谈谈如何将数据战略转化为数据价值

从数据战略到数据价值的实现可以分为三个阶段：数据战略制定、数据用例制定以及数据实施策略。

一 数据战略制定

数据可以通过数百万种方式帮助企业，但从广义上讲，它们分为两类：一类是使用数据来改善现有业务以及制定业务决策的方式。第二个是使用数据来赋能日常业务运营。在实践中，大多数公司开始时都想改进他们的决策并从那里开始。但是，如果要使用数据，则必须始终从数据战略开始。收集哪些数据以及如何分析这些数据将完全取决于希望实现的目标——因此需要在一开始就考虑到这一点。拥有数据战略有助于整个过程更顺利地运行，并让所有人为未来的历程做好准备。

创建数据战略的技巧：

让公司关键的参与者和决策者参与进来将帮助制定更好的整体数据战略，在这个关键的早期阶段获得他们的支持意味着他们更有可能在以后充分利用所有这些数据。

请记住，与任何业务改进流程一样，事情可能会在此过程中发生变化或演变。可能会发现数据指向想要探索的新问题或导致对现有数据战略的修改。如果发生这种情况，只需重新审视数据战略，依次重新评估以下各点。

数据战略的六个组成部分，一个好的数据战略应该回答以下关键问题：

1.需要解决什么业务问题

与其从数据本身开始，不如从公司目标开始要好得多。毕竟，为什么要费心收集那些不能帮助实现业务目标的数据呢？想想未来几个月或几年制定的战略重点。定义想要实现的目标，然后思考需要回答的重大未解问题以实现该战略。简而言之，弄清楚需要通过数据实现什么。是否希望接触更多客户、更好地了解当前的客户，或者确定提供服务的最佳地点？

2. 需要什么数据来回答问题

在这个大数据时代，从小处着眼更为重要。我最近与大型企业合作中，在领导小组会议上，他们的首席执行官去见他的数据团队并告诉他们停止构建最大的数据库，而是创建最小的数据库来帮助公司回答他们最重要的问题。这是查看数据的好方法。

查看确定的每个问题，然后考虑想要或需要回答该问题的理想数据。一旦定义了理想的数据，请查看组织内部以查看已经拥有的数据。然后看看外面并确定可以访问哪些数据。但请记住，只有知道需要什么数据，才能知道在哪里寻找它，以及如何收集它。

3. 如何分析这些数据

一旦清楚了信息需求和所需数据，就需要定义分析需求，即如何将这些数据转化为有助于回答问题和实现业务目标的见解。

传统的数据收集和分析是一回事——如销售点交易、网站点击等——但数据的大部分价值在于非结构化数据，如电子邮件对话、社交媒体帖子、视频内容等。将这些混乱而复杂的数据与其他更传统的数据（如交易）相结合，是很多价值所在，但必须制定分析计划。

4. 如何报告和呈现见解

如果数据中的关键见解没有以正确的方式呈现给正确的人以帮助做出决策，那么数据就毫无用处。充分利用数据可视化技术并努力以用户友好的方式突出显示关键信息，将有助于确保数据得到充分利用。

在这个阶段记住目标受众可能是最重要的事情。因此，在此步骤中，需要定义如何将见解传达给信息消费者或决策者。需要考虑哪种格式最好，以及如何使见解尽可能直观。还需要考虑是否需要交互性，即业务中的关键决策者是否需要访问交互式自助服务报告和仪表板。

5. 需要什么软件和硬件

在定义需要哪些数据、如何将其转化为价值以及如何将其传达给最终用户之后，需要定义软件和硬件要求。当前的数据存储技术是否正确？是否应该辅之以云解决方案？目前拥有哪些分析和报告能力，需要获得什么？

6.行动计划是什么

确定了上述各种需求后，就可以制定行动计划，将数据战略变为现实。与任何行动计划一样，这将包括关键里程碑、参与者和责任。制定数据战略后，第一步就是为组织中的人员制定数据业务用例——有效地说服他们使用数据的优点，并将收益与业务 KPI 联系起来。重要的是，还应该确定公司内部的培训和发展需求，并认识到可能需要外部帮助的地方。

我发现六步法是一种用于创建数据战略的简单直观的方法，也是一种让组织中的关键决策者参与进来的方法，希望对你也有帮助。

二 数据用例制定

良好的数据战略要阐明公司的战略目标，并确定如何使用数据来实现这些目标。在此过程中确定的数据使用称为数据用例。换句话说，这些用例是关键数据项目或优先事项。

当公司制定数据战略时，通常会确定三到五个数据用例——超过这个数量，数据战略就有可能变得混乱和不切实际。

每家公司的数据用例都不同，这将由总体业务战略驱动。一些示例包括：

•提高员工敬业度

•提高工作效率

•个性化客户体验

•优化价格

•降低成本

•运营指挥

无论确定了何种数据用例，本文以及随附的数据用例模板将帮助充实用例，更详细地定义数据项目，并构建一个全面的数据策略。在模板中，有11个部分。

1.与战略目标挂钩

因为数据应该始终以战略方式使用，所以要将用例关联到特定的组织目标。因此，如果我们以上面的第一个用例为例，提高员工敬业度可能与提升企业品牌的战略目标相关联。

2.目标和业务问题

在这里更详细地定义与数据相关的目标，并确定需要回答的问题。继续员工敬业度示例，本部分可能会这样说：目标是超越大型年度员工调查，创建员工参与业务的近乎实时的画面。这将帮助我们回答以下问题：

•员工在任何时候的敬业度如何？

•可以做些什么来提高员工敬业度？

•员工敬业度计划有多成功——它们在多大程度上影响敬业度？

3.成功衡量标准（KPI）

在这里，定义此用例的成功情况，以及计划如何衡量进展。因此，我们的示例可能涉及KPI，例如定期调查、员工净推荐值、缺勤率和员工流动率。

4.用例所有者

谁将负责这个用例？如果没有一个人负责让它发生，它可能永远不会完成。我们用例的所有者可能是人力资源经理。当然，他们需要与其他人合作，但人力资源经理是负责此用例的人。

5.数据客户/用户

数据客户是将使用数据并从生成的见解中学习的人。在此示例中，我们的用例所有者显然也是数据客户/用户，但其他客户将包括整个企业的领导团队和经理。

6.所需数据

在这里，可以深入了解此项目所需的数据。这可能包括结构化数据（例如数据库和电子表格）、非结构化数据（例如社交媒体帖子）、内部数据和外部数据。为了数据多样性的利益，将不同的数据集组合起来以创建尽可能丰富的图景会更好。还需要确定是否已经拥有这些数据。如果没有，可以自己收集数据还是从第三方获取数据？

因此，在我们的员工敬业度示例中，我们可以通过使用内部调查并将我们的员工净推荐值与外部行业基准交叉参考来结合内部和外部数据。我们还可以通过查看缺勤率以及来自员工访谈和调查的自由格式答案，将结构化数据和非结构化数据结合起来。我们已经掌握了其中一些数据（缺勤率），但我们需要建立一种方法来进行员工调查。

7.数据治理

此区域包含需要做的所有事情，以确保数据安全并确保数据得到适当使用。因此，数据治理包括数据质量、道德规范、隐私、所有权、访问权和安全性。

员工敬业度用例：

•我们需要征得员工同意才能收集和使用调查数据。

•为了道德数据使用的利益——并确保更准确、诚实的结果——调查数据应该匿名。

•由于大部分数据是内部数据，因此无需担心任何所有权或访问权问题。

8、数据分析

这部分是关于将数据转化为洞察力的。有很多分析选项，包括文本分析、图像分析、预测分析和许多类型的业务分析。

员工敬业度用例的一种有用方法是文本分析。这可用于分析调查回复、访谈，甚至电子邮件或社交媒体帖子，以深入了解员工对公司的真实感受。

9.技术

任何数据项目都会对技术和基础设施产生影响。因此，在这里需要确定这些影响、挑战和要求是什么。用非常简单的术语来说，这意味着确定需要哪些软件和硬件来收集和存储数据、分析数据并传达结果。

例如，我们可能需要投资一个第三方员工敬业度平台，该平台可以对员工进行定期的调查。

10.技能和能力

需要什么技能才能做到这一点？内部是否具备这些数据技能和能力？如果没有，是否需要培训员工或将某些任务外包？也许需要内部和外部技能的混合。

继续我们非常简单的用例示例，假设建议的调查软件平台带有一个易于使用的分析元素，允许业务人员在没有任何数据科学知识的情况下对数据进行切片和切块。因此，招聘新技能的需求很小。然而，人们需要接受如何使用该系统的培训。

11.实施和变更管理

每个项目都会遇到实施挑战，因此这是识别潜在障碍和实施要求并确保计划不会偏离轨道的机会。

例如，在实施新员工调查时，需要对员工和领导层进行培训，让他们了解实施该系统的原因以及它将如何使企业受益。

重复此过程并为确定的每个单独用例填写模板。这将帮助评估用例并确定其优先级，以便知道以何种顺序处理哪些用例。

然后，一旦填写了每个单独的数据用例，并按照紧急程度对它们进行了优先排序，就可以开始完成数据战略。

三 数据实施策略

一旦知道要如何使用数据，下一个任务就是将其转化为实施策略。实施策略模板能够提供数据优先级，并确定交叉问题、主题、要求和目标等，所有这些都在一个方便的模板上体现。

数据用例位于最顶部。因此，可以在此处确定三大数据优先级。包括一些“速赢”数据用途也很有帮助——以相对快速、简单的方式展示数据的价值。

数据策略模板的其余部分被分解为不同的要求，例如需要哪些数据以及您需要投资哪些技术，其想法是确定跨领域的挑战、主题、活动、问题和这些领域的目标。

我们这样做是因为，即使每个用例/数据项目不同，它们最终也会遇到一些相同的问题或挑战。在这个早期阶段确定这些共同主题将帮助找到克服它们的最有效和高效的方法。

因此，在完成模板的其余部分后，关注以下区域：

1.数据要求

数据需求可归结为：将需要哪些数据以及将如何获取这些数据？因此，这是识别与数据本身相关的共同主题、问题等的机会。

例如，数据用例的一个共同主题可能是数据多样性。换句话说，将如何组合不同的数据（内部和外部、结构化和非结构化等）以确保获得尽可能丰富和完整的画面？

2.数据治理

这是一个广泛的领域，包括数据质量、伦理、隐私、所有权、访问和安全。因此，必然存在跨领域的数据治理问题，这些问题在不同的用例中是相同的。

例如，可能在这里发现数据质量是整个组织的一个问题。这意味着，在实现数据优先级之前，需要确保所有数据都是准确、完整和最新的——并实施各种流程以确保其保持这种状态。

3.技术

在这里，想要确定与技术和基础设施相关的交叉问题。或者，换句话说，用例中是否存在任何通用的软件和硬件要求？

为此，它有助于考虑四个数据层并确定每个阶段所需的技术：

•收集数据

•存储数据

•处理（分析）数据

•从数据中传达见解

例如，假设两个用例最终将涉及在客户过程的各个阶段调查客户（例如，在他们联系客户服务团队之后，或者在他们购买产品之后）。是否已经拥有可以捕获、存储和查询该数据以收集见解的软件？还是必须投资新软件？

4.技能和能力

缺乏数据知识和技能是许多公司的一个大问题，因此可能有许多跨领域的要求，包括缩小技能差距、培训员工、在适当的情况下外包数据收集和分析，或与数据公司合作。

如果计划与外部数据提供商合作，一个交叉问题可能是需要将该外部合作伙伴的知识传回公司。

5.实施/变更管理

在这里，应该确定可能会阻止将计划变为现实的任何常见问题或要求。在实施数据战略时，需要克服哪些挑战？

例如，假设整个企业的数据购买存在根本性问题。因此，一项交叉要求可能是投入时间对管理人员和团队进行数据教育，让他们了解数据的好处，以及根据数据而不是假设做出决策的必要性。

这个单页数据策略模板将帮助确定数据优先级中的共同主题和问题，并作为实现的目标的可视化展现。然而，一页纸永远不会详细到足以探索数据源、数据治理、技术、技能和实施的所有问题、挑战和要求。为此，具体实施中还需要更详细的叙述性文档。

四 综述

随着世界变得越来越智能，数据成为竞争优势的关键，这意味着公司的竞争能力将越来越多地取决于其利用数据、应用分析和实施新技术的能力。事实上，根据国际分析研究所的数据，使用数据的企业将比不使用数据的竞争对手获得 4300 亿美元的生产力收益。

因此，很明显，数据现在是一项关键的商业资产，它正在彻底改变大多数部门和行业的公司运营方式。实际上，每个企业，无论规模大小，现在都需要成为数据驱动的企业。

审核编辑 ：李倩