在数据管理领域，我们从客户那里听到的常见说法就是：了解基础能力的重要性是一回事，但展示切实的进展以确保增强所需的投资是另一回事。这是一个需要证明价值才能为进一步发展铺平道路的故事。因此，数据管理和支持不仅仅要协调人员、流程和技术，还要通过可衡量的里程碑来打造一个引人入胜的成长和潜力故事。这个过程远非立竿见影，需要耐心和精确度。如果没有衡量能力，我们就会盲目航行，从而冒着努力和投资的风险。

本文介绍了一个战略性的“NOW-NEXT-NEAR”框架。这不仅可以作为路线图，还可以通过在每一步展示清晰、可衡量的进展来作为确保数据管理之旅成功的关键工具。

现在-下一个-近期框架

当我们谈论数据治理激活时，我们指的是实施数据治理策略的过程——激活策略、建立数据管理以及部署管理、保护和利用数据的技术。基础能力是构建有效数据治理的基石。确切的最低要求基础因部门、地区和独特的组织环境而异，但它们通常包含定义的数据所有权和域、确保关键数据适用性的流程以及对员工进行数据素养教育等内容。这些基本要素建立了组织负责任地、战略性地处理数据的运营准备状态。

从运营准备状态发展到战略数据治理，并最终发展到业务影响是一个过程，通常是迭代的过程。每个步骤都建立在前一个步骤的基础上，每组指标都为下一步提供信息。在组织希望看到其数据治理工作产生可持续影响之前，必须先建立一套最低限度的基础能力。但一个重要的陷阱迫在眉睫，即投资于基础能力，但在一年左右的时间范围内不会产生积极的投资回报率。数据团队在实施数据目录或测量数据质量上投入一年以上的时间是非常常见的，但无法量化对业务产生的积极影响。

那么，我们如何确保正确的基础能力到位并在短期内实现业务影响?这就是我们的 Now-Next-Near 框架的用武之地：

虽然不可能立即衡量基础数据管理功能的直接业务影响，但可以衡量导致影响的活动的有效性。指标是数据管理成熟之路上的路标，确保组织继续以可接受的速度取得正确的进展，继续朝着正确的目的地前进。

更准确地说，首先可以衡量运营数据管理的到位程度。接下来，可以衡量战略能力如何发展，例如访问关键数据的速度以及如何创建新的数据驱动的见解。最后，可以衡量业务影响。数据治理并不直接影响业务;相反，它能够创造和发展驱动价值的战略能力。

在选择这些指标时，我们的目标是让它们变得SMART：具体、可衡量、可实现、相关和有时限。这一原则确保我们的目标明确并在规定的时间内可以实现。具体、可衡量和相关的标准尤其关键。特异性确保每个指标都针对数据管理的特定方面。可衡量性使我们能够定量评估进度，而相关性则确保指标与更广泛的业务目标保持一致。

现在我们来看看这三个阶段。

开始阶段

“NOW”阶段的重点是建立有效数据治理所需的运营能力。在此阶段，组织重点关注正确的基础知识——设置基础设施、定义角色和职责，并确保数据管理流程到位。此阶段为数据治理计划定下基调，并确保必要的基础设施和流程到位，以支持未来更具战略性的工作。

推动最初的基础成熟度还包括构建特定的能力。具体是哪些取决于您的情况和目标，但我们可以回顾一些示例，以及仓促实施相关的风险：

• 元数据管理：元数据通常被称为“关于数据的数据”。这对于理解关键数据和信息资产至关重要。如果没有标准化的元数据，组织将面临数据质量、沿袭和使用理解方面的挑战。如果没有一致的元数据管理流程，可能会面临数据解释和使用方式不一致的风险，从而导致决策失误。此外，如果没有至少一个最小的元数据策略，则存在为元数据创建和维护创建冗余流程的风险，从而导致效率低下和资源浪费。

• 互操作性标准：互操作性是指不同系统和组织协同工作的能力。如果没有一些商定的标准，将面临数据交换和集成的挑战，从而创建无法相互有效通信的系统。反过来，这会导致信息孤立，并且无法在整个企业内利用数据。这不仅会影响运营效率，还会增加与集成不同系统和数据相关的长期成本。

• 运营模型和框架：数据治理的运营模型和框架为如何在整个组织中管理数据提供了蓝图。在没有最低运营模型或框架的情况下推动数据治理几乎可以保证您开发出不一致的流程和实践。这导致数据所有权、治理角色和责任缺乏明确性，最终导致治理结构无效且无法适应不断变化的组织需求。此外，最终可能会为每个新数据计划“重新发明轮子”，从而导致效率低下和零散的方法，无法利用规模经济和企业范围的最 佳实践。

事实上，各种基础功能是稳定、持久的数据治理激活不可或缺的一部分。但它们是基础性的事实并不意味着不应该衡量它们，也不意味着无法在短期内产生影响。事实上，如果做得正确，情况恰恰相反——通过正确的指标来跟踪数据治理的运营有效性，你在实现影响力的道路上已经成功了一半。

此阶段的指标旨在衡量数据治理的准备情况和基础方面，并提供有关数据治理计划的运营有效性的即时反馈。您可以定义数百个指标，但我们建议重点关注少数目标指标。以下是此阶段我们推荐的 5 个指标：

• 激活的数据域的数量：该指标跟踪已识别并在治理框架内积极管理的数据域的数量。激活的域是对数据进行定义和编目并指定所有者和管理员的域。该指标证明了关键数据作为资产进行管理的程度，这是实现业务成功的先决条件。在许多组织中，一个关键领域是客户数据。如果您能够证明关键客户数据得到了充分的管理，那么您将能够更好地理解和服务您的客户，并启用各种数据驱动的用例。建议从可管理数量的域开始，以避免不堪重负。

• 认证数据资产的数量：数据资产认证涉及验证最重要数据集的质量和可靠性。该指标衡量满足既定质量标准并获准在整个组织内使用的数据资产数量，这对于建立数据信任至关重要。仓促完成这一过程可能会导致使用不可靠的数据，破坏数据治理工作，并可能导致糟糕的业务决策。

• 已编目的激活域数量：这与激活数据域和验证其数据资产有关，重点关注关键数据已编目的程度。保留激活域的目录可确保存在数据资产、其元数据及其相互关系的清单。这直接有助于数据发现和管理，如果没有它，数据资产将保持或变得支离破碎且难以定位。

• 启用自助服务的员工百分比：该指标与数据用户在数据使用过程中完全自助服务的程度有关，强调员工在没有直接干预的情况下访问和使用数据的授权和独立性，例如通过IT 人员。

• 具有数据质量(“DQ”)控制的数据资产数量：数据质量控制是确保数据准确性、完整性和可靠性的机制。该指标跟踪已实施这些控制的数据资产的数量。缺乏此类控制可能会导致 DQ 问题，从而可能对组织产生深远的负面影响。DQ控制并不总是 DQ措施——DQ 仪表板本身并不是目标。目标是确保数据的适用性。如果您可以在数据捕获、移动和存储过程中嵌入控件，以保证数据符合给定的格式，那么事后测量可能就没有必要了。

此类运营指标可以作为组织为其数据治理奠定基础的情况的指标。它们不仅仅是数字，还反映了最初采取的步骤的质量，并有助于展示早期的胜利和需要改进的领域，所有这些对于建立势头都至关重要。

接下来的阶段

在“NOW”阶段建立起最低限度的运营基础后，您将进入“NEXT”阶段，其中战略实施占据中心地位。此阶段是将运营能力转化为行动，推动组织朝着其业务目标前进，利用数据获得竞争优势。

此阶段的指标旨在衡量组织执行其数据策略的能力。它们表明组织如何利用其数据资产来支持战略目标并培育数据驱动的决策文化。它们是“现在”阶段奠定的运营基础与“近期”阶段预期业务成果之间的连接器。

战略指标还可以通过提供关于战略执行情况的清晰、可操作的见解来激励和指导组织的数据治理计划。它们有助于确定数据治理框架需要完善的领域或可能需要额外资源才能实现战略目标的领域。

定义和优先考虑的确切指标将再次取决于组织的独特背景，但以下是我们推荐的 5 个指标：

• 行动时间：该指标衡量数据被访问并用于做出决策或采取行动的速度。它是数据治理框架如何有效促进快速、明智决策的指标。行动时间过慢会导致错失机会并缺乏应对市场变化的能力。

• 数据驱动的创新：该指标评估数据用于驱动新产品、服务或业务模式的程度。确切的计算将根据您的具体情况而有所不同，但它们可以与与从洞察到创新的时间、通过数据洞察提交的专利数量以及数据启发产品的数量或速度相关的常见指标相关。

• 数据驱动的决策/采用：该指标评估数据影响战略决策以及在整个组织中采用的程度。它反映了将数据视为关键资产的文化转变。该指标可以根据访问特定报告或仪表板的频率得出，但更简单的版本可能只是询问关键业务领导者能够在多大程度上根据数据做出决策。

• 数据可访问性：该指标衡量组织内关键数据的可访问性。该指标有多种变体，其中一些衡量数据访问批准和配置的周转时间，另一些则侧重于可通过首选消费机制(例如 Tableau 或特定 API)访问的关键数据资产的份额。

• 利益相关者数据满意度：该指标衡量数据满足用户需求的程度。这是一个极其简单但包罗万象的指标。如果您的关键数据用户感到满意，您就知道各种底层基础确实已经就位。它的另一个好处是衡量他们的满意度是吸引用户的一种积极方式。它让他们感到自己被倾听，提高了对数据管理计划的认识，并使您能够随时了解新出现的需求和痛点。

诸如此类的指标建立了一个反馈循环，显性表示数据治理计划是否成功，并使您能够做出基于事实的调整。因此，战略阶段代表了一个过渡点，利用运营能力获得战略优势，利用数据进行创新并做出明智的决策。

业务影响

在“NEAR”阶段，重点是实现业务影响。此阶段的指标以结果为导向，旨在衡量数据管理给组织带来的切实好处。事实上，重点转向实现和衡量直接业务影响。

这些业务影响指标是数据治理之旅的巅峰。它们反映了计划目标的实现，并在数据治理活动和组织更广泛的业务目标之间提供了直接联系。他们展示了数据计划的投资回报并验证了每个相关人员的努力。事实上，越来越多的公司正在尝试根据各种基础业务影响指标来衡量“数据投资回报率”的聚合指标。

对于以利润为导向的公司来说，根据定义，这些指标必须以某种方式映射回一组有限的收益类型：增加收入、降低成本、增强客户或客户体验和/或降低风险。对于非营利组织，指标将与明确的使命和相关目标相关。

以下是我们推荐的 5 个指标：

• 数据对收入的影响：该指标评估对创收的贡献。它可以通过数据驱动的产品增强、有针对性的营销活动或数据洞察带来的新收入流来实现。如果与收入没有明确的联系，数据治理可以被视为成本中心而不是价值驱动因素。

• 运营效率增益：该指标衡量更好的数据带来的效率提高，例如简化流程、减少冗余以及自动化数据相关任务。在我们合作的一个例子中，一家全球运营的科技公司估计，根据特定的数据资产，他们可以通过简化全球运输路线、自动化供应链规划流程和防止产品退货来节省超过 2000 万的成本。

• 市场响应能力：这是指应对市场变化的能力，这是显着的竞争优势。该指标评估正确的新鲜数据如何使组织能够适应市场条件。每个组织的确切计算都是独 一无二的，但它们可以与与推出新产品的时间、来自数据驱动的产品和服务的收入(百分比)、客户反馈响应时间或适应率相关的通用指标相关监管变化。

• 客户体验得分：在许多情况下，更好的数据可以改善客户体验。该指标衡量客户满意度(变化)，例如数据驱动的洞察和个性化的结果。一个常见的例子是净推荐值(“NPS”)。举个例子，一家金融服务公司能够非常精确地衡量由于联系信息不正确而导致的投诉数量的减少，而此前，这种情况会导致纸质信件和实体信用卡被发送到不正确的地址。

• 节省数据准备时间：通过提高数据质量和可访问性，数据治理可以显着减少搜索和纠正数据所花费的时间。该指标量化了这些改进所节省的时间。这是您可以最快实现的业务影响指标之一。这已经非常巨大了——许多组织的分析团队报告称，在能够有效地分析数据并将其用于分析或人工智能之前，他们会花费超过 50% 的时间来查找和清理数据。

此类指标有助于巩固组织内数据治理的地位，表明它不仅仅涉及合规性或风险缓解;还涉及数据治理。它涉及推动业务增长、增强客户体验和提高运营效率。

通过明确识别、衡量和发布业务影响指标，可以证明数据计划的价值并获得持续的支持和资金。它还提供了一个庆祝所取得的成功的机会，或者相反，如果看不到影响，则可以重新开始。

小结

我们上面介绍的框架使组织能够系统地完成其数据支持之旅，确保每个阶段都建立在上一个阶段的基础上，并且用于衡量成功的指标适合组织的成熟度级别。它提供了清晰度和方向，并确保工作与组织更广泛的战略目标保持一致。

这种分阶段理解的价值怎么强调都不为过。通常情况下，我们与领导者合作，他们往往要么太早要求业务影响，因为缺乏基础能力会造成伤害和挫败感，要么太晚，因为在没有明确规划近期业务的情况下对数据管理进行投资。关键是要取得正确的平衡。

最后，组织还必须投资于强大的流程来有效地衡量和跟踪这些指标——仅定义它们是不够的。这项投资确保指标不仅是理论构建，而且是推动进步和问责制的实用工具。

借助这样的框架，可以规划一条通往卓越数据治理的道路——一条经过衡量、有影响力并与推动业务成功的最终目标保持一致的道路。