一 制定与战略一致的应用场景
良好的数据策略将帮助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用途称为场景。换句话说，这些场景是关键数据项目或优先事项。
当我们与企业合作制定数据策略时，我们通常会识别三到五个数据场景-如果超过这个数量，数据策略就有可能变得混乱和不切实际。
每家公司的数据场景都会有所不同，并将由总体业务战略驱动。一些例子包括：
了解并提高员工敬业度
提供更加个性化的客户体验
优化价格
开发更智能、更个性化的产品或服务
防止欺诈
数据场景的内容包括：
1.与战略目标的联系
由于数据应始终以战略方式使用，因此必须将场景与特定的组织目标联系起来。因此，如果我们采用上面的第一个示例场景，了解并提高员工敬业度，这可能与提升我们的企业品牌的战略目标相关联。
目标和业务问题;
在这里，想要更详细地定义与数据相关的目标，并确定需要回答哪些问题。继续我们的员工敬业度示例，可能会这样说：
目标是超越大型年度员工调查，创建近乎实时的员工敬业度情况。这将帮助我们回答以下问题：
我们的员工在某一时刻的敬业度如何?
我们可以做些什么来提高员工敬业度?
我们的员工敬业度计划有多成功——它们在多大程度上影响敬业度?
2.成功衡量标准(KPI)
在这里，想要定义此场景的成功是什么样子，以及计划如何衡量进度。因此，我们虚构的示例可能涉及KPI，例如定期变动调查、员工净推荐值、缺勤率和员工流动率。
3.场景所有者
谁将负责这个场景?如果没有一个人负责实现这一目标，那么它可能永远无法完成。我们的示例场景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，但人力资源经理才是拥有此场景的人。
4.用户和数据用户
数据用户是将使用数据并从生成的见解中学习的人。在此示例中，我们的场景所有者显然也是数据用户，但其他用户将包括整个企业的领导团队和经理。
5.所需资料
可以在此处深入了解该项目所需的数据。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，最好结合不同的数据集来创建尽可能丰富的图片。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引用来结合内部和外部数据。我们可以通过查看缺勤率以及员工访谈和调查中的自由形式答案来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频繁的员工变动调查。
6.数据治理
该领域涵盖了保护数据安全并确保数据得到正确使用所需执行的所有操作。因此，数据治理包括数据质量、道德、隐私、所有权、访问权和安全性。
对于我们的员工敬业度场景：
我们需要征得员工的同意才能收集和使用调查数据。
为了遵守数据使用的道德标准，并确保结果更加准确、诚实，调查数据应该匿名。
由于大部分数据是我们自己的内部数据，因此我们无需担心任何所有权或访问问题。
7.数据分析
分析主题是如何将数据转化为见解。有很多分析选项，包括文本分析、图像分析、预测分析和多种类型的业务分析。
对于我们的员工敬业度场景来说，一种有用的方法是文本分析。这可以用来分析调查回复、采访，甚至电子邮件或社交媒体帖子，以提取有关员工对公司的真实感受的见解。
8.技术
任何数据项目都会对技术和基础设施产生影响。因此，需要确定这些影响、挑战和要求是什么。简而言之，这意味着确定收集和存储数据、分析数据和传达结果所需的软件和硬件。
例如，我们可能需要投资一个第三方员工敬业度平台，该平台可以对我们的员工进行定期、短期的变动调查。
9.技能和能力
需要什么技能才能实现这一目标?内部拥有这些数据技能和能力吗?如果没有，是否需要培训员工或外包某些任务?也许需要内部和外部技能的混合。
继续我们非常简单的场景示例，假设建议的变动调查软件平台附带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。
10.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的机会，并确保计划不会脱轨。例如，在实施新员工变动调查时，员工和领导层需要接受教育，了解实施该系统的原因以及它将如何使企业受益。
二 制定基于场景的数据策略
一旦知道如何使用数据，下一个任务就是将其转化为数据策略。
1.从数据场景开始
如果还没有这样做，则需要为每个计划的数据项目制定数据场景。该过程将帮助确定数据项目的优先级，并确定要包含在数据策略中的项目。
每家公司的数据场景都不同，并且将由战略目标驱动。数据场景/数据项目的示例包括：
识别新的、更智能的产品或服务
自动化制造流程以提高效率
提供更加个性化的客户体验
优化价格
现在，如果采用数据策略模板，就会发现数据使用情况位于最顶部。因此，可以在此处确定未来一年的三大数据优先事项。我发现包含一些“快速获胜”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分为不同的要求，例如需要哪些数据以及需要投资哪些技术，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，即使每个场景/数据项目都不同，但它们最终会遇到一些相同的问题或挑战。在早期阶段识别这些共同主题将帮助找到克服它们的最有效和最高效的方法。
2.数据要求
简而言之，数据需求可以归结为：需要什么数据以及如何获取这些数据?因此，这是识别与数据本身相关的常见主题、问题等的机会。
例如，数据场景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图片?
3.数据治理
这是一个广泛的领域，涵盖数据质量、道德、隐私、所有权、访问和安全。因此，在不同的场景中必然存在相同的跨领域数据治理问题。
举个例子，也许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数据保持这种状态。
4.技术
在这里，想要确定与技术和基础设施相关的跨领域问题。或者，换句话说，场景中是否存在常见的软件和硬件要求?为此，它有助于考虑数据并确定每个阶段需要什么技术：
收集数据
存储数据
处理(分析)数据
传达来自数据的见解
例如，假设的两个场景最终将涉及在客户旅程的各个阶段(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)对客户进行调查。是否已经拥有可以捕获、存储和询问这些数据以收集见解的软件?或者必须投资新软件吗?
5.技能和能力
缺乏数据知识和技能是许多公司面临的一个大问题，因此可能会在缩小技能差距、培训员工、酌情外包数据收集和分析或与数据合作方面提出许多跨领域的要求。提供者。
如果的计划是与外部数据提供商合作，那么一个贯穿各领域的问题可能是需要将知识从外部合作伙伴转移回公司。
6.实施/变更管理
在这里，应该确定可能阻止将计划变为现实的任何常见问题或要求。在实施数据策略时需要克服哪些挑战?举个例子，假设整个企业的数据购买存在根本性问题。因此，一个跨领域的要求可能是投入时间来教育经理和团队了解数据的好处，以及根据数据而不是假设做出决策的必要性。
三 总述
数据策略模板将帮助识别数据优先级中的常见主题和问题，并作为想要实现的目标的可视化提醒。
