数据治理项目的成功要素-做好企业数据战略顶层规划
数据战略制定是建立数据、数据的生产者、使用者以及支撑系统之间的相互关联关系，建立企业全景数据视图，统领、协调各个层面的数据管理工作，提高数据管理规范和效率，确保企业内部各层级人员能够得到及时、准确的数据服务和支持。
通过制定科学的数据战略，指导数据治理工作循序渐进、持续优化，达到“数以治用”的目标；探讨数据战略、组织架构在企业实践过程中的要点与热点，希望能够带来启发与思考。
本文主要内容包含：数据战略是什么、不是什么？数据战略的四个要素、数据战略目标的三个层次、数据战略制定的方法和工具及数据战略实践案例。
战略原本是军事领域的专用名词，是指指导全局战争的规划和方略。战略决定了组织的活动方向和内容，解决“干什么”的问题，是根本性的决策。首先我们先了解一下DAMA和DCMM的对数据战略定义和解释。
国际数据管理协会（Data Management Association ,又名DAMA International,以下简称“DAMA”）在DAMA的数据管理知识体系[DAMA-DMBOK2:Data Management Body of Knowledge.2 nd Edition],中文版为《DAMA数据管理知识体系指南（第2版）》中对数据战略和GB/T 36073-2018《数据管理能力成熟度评估模型 》（Data Management Capability Maturity Assessment Model 简称；DCMM ）对数据战略都有定义。
DAMA-DMBOK 2.0和DCMM均将数据战略视为关键职能活动,明确数据战略对于指导各职能域分阶段开展工作具有重要意义。
1、DAMA-DMBOK2和DCMM对数据战略相关比较
表一.DAMA-DMBOK2与DCMM对数据战略的定义一览表
理论 体系 | 数据战略 |
DAMA-DMBOK | 数据战略是一个数据管理计划（Data Management Program）的战略，是保存和提高数据质量、完整性、安全性和存取的计划。数据战略的组成部分包括：
|
DCMM | 数据战略：组织数据管理工作定义愿景、目的、目标和原则。包含：数据战略规划、数据战略实施、数据战略评估。
|
2、数据战略定义
战略是选择和决策的集合，共同绘制出一个高层次的行动方案，以实现高层次目标。通常，数据战略是一个数据管理计划的战略，是保存和提高数据质量、完整性、安全性和存取的计划。然而，数据战略计划可能还包括利用信息达到竞争优势和支持企业目标的业务计划。数据战略必须来自与对业务战略中的所固有的数据需求的理解，这些数据需求驱动了组织的数据战略。
数据战略是制定企业数据资产管理的总体目标和发展路线图，指导企业在各阶段根据路线图中的工作重点开展数据治理和运营工作。
图2.数据战略指导数据运营能够和数据治理框架
1）组织管理体系为各项数据资产管理职能活动开展，搭建良好的政策、组织、资源保障环境，规定各项数据管理具体工作的标准、规范等。
2）技术支撑体系主要通过建设数据资产管理平台，为承担数据管理职责的人员提供日常进行各项数据管理工作的技术工具，提高数据管理工作的效率和绩效。
3）数据治理活动的主要目标是持续提高各类数据资产的质量和保证数据使用的安全可控。数据治理活动受组织管理体系中相关资源配置、管理制度规范的约束，数据资产管理平台提供支持这些工作的技术能力。
4）数据运营管理工作的主要目标是通过管理数据资产的使用和服务，评估数据服务水平和数据资产对企业的效益。数据运营活动受组织管理体系中相关资源配置、管理制度规范的约束，数据资产管理平台提供支持这些工作的技术能力。
图3.数据战略不是什么
1、数据战略是企业愿景吗？
数据战略是企业战略的一部分，而企业战略是实现企业愿景的规划和部署。
首先我们了解一下各大公司的企业愿景是什么。
IBM：无论是一小步，还是一大步，都要带动人类进步。
苹果公司：让每人都拥有一台计算机。
阿里巴巴：分享数据的第一平台，幸福指数最高的企业，活“102”年。
腾讯：科技向善。
百度：成为最懂用户，并能帮助人们成长的全球顶级高科技公司。
用友：用技术和创想推动社会和商业进步。
企业愿景是企业利益相关者的本质诉求的整合，是企业战略的最高指引，可以理解为企业的长期战略。在当今席卷全球的颠覆性技术浪潮中，市场变化莫测，相对遥远的长期数据战略，笔者更倾向于哪些有着明确目标、明确范围、明确实施路径，具备可执行、可实现性的短期数据战略。科技技术变化太快，很难预测10年后的世界是什么样子的，企业数据战略的指定一定要具备应对市场和技术变化的能力。笔者并不是反对企业制定长期的数据战略规划，而是要在长期的数据战略之上细化出短期的可执行、可实现、能见效的战略目标，“小步快跑、快速迭代”。
2、数据战略是数据架构吗？
数据架构定义了与组织战略协调的管理数据资产的“蓝图”，指导基于组织的战略目标，指定符合战略需求的数据架构。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整体的构件规范。数据架构定义了对组织很重要的元素的标准术语和设计。企业数据架构的设计包括业务数据描述，包括数据的收集，存储，集成，移动和分布。数据架构构件包括用于描述当前状态、定义数据需求、指导数据集成和控制数据策略中的数据资产的规范。组织的数据架构是在不同抽象层面的主设计文档的集合，包括管理数据收集、存储、安排、使用和删除的标准。它也可以按照数据在组织系统中的容器和路径的描述进行分类。数据架构可通过数据模型，数据分布，数据目录，和元数据来完整表达。
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的桥梁。数据架构作为企业架构的一部分。当数据架构能完全支持整个企业的需求时，是最有价值的。企业数据架构能让整个企业实现一致的数据标准化和集成。数据战略会影响到数据架构的设计，反过来，数据架构支持数据战略的实现，并指导其决策。笔者认为：数据架构侧重于技术，是企业数据管理的战术范畴，数据架构对上承接数据战略目标，对下联通数据战略实施计划。数据战略的落地除了需要数据架构的技术支撑，也需要企业数据文化的建设。
图4.数据战略四个要素
1、数据战略目标——愿景和目标
愿景是制定企业战略的起点，是企业的长期战略，而目标是企业短期内要达成的明确任务，是企业的短期战略。企业数据战略目标的规划设计不仅要有“诗和远方”的视野，也要考虑生活“眼前的苟且”。正如我们前边提到的阿里巴巴公司，大多数人都知道阿里巴巴是一个电子商务公司，可马云说阿里巴巴是一家大数据公司，其远期的数据战略目标是“分享数据的第一平台、幸福指数最高的企业”。阿里系的数据平台每时每刻都在生产、汇集、加工着大量的数据，这些数据是具备变现能力的。如果我们把“分享数据的第一平台、幸福指数最高的企业”理解为阿里的远期数据战略的话， 当年阿里如火如荼的研发AliSQL替换Oracle的战略就是那个时期阿里的中期数据战略，这个战略从部署到实施花了10年之久；而当前很热的“数据中台”就是目前阿里的短期数据战略，并且这个战略目前已经实现了。这里只是举例便于理解，也许阿里的数据战略并非如此。
2、数据战略范围和内容——战略举措选择
按照DAMA的给出的数据管理知识体系主要包括：数据治理、数据架构、数据建模和设计、数据整合与协同、数据安全管理、数据存储和操作、文档和内容管理、参考数据和主数据、数据仓库和商务智能、元数据管理、数据质量管理等。以上每个部分内容都可各成体系，那对企业来说，数据治理范围和内容该如何选择，却是摆在企业面前不得不回答的问题。这里，笔者建议企业的数据治理定位应充分考虑以下几点因素：企业数据管理的痛点需求是什么，希望实现的目标是什么，实施数据治理就能解哪些痛点问题，数据治理项目的投资计划，期望的投资回报率。把以上问题都想清楚了，你的数据战略定位也就清晰了——或选择全域治理、或选择个别亟待治理的主题。
3、数据战略实施策略——致胜逻辑
致胜逻辑是解决了“怎么做”，“由谁做”，“做的条件”、“成功原因”等问题，是战略的精髓。我们都知道数据治理项目涉及的业务范围广、系统范围大、参与人员多，并且数据治理是一个需要不断迭代、持续优化的过程，不能一蹴而就。那么数据治理项目该从何处入手，谁来主导、谁来配合、怎样才能保证项目的成功实施并能够取得效果？这个问题不好回答。根据笔者这些年见到、听到或亲身经历的数据项目，成功或失败，很大一部分因素是由这个“致胜逻辑”决定的。我们看大多数失败的项目都可能会有以下几个特点：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、过分迷信技术和工具、过渡依赖外部资源……。做正确的事远比正确的做事更加重要，事前想清楚数据战略的致胜逻辑，要比事后总结教训的成本低很多。数据治理项目的成功一定是将以上因素有机整合，忽视某一因素都可能会影响的数据治理的成效。
4、数据战略的实施路径——行动计划
行动计划是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。行动计划解决了“谁”、“在什么时间”、“做什么事”、“达成什么目标”的具体活动计划。行动计划要具备可执行性、能够量化、能够度量，遵循PDCA的闭环管理，定期进行复盘和检讨。项目建设过程需要企业高层的高度重视并给予足够的资源支持，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，这样提高项目建设的成功率。然而，项目建设阶段的成功并不代表数据治理的成功，建设阶段的成功企业数据治理项目的终点，却是企业数据治理的起点。路漫漫兮其修远，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，是企业数据治理的根本之“道”。
数据战略的三个境界，笔者认为企业数据战略大致可以分为：满足基本的管理目标和业务目标、创新与转型、定义在数字化竞争生态中的角色和地位，三个层次。这三个层次并不是不同企业不同的数据管理目标，而是企业数据战略的在不同阶段、不同成熟度条件下的三个具体形态。
图5.数据战略的三个层次
1、第一个层次——短期目标
满足基本的管理决策和业务协同。通过解决企业的数据管理中的各类问题，以满足决策分析和业务协同的需要，对于该层次的战略目标，笔者认为是解决企业最基础的、最迫切需要的、最能击中企业痛点的问题。随着多年的信息化建设，企业上了多套业务系统，而这些业务系统是由业务部门驱动建设的，缺乏信息化的顶层规划，各系统各自为政、各成体系、信息孤岛……，系统之间的数据不标准、不一致，导致的应用集成困难、数据分析不准确。可以说目前国内绝大部分企业都是处于这个状态，而信息技术的发展速度又太快，已逐步形成了技术倒逼企业数字化的转型的趋势，而高质量的数据资产，无疑是企业数字化转型的基石。
2、第二个层次——中期目标
基于数据实现企业管理的升级和业务的创新，通过数据的利用拓展新业务、构建新业态、探索新模式是笔者认为的企业数据战略的第二个层次，也是企业数据战略的中期目标。数据战略不再是企业战略的支撑，而是引导，或者说是相互作用，这个阶段“IT即业务”！对于传统制造企业利用数据的治理和融合，可以加速管理的创新、产品的创新、销售模式的创新，例如：利用数据治理加强集团管控、基于客户偏好的个性化定制、利用数据的供应链协同和优化、基于市场预测的创新产品设计与快速上市等等。对于服务行业利用大数据的探索服务的新模式，数据可以拓宽服务的视野，实现模式领域的横向拓展、服务精度的纵向延伸。未来的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。
3、第三个层次——长期目标
定义在数字化竞争生态中的角色和地位，企业数据战略的长期目标。科技的变革将改变企业的业务形态和竞争模式，未来的数字化竞争中，数字化将是不可忽视的核心因素，企业数据战略的部署和成功实施，将决定您的企业在未来的竞争和数字化生态中，是领导地位、挑战者、特定领域者或是淘汰出局。“什么样的愿景，决定了什么样的未来”，企业数据战略愿景的规划一定要有未来的“诗和远方”。将数据战略愿景融入企业行动方针和核心价值观中，勾勒出企业未来的“蓝图”。
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，通过系统化的思维，挖掘信息以及信息间的规律，经过科学的规划和设计，形成企业数据化运营的一幅蓝图。
在数据战略制定需要重要考虑以下几个核心问题：
企业的业务目标是什么？它们如何与数据需求相关？
企业用来定义数据管理业务目标的核心标准是什么？
为确保数据管理满足业务目标，存在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和测量有效性的？
如何确定长期和增量结果（阶段性）？
1、数据战略制定方法和步骤
1）战略环境分析和预测
分析影响企业数据战略的内外部环境，内部环境包括：理解企业的业务战略、相关政策、清楚业务部门的现状和未来的发展方向；评估企业数据治理的成熟度，以及现行的数据治理对业务的支撑程度，找出差距，明确改进和提升方向。外部环境包括：社会、经济、政治、文化、技术等各个领域现在或将来可能发生的变化情况。数据战略的制定要统括内外部环境的各个相关因素，使得数据战略成为企业战略的不可分割的重要组成。
2）价值引导，业务驱动
数据战略来源业务并服务于业务，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。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，客户画像、行为预测、精准营销无疑是企业数据战略关注的重点。
数据治理的需求开始于数据所承载的业务价值，而非技术或者IT驱动
3）制定数据战略目标
数据是企业各部门共同拥有的资源和资产，数据不能“私有化”应对数据资产进行集中管理，统一治理，按需使用，从而使数据资产效用最大化。制定数据目标要以业务应用为目标，数据管理为手段，在实现数据标准化管理的同时，提升数据的应用效率，并确保数据的合规应用。
4）制定实施路径
按单位、按部门进行战略目标的分解和细化，并制定出每个细化目标的实施时点和详细行动计划。确定出每个行动计划的起止时间、负责部门/岗位/角色/人员、明确输入输出成果。行动计划的制定要与企业实际相结合，可执行、可量化、可评估。
5）落实实施战略保障措施
为实现数据战略而建立的相关保障措施，主要是数据治理管控体系和技术工具体系。管控体系包括：数据治理组织、数据标准规范体系、数据管理流程、数据管理制度等。
6）回顾、考核与优化
数据治理的绩效考核是通过绩效打分的形式对各相关部门的数据治理进行定性和定量衡量和打分，并公布考核结果。绩效考核一方面是为了促进数据治理工作的有效开展，另一方面也是为了对数据战略目标的验证，发现问题和不足并及时实施改进措施，从而使数据战略不断的完善和优化。
2、数据战略规划模型工具
对于数据战略规划的工具有还有很多，例如：战略地图、差距分析、SWOT析、PEST分析、5W1H分析、发展驱动力分析、波特五力分析、BCG矩阵分析等。
这里介绍DAMA-DMBOK2有两个模型：分别是战略一致性模型（Strategic Alignment Model）和阿姆斯特丹（Amsterdam）信息模型，这两个模型展示了组织管理数据的高阶关系图。
1）战略一致性模型
抽象了各种数据管理方法的基本驱动因素。模型的中心是数据和信息之间的关系。信息通常与业务战略和数据的操作使用相关。数据与信息技术和流程相关联，这些技术和过程支持可访问数据的物理系统。围绕这一概念的是战略选择的四个基本领域：业务战略、IT战略、组织和流程以及信息系统。
2）阿姆斯特丹信息模型
商业IT联盟博客，阿姆斯特丹信息模型（AIM）“九宫格”发布于2010-12-08）
“九宫格”从战略角度角度，考虑业务和IT的一致性。强调信息架构规划和中间层，提出信息治理和数据质量必要性支撑。
横向上，业务、IT战略；
纵向上，业务战略、业务运营。
无论组织是否开展信息化建设，均必须开展企业架构相关工作， 理清“业务架构”、“数据架构”的逻辑，才有可能设计出卓 越的组织“操作系统”；
数据资产价值创造是目标, 数据应用是载体, 数据集成和共享是手段, 数据治理是基础。
图10.数据战略是连接业务战略与数据资产桥梁
1）业务架构：是企业架构的基础，描述企业战略、治理、组织、关键业务流程间结构和交互关系。
2）数据架构：是企业架构的核心，描述数据类型与来源、逻辑和物理数据资产、数据资源的结构和交互关系。
3）应用架构：是企业架构的缩影，描述应用开发蓝图、应用间结构和交互关系，及应用与核心业务流程间的关系。
4）技术架构：是数据和应用的支撑，描述用于部署业务、数据、应用服务的软件和硬件能力。
数据治理体系框架包括数据治理顶层设计、数据管理、数据应用与服务的从上至下指导和从下而上推进的多层次、多维度、多视角方位框架。
企业数据治理将从数据治理的顶层设计，解读如何规划数据战略、如何搭建数据治理组织架构，确保数据治理体系树立明确的目标与方向、落实职责以保障工作的有效推进。
图12.数据治理框架样例图
图13.某企业数据中台战略规划样例图
图14.数据治理平台规划样例图
结束语
数据战略已成为企业精细化管理不可或缺的基础，只有切实落实好数据战略工作，才能提升企业数据质量、实现企业数据价值升华，为企业数字化转型奠定基础。企业的数据战略目标与企业业务战略目标的一致性，构建在治理过程中形成一种机制，以便随着环境的变化进行持续的战略调整。做好企业数据战略，明确数据治理目标是企业实施数据治理的第一步，也是影响数据治理成败的最关键要素。
（鸣谢：在编写该篇文章，网友石秀峰（公众号：谈数据） 给予给予很多建设意见，重点参考：数据治理的成功要素1：数据战略管理）
超链接：https://mp.weixin.qq.com/s/nsVmQc7PyGuu6-OqIY5LcA
谈数据公众号
参考文献：
[1].国家标准GB/T 36073-2018《数据管理能力成熟度评估模型》
[2].《The DAMA Guide to the Data Management Body of Knowledge》
第十七篇: 数据治理考核体系相关思路
第十八篇:一体化数据治理和共享平台－数据资产管理目录工具介绍
第十九篇:一体化数据治理和共享平台－主数据管理工具介绍
第二十篇:一体化数据治理和共享平台－数据质量管理工具介绍
第二十一篇:一体化数据治理和共享平台－数据安全工具介绍
第二十二篇:一体化数据治理和共享平台－元数据工具介绍
第二十三篇:一体化数据治理和共享平台－数据模型工具介绍
第二十四篇:数据清洗工具、策略和步骤方法
蔡春久，某公司数据业务负责人。中国数据标准化及治理大会组委会评为十位“ 中国数据标准化及治理专家”之一 。中国大数据技术标准推进委员会数据资产专家、中电标协企业信息标准化委员会常委委员、eCl@ss协会会员（国际产品分类标准化组织）、中国数据工匠俱乐部发起人。工商管理硕士，具有二十年特大型集团企业IT咨询服务和数据治理行业经验，从业前十年主要从事物资采购变革与管理、PLM、ERP、MES等领域咨询服务，近十年专注数据治理及标准化、数据架构、智能工厂等咨询工作。为中国石化集团、中国兵器工业集团、中国航天科工集团、中国核工业集团、国投集团、晋煤集团、中国外运股份、新兴际华集团、国家电投集团、中国一重集团、哈电集团、延长石油集团、恒力集团等80余家国内及世界500强集团企业提供数据治理相关咨询服务。
(欢迎大家加入数据工匠知识星球获取更多资讯。)
联系我们
扫描二维码关注我们
微信：DaasCai
邮箱：ccjiu@163.com
QQ：3365722008
热门文章
深度解读DMBOK2.0袖珍版《穿越数据迷宫–数据管理执行指南》
深度解读数据管理葵花宝典-《DAMA-DMBOK2数据管理知识体系指南（第2版）》
“五段码”描述模型技术和 “四个八二法则”实施方法论是物料数据治理成功基石
成功的大数据治理项目须坚持“六个导向”和“三个相结合原则”及“四个坚持和五个避免” ( 推荐收藏)
“一平台、两体系、三性特征、四个统一、五个超越、六类服务 ”一篇读懂数据治理、共享和应用（值得收藏）
资产密集型企业的物料/资产/设备数据治理难点和建设思路(推荐收藏)
我们的使命：发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。
我们的愿景：打造数据治理专家、数据治理平台、数据治理生态圈。
我们的价值观：凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。
了解更多精彩内容
长按，识别二维码，关注我们吧！
数据工匠俱乐部
微信号：zgsjgjjlb
专注数据治理，推动大数据发展。