简述
著名的管理学大师、作家和教授迈克尔··波特（Michael Porter）对战略有很多正确的格言，其中包括一句:“没有战略的公司愿意尝试任何事情。”如果你是一个CIO或数据官，这听起来很熟悉，那么你并不孤单。随着数字化开始主导首席执行官和董事会成员的思维，实现公司数据价值的压力常常会导致对分析和商业智能的疯狂追求，并设定许多CIO可能认为不切实际的期望。
设想一个IT主管的任务是在相当短的时间内改进组织获取、存储和管理数据的方式。有了这样的使命，但如果没有明确的战略计划和最终目标，组织很可能会有几个错误的开始，面临内部分歧，过度投资于错误的技术类型，很快就会后悔仓促的购买决定。即使结果并非完全是灾难性的，他们通常最终会变得笨重、笨拙、昂贵，最糟糕的是，不适合支持组织的增长计划。在技术和数据解决方案面前的投资应该是在当时有最好的资料和预算的情况下进行的，但它是否有可靠的长期的数据策略？是不太可能的。
为什么要推动数字化？
数字化的原因可能与公司和行业的原因一样多。即使如此，大多数组织正在寻找，建立一个战略计划通常围绕一个或几个这样的目标：
---获得竞争优势。
---扩大消费者服务范围，与响应治理问题或新的法规遵从指令的客户建立更牢固的关系和忠诚度。
---加强网络安全防范。
---用一种新的商业模式来巩固当前的地位或重新定位公司。
下面的图表说明了组织、市场和技术驱动因素如何运营、客户体验和公司进入市场的方法相结合。每个部分的影响会因组织的目标而异，但是我们经常看到在大多数组织中都有类似于这样的一致要素在制定全面的数字化战略。
数据战略如何支持数字化的总体目标？
没有数据的数字化是没有意义的。因此，推动数字化的努力应该以经过深思熟虑的数据战略为基础，并与组织数字化努力的最终目标相一致，这是有道理的。
数据的使用代表了组织的竞争优势——问问谷歌就知道了。如果合理利用数据，通常会使一种新的、有竞争力的商业模式成为可能。按照清晰定义的策略操作的组织自然会成为数据代理，将其数据作为关键资产。一些组织甚至认为他们的数据是一种可销售的资产，并且已经制定了广泛的市场策略来利用他们业务的这一重要部分。
没有愿景和实现目标的计划，这一切都不可能实现。数据战略使公司能够识别并将其数据视为结构化的、综合的、跨领域的产生价值的资产，仅次于组织的人力资本。关于组织的数据类型和数量、如何收集数据、存储在何处、如何访问和使用数据、谁对数据负责以及未来数据投资将在何处进行的决策对于组织的数字化战略及其基础技术组件都非常重要。
了解组织在准备变革方面的立场是关键。人、流程和技术最终将推动组织走向高效，从而节省成本、刺激收入增长。但是，如果一个组织没有做好变革的准备，它就会不情愿地拖垮着自己的后腿，导致代价高昂的混乱局面。转变将成为一个可怕的流行词。
数据战略的解构
虽然每个组织的数据战略都有其基于目标的独特特性，但下面的数据战略开发的基本组件很容易适应，战略范围应该包括对组织内当前分析能力的审查。
---组织内数据流的回顾/映射；
---审核数据管理程序的组织、功能和技术能力；
---定义未来状态功能并记录关键数据需求；
---确定数据管理、商业智能工具和数据库解决方案的最佳推荐；
---通过与关键利益相关者达成一致，定义关键的结合点计划，为组织制定全面的路线图；
一旦定义了战略范围，组织就会转向计划，并最终实现其数据战略。为此，各组织应：
---利用一种灵活的、分阶段的方法来更新组织现有的数据管理计划，进度计划战略路线图的分阶段实施，以满足组织对未来状态数据管理计划的需求。
---与组织内经验丰富的人员一起工作，或引入必要的专业知识来修改现有的数据管理程序，并突出和管理与工作相关的关键挑战和风险。
---促进关键利益相关者之间达成协议，以实施在界定范围阶段确定的跨界措施。
我们经常看到，企业很难有效地管理大量数据，这些数据基本上是公司的命脉。通常，他们忽略了数据管理的“具体细节”，因此错过了让数据产生最佳结果的黄金机会。一个简单的数据战略，在考虑到最终目标的情况下制定，从长远来看可以缓解相当多的胃灼热。
数据战略案例研究
一个大型公司希望实施一项全面的数据战略，以确保他们在整个网络中充分利用技术投资。
他们首先完成了一个为期四周的四阶段审查，该审查将使他们能够定义和记录企业数据战略和路线图。在这个过程中，他们发现IT体系结构相当复杂。
此外，他们确定有几个重大挑战阻碍了客户尽可能有效地向前推进：
---缺乏对信息的一致访问。这导致了数据完整性问题。
---交付新项目时缺乏灵活性。向环境中添加新数据很困难，而且缺乏一致的方法，使得数据治理和准确性变得复杂。
---缺乏存档策略。这导致了过多的数据被保留，影响了性能。这对客户来说是一个严重的风险。
---没有大数据功能。缺乏具有成本效益的存储阻碍了客户开发未来有竞争力的改进。
---缺乏治理和流程。报告和分析技术的多样化和不断增长使得新计划耗时且成本高昂。
有了这些信息，他们开发了一个未来的程序设计，然后进行了差距分析。这个步骤帮助定义了一系列计划，这些计划将最小化并最终消除客户端当前状态和需要状态数据管理程序之间的功能和技术差距。他们还与关键干系人合作，对计划进行优先排序，记录关键缺口。
我的建议是未来建立在“核心数据”——围绕公司系统（例如财务和生产）——是所有其他数据决策的核心。
组织一直在努力理解什么数据对于业务的战略计划是最重要的，识别和建立一个核心数据中心（一个收集、连接和分析数据的中央存储库）使组织能够提供额外的数据分析和更多的战略决策。
我的建议包括：
---建立核心数据中心，收集、连接和分析数据。
---正式形成一个完整的数据治理过程，确定职责范围，创建清晰的数据权限。
---建立主数据管理平台，支持核心数据集线器的治理数据，支持主数据的“黄金记录”。
---增强集成层。在这种情况下，客户端支持数据湖复制和发布/订阅（发布/订阅）技术，以满足未来状态企业应用程序集成（EAI）的需求。
---引入一个数据湖，通过具有成本效益的存储和访问来解决归档和大数据需求。
---启用数据集市策略。这包括从核心数据中心获取核心数据需求，并将核心数据发送到数据湖，然后提取到数据集市。
最终的数据架构如下图所示：
一个坚实的数据基础是任何数字转换功夫的关键。如前面提到的，没有数据的数字化是没有意义的——更重要的是相关性、可信和安全的数据。本组织在他们的数字化之旅中迈出了坚实的第一步，并开发了一种可信的数据战略，满足他们对数据的增长需求。
结论
如果数据战略落后，大多数公司将遇到他们数字化工作的麻烦。当面对变革和创新的压力时，组织必须停下来，喘口气，问问自己：
---在我们的业务中，数据的作用是什么，它与我们的数字化工作有什么关系？
---我们是否在投资开发数据战略所需的时间和资源，就像我们投资与我们的整体增长战略一样？
---我们是否要采用“自下而上”的方法，认识到公司在数据分析和支持技术上的投资将会使或打破我们想要的最终目标？
---我们是否确保了管理层支持这些基本的“自下而上”的数据计划？
---我们是否在努力确保我们的人民和过程像我们的技术一样准备好？
我鼓励组织避免在压力下采取的一次性措施解决造成的成本和头痛，重新修订他们的战略计划。希望企业从现在开始建立5、10或更长时间的基业，并创建支持这个未来状态的数据和技术基础设施。