处理，所有的用户都不应该被强制使用相同的分析工具。一些类型的数据和某些用户组，比其他数据和用户创造的价值更多，应该区别对待。因此，数据战略应该支持一系列的工具，让更成熟的分析团队选择适合自己需求的分析工具。同样地，战略应该意识到质量值的不同，在许多情况下，不太完美的数据仍然是有价值的。

此外，随着更多的分析自动化，数据战略不应该忽视创建用于机器决策算法的团队。例如，在固定设备上创建传感器的团队，预测设备何时需要维护，他们需要特定的数据和技术，以及高水平的能力。他们的支持方式不应该和普通报告团队一样。

CDO的职能？

讨论数字化数据战略，就必须提及首席数据官（CDO）的职能。我们面向全球146家公司的2016年调查结果显示，有39%的受访者相信在2017年底之前会招聘一位CDO。一些CDO负责数据的所有方面（例如质量、治理、技术），而其他，则负责业务目标，而不是管理所有的数据——作为中间人，帮助业务领导发现潜在业务目标。

这些CDO可能会在数字化数据战略中负责一些重要的数据项目，但他们最大的价值，是业务部门的数据和洞察顾问。 数字化是数据战略新方法的触发。坚持采用传统数据优先方法的公司将难以跟上新兴的机遇和风险。但是，那些考虑业务目标和数据用户的企业，将为公司发展和竞争优势做出贡献。