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。数据战略是一个为了用数据驱动业务，实现企业业务目标而制定的一系列高层次数据管理策略组合，它指导企业开展数据治理工作，指明了企业数据应用的方向。

01 数据战略的三要素

数据战略是企业为实现企业发展和运营目标而做出的数据规划和部署，它主要包含 3 大要素：战略定位、实施策略和行动路线，见下图：

1、战略定位

战略定位回答了“做什么”“不做什么”的根本问题，用来定义战略目标。企业数据战略的规划设计不仅要有对齐企业战略的“长期目标”面向愿景，还要兼顾解决当前问题的“短期目标”。

在制定数据战略定位时要重点考虑以下几个核心问题：

• 企业的痛点需求是什么？

• 企业的业务目标有哪些？它们与数据需求是什么关系？

• 企业确定数据管理业务目标的依据是什么？

• 为确保数据管理能实现业务目标，可以采用哪些衡量标准或关键绩效指标？

• 数据管理的组成部分是如何实施的？如何测量其有效性？

• 如何确定长期和阶段性成果？

• 数据治理的投资计划（人力和资金）如何？期望的投资回报率是多少？

先来看一个案例

案例：某商业银行制定数字化转型的数据战略

——————————————————————————

过去几年，商业银行受到来自互联网公司和数字金融公司的挑战。而 2020 年年初席卷全球的新冠肺炎疫情让银行客户的行为从线下转到了线上，这对商业银行的数字化转型起到了巨大的推动作用。

该商业银行以“实现数字化转型”为数据战略愿景，并确定了支撑这一战略愿景的 4 个业务目标。

• 数字化营销：建立完整的用户画像，进行全渠道触达，以实现金融数字业务的完整闭环。

• 数字化风控：基于商业银行积累的大量数据，更准确地预测客户的风险，实现风险和收益的平衡。

• 金融产品的精细化管理：包括差异化定价、产品组合管理、产品创新。

• 银行的内部控制：规避操作风险，进行风险预测预警和员工行为监控等，以确保银行数据的安全合规使用。

——————————————————————————

2、实施策略

实施策略解决的是“怎么做”“由谁做”“做的条件”“成功原因”等问题，是战略落地的“致胜逻辑”。

（1）怎么做

“怎么做”是指采用什么策略保证目标的达成。DAMA 给出的数据管理知识体系中有 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、数据存储和操作、参考数据和主数据、元数据管理、数据质量等，难道企业需要把这 11 个专业领域全部都做一遍吗？显然不是。企业应根据自身现状和业务目标，选择合适的数据治理策略，或全域治理，或选择个别亟待治理的领域进行治理。

（2）由谁做

“由谁做”是指要明确数据治理的组织、角色分工、职责及决策权。

（3）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么样。

（4）成功的原因

影响数据治理的因素有很多，主要包括战略、组织、文化、流程、制度、数据、人才、技术和工具 9 个方面。每个因素都可能会影响到数据战略的成功或失败，企业应设计每一个实施策略。

数据治理的成功总是相似的，但失败却各有原因。数据治理失败的原因主要有目标不明确、范围不清晰、主导人员分量不足、参与人员不够积极、过度迷信平台和工具、过度依赖外部资源等。

战略定位是让人们做正确的事，而“致胜逻辑”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致胜逻辑的成本要比事后总结教训低很多。

3、行动计划

行动计划是为落实战略目标或指导方针而采取的具有协调性的计划安排。行动计划回答了“谁”“在什么时间”“做什么事”“达成什么目标”的具体问题。行动计划要可执行、可量化、可度量，遵循 PDCA 的闭环管理，需要定期进行复盘和总结。

制定数据资产管理项目的实施路线图时，不仅要考虑项目优先级和项目依赖关系，还要综合考虑公司信息化建设现状、内部组织对数据资产管理的支持程度以及对服务时间和人力资源的调配能力。最重要的是要结合公司业务场景和生产经营管理中的具体情况，制定可落地的数据治理行动计划。

数据治理是一个不断迭代、持续优化的过程，不可一蹴而就。

经验告诉我们，数据治理绝对不是引入先进技术和高端软件就能够成功的。项目建设过程需要企业高层的高度重视并给予充分的资源支持，需要有经验丰富的顾问团队，需要技术部门和业务部门的通力协作，这样才能提高项目建设的成功率。

同时，数据治理不是“一次性项目”，一个数据治理项目的成功并不代表数据战略的成功，一个数据治理项目的成功不是企业数据治理的终点，而是新的起点。

“路漫漫其修远”，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。

02 实施数据战略的 5 个步骤

数据战略的制定以企业战略为基础、以业务价值链为模型、以管理应用为目标、以可执行的活动为步骤，基于系统化的思维挖掘信息以及信息间的规律，并经过科学的规划和设计，形成企业数据化运营的蓝图。

为实现业务目标，可以设计多种策略。每一种策略都将遇到不同的困难，需要调动不同的资源，运用不同的工具，因此应根据对环境、自身条件的仔细评估来选择最佳策略。企业数据战略的实施包含 5 个步骤：环境因素分析、确定战略目标、制定行动方案、落实保障措施和战略评估优化。

1、环境因素分析

数据战略的制定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。环境因素分析模型如图所示：

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、技术等方面的因素，以及以上各个因素可能发生的变化。例如，欧盟《通用数据保护条例》（GDPR）的实施会对在欧盟范围内开展业务的企业造成一定的影响，企业要在欧盟开展业务，就必须遵守 GDPR 法规。

制定数据战略时要综合考虑内外部环境的各个相关因素，使数据战略成为企业战略不可分割的重要组成部分。由于每家企业所处的内外部环境不同，企业数据战略应形成自身的独特模式，其他企业的数据战略可以借鉴和参考，但不能盲目照搬。

另外，外部环境和自身条件会随时变化，因此企业需要具备随着环境变化及时调整数据战略的能力。

内部环境分析常用的工具有价值链分析、竞争分析、波士顿矩阵等。外部环境分析常用的工具有波特五力模型、PEST 分析等。选择数据战略常用的工具有 5W1H 分析、SWOT 分析等。

延伸阅读：基于 5W1H 分析法的数据治理战略规划

———————————————————————————

5W1H 的具体内容如下

• What（做什么）：数据治理的内容和范围。

• How（怎么做）：数据治理的实施路径、方法和策略。

• Who（谁来做）：数据治理的责任主体、组织机构和岗位分工。

• When（什么时间做）：数据治理的实施计划表。

• Why（为什么做）：数据治理的目标。

• Where（在哪里做）：数据治理的应用场景，如支持系统应用集成、支持决策分析。

在数据治理战略的规划设计中，Why 是最重要的问题。只有明确了战略目标，才能指导后续的工作，方向如果错了，就会越走越远。

———————————————————————————

2、确定战略目标

企业数据战略目标的制定，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，其数据战略更注重于客户/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，“可望不可及”则变成空中楼阁；战略目标定得太低，“可望便可及”则没有足够的吸引力和动力；适度目标是“可望跳可及”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全员共同努力，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。

3、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。根据这些小目标，可以将数据战略划分为若干个阶段并设置一些战略控制点，确定每个阶段的起止时间、负责部门/岗位/角色/人员、明确输入和输出成果等，渐进式地逼近终极目标。在此过程中，将短期利益与长远利益相结合，兼顾局部利益与整体利益，既要积极推进又要确保稳妥，在这些因素的约束下选择相对合理的实施路线图。

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。

4、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。

1）保障体系

为了实现数据战略目标，企业需要开展各项数据管理活动，而数据治理保障体系就是为这些活动所提供的各种保障，它主要包括以下四部分。

• 数据治理组织：由参与企业数据治理活动以及与数据利益相关的业务组、IT 团队、数据架构师和 DBA 等组成，其职责是推动数据战略的实施。

• 数据标准规范体系：建立数据标准化的过程，通过统一梳理数据，识别数据资产，并对数据的分类、编码、属性、业务规则、安全策略、存储策略、管理要求等内容进行规范化定义，在组织范围内形成对数据的一致性认知。

• 数据管理流程：定义数据的创建、变更、使用流程和相关策略。

• 数据管理制度：定义数据管理归口/主责部门，明确数据管理的角色分工、岗位职责、操作要求以及相应的考核措施等。

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。

2）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。技术和工具体系是数据治理的术和器层面的内容，详见第四、五部分。

5、战略评估优化

战略评估是以战略实施过程及其结果为核心，通过对影响并反映战略管理质量的各要素进行总结和分析，判断战略能否实现预期目标，以便对数据战略做出优化和调整。数据战略评估与优化的过程如下：

1）将数据战略目标关联业务价值，形成可定性和定量评估的衡量指标；

2）在整个数据战略实施过程中跟踪进度并做好记录，以供审计和评估使用；

3）由管理层定义和批准数据战略业务案例和投资模型，以确定如何将数据治理工作落实到位；

4）由企业数据利益相关方直接参与评估指标的创建和验证；

5）将预期结果与实际执行结果进行比较，发现问题和不足；

6）采取必要的纠正措施以保证行动与计划的一致性，从而不断完善和优化数据战略。