这是“数据战略：理论与实践”的第 1 部分。在第 1 部分中，我们讨论以下内容：
组织对制定数据战略的态度及相关挑战
行业权威机构推荐的数据管理架构
数据管理战略内容
一 组织对制定数据战略的态度及相关挑战
本文中使用的统计数据基于民意调查。我无法保证这些民意调查提供了具有代表性的样本，但无论如何，结果都显示出特定的趋势。
图 1 制定数据管理战略必要性的调查
只有 2% 的受访者表示他们的组织不需要数据战略。35% 的受访者已经制定了数据战略，其余的受访者正在制定中。
图 2 展示了 2023 年和 2024 年进行的另一项调查的结果。结果表明，制定战略的公司面临着挑战。
如图所示，没有意识到数据战略必要性的受访者数量与上次调查的结果相关。那些继续实施数据战略的人在定义内容和实施战略方面面临挑战。图 2 显示了这一趋势：与 2023 年相比，2024 年面临这两种挑战的公司数量都有所增加。
二 行业权威机构推荐的数据管理战略架构
首先，让我们就战略的定义达成一致。
根据DAMA-DMBOK2，“战略是一系列选择和决策，它们共同规划出实现高层次目标的高层次行动方针。”要确定战略的内容，组织必须确定它是“数据”战略还是“数据管理”战略。在我看来，这两种战略的重点和内容都不同。
“数据”战略专注于定义数据对于组织的作用。它表明了公司将如何处理和使用其数据。
“数据管理”战略专注于如何处理数据并从中获取价值。数据管理战略阐述了数据管理框架的开发。
在我的实践中，我使用了DAMA-DMBOK2开发的数据管理战略的内容。我将建议的内容分为三类；战略应该回答以下几类问题：为什么？是什么？如何做？图 3 说明了数据管理战略的这种结构。
最近，我偶然看到了Gartner的《数据与分析战略及运营模型》，有意思的是，Gartner 的模型内容和 DAMA-DMBOK2 模型有很多相似之处。
图4展示了这两个模型的比较。
可以看出，这两个模型的主要内容是相似的。在本文的后面，我将比较推荐的结构和内容与实际战略中使用的结构和内容。
数据管理战略内容：实际战略中推荐与呈现的内容
我将使用 DAMA-DMBOK2 结构来简要解释一个数据管理结构，并将该理论结构与我上面引用的实际战略示例进行比较。
我想提请大家注意，这五种战略都是数据战略，而不是数据管理。如上所述，这一事实可能导致这样的结论：组织更关注数据的作用，而不是如何处理数据。
三 “为什么”部分
组织首先必须回答“为什么”需要数据管理、数据管理战略和功能。它可以通过描述以下主题来回答这个问题：
主题 1：定义组织对数据或数据管理的作用的愿景
理论
我们习惯于认为数据是公司的资产或资源。数据在组织中的作用取决于组织的业务模式。对于某些组织而言，数据是一种可销售的产品。对于其他组织而言，它只是实现组织目标的一种资源。
实践
数据被视为所有五种战略中的战略和运营资产，以支持以下方面：
“能够管理资金、告知政策和计划并促进透明度” （战略 1）
“以速度和规模实现使命价值和洞察力”（战略 2）
“充分发挥数据的潜力，改善运营成果”（战略3）
“支持机构的使命；以数据为中心的方法”（战略 4）
“为未来的任务成功规划路线”（战略 5）
主题 2：建立数据管理的关键业务需求或驱动因素
理论
组织应确定需要数据管理的关键业务原因。业务驱动因素将组织的业务战略与数据管理战略联系起来。定义关键业务驱动因素有助于平衡关键业务需求和组织资源。
实践
以下是促使各机组织制定数据战略的关键业务驱动因素的总结：
做出更明智的决策（战略 1、2 和 4）
战略竞争（战略2）
数字化转型的需求（战略 2 和 5）
外部环境的变化（战略3）
所以，我们可以看到，改善决策和适应外部环境的变化是关键的驱动因素。
主题三：数据管理对不同利益相关者群体的价值主张
理论
我们经常谈论数据管理对组织的价值主张。我认为这种方法并不完全正确。一个组织由多个利益相关者组成。不同的利益相关者可能会从实施数据管理中获得各种好处。有时，预期的收益可能会相互矛盾。因此，必须将确定的业务驱动因素与相应的利益相关者群体联系起来，然后评估每个利益相关者群体的数据管理价值主张。
该战略的第一部分应该清楚地阐明数据管理能够提供最大价值的关键业务领域和驱动因素。
实践
各组织的利益相关者群体不同，因此，每个战略的价值主张也不同。让我逐一展示战略中指出的关键价值主张：
战略一：“更好地支持农民、生产者和农场主”、“最大限度地发挥面向公民的项目的影响”、“解决国家问题并激发创新”
战略二：“实现对 IC 数据的安全发现、访问和使用，以实现快速、大规模的任务价值和洞察力”
战略三：“改善教育成果，引领国家进入基于证据的政策洞察和数据驱动运营的新时代”
战略四：“提供公共价值，使我们的社区繁荣发展：公共安全和刑事司法、住房和无家可归、劳动力发展和经济机会、健康、教育、环境和自然资源、良好的政府”
战略五：“充分释放数据的力量，加速航天执行任务和扩展宇宙知识的能力”
下面是“数据策战：理论与实践”文章的第二部分。在第二部分中，我们将继续分析数据战略示例并讨论以下内容：
数据（管理）战略内容
制定数据管理战略的建议
数据（管理）战略内容：实际战略中的推荐与呈现
四 “是什么”部分
本节迫使公司做出一个严肃的决定，该决定将影响数据管理计划的成功。这个决定是“我们想要”和“我们能”之间的平衡。换句话说，它涉及战略的可行性。当你开始编写数据（管理）战略时，你应该对自己的公司诚实，了解编写战略的目标。你是为了演示而形式上编写的，因为“其他人都这样做”，还是你真的需要它，关键目标是实施它？如果你的目标是第一个，你可以停止阅读这篇文章。如果你的目标是战略实施，我鼓励你深入研究数据管理原则、框架和核心数据管理功能的主题。
为了定义可行的数据管理战略，应该对以下主题做出决策：
主题 4：数据管理原则
理论
数据管理原则是规范数据管理实施方式规则。
不同的领先行业指南对数据管理原则的定义方法大不相同。第二版中的 DAMA-DMBOK 方法与第一版中的方法不同。在第一版中，数据管理原则更为通用。第二版按知识领域定义原则。在我的实践中，我采用将业务驱动因素与数据管理原则联系起来的方法，并分析应用原则的后果。
图 5 演示了这种方法。
制定数据管理原则时，必须重点关注实施的可行性。后果分析必须包括潜在的利益和挑战以及所需的行动。
实践
我在五种参考战略中的四种中找到了制定的原则。
让我们回顾一下我分为以下几类的这些原则：
数据治理：
“数据是一种资产”（战略4）
“数据必须有明确界定的责任”（战略4）
“数据必须遵循规则和规定”（战略4）
“数据应得到一致管理”（战略4）
伦理：
职业道德原则（战略2）
合乎道德的使用（战略 4）
道德治理（战略 3 和 5），包括：
“坚守道德”（战略5）
“履行责任” （战略5）
“促进透明度”（战略5）
决策
有意识的决定（战略 3 和 5），包括：
“确保相关性”（战略5）
“利用现有数据”（战略 5）
“预测未来用途”（战略5）
“展现响应能力”（战略5）
文化
数据知情文化（战略4）
学习文化（战略 3 和 5），包括
“投资学习”（战略5）
“培养数据领袖”（战略5）
“实践问责” （战略 5）
数据管理相关
以数据为中心的 IT 架构原则（战略 2）
治理与有效管理（战略4）
我们可以看出，这些战略有很多相似的原理。
主题 5：数据管理框架
理论
我曾撰写多篇文章，探讨领先的数据管理指南 DAMA-DMBOK2 和 DCAM 对数据管理结构的观点差异。“ORANGE”数据管理框架也是一套建立可操作数据管理功能的方法和模型。
该框架的基础模型之一是数据管理能力模型，如图 6 所示。数据管理能力由几个核心子能力组成。这些子能力在从数据管理中实现业务价值方面发挥着不同的作用。
数据生命周期管理是为组织利益相关者提供业务价值的核心能力。业务架构和数据治理是定义数据管理发展方向的战略能力。数据治理是一种特殊能力。“数据治理”这个标题错误地反映了这种能力的真正作用。这种能力管理数据管理，而不是数据。其核心任务是应用数据管理框架将数据管理确立为业务功能，然后控制数据管理功能的运营效率和有效性。数据治理通过控制数据管理组织结构、流程、政策和工具的建立，并确保所有数据管理子功能的资源来实现这一目标。
实践
几种战略（1、3、4）都称自己为框架。看起来这些组织没有使用任何行业框架，而是倾向于开发自己的框架来实现他们的目标。
主题六：数据管理能力的范围
理论
“ORANGE”数据管理模型展示了核心数据管理子功能。最重要的是，所有数据管理子功能都是相互关联的。将数据质量作为首要任务实施的组织很可能会失败。为了正确管理数据质量，组织必须拥有数据治理和数据及应用程序架构，包括数据建模和元数据管理，包括数据沿袭等。这是许多数据管理专业人员没有意识到的。这种情况部分归因于 DAMA-DMBOK2 方法。该指南给人的印象是所有知识领域都可以独立实施。然而，在第 38 页，作者指出了以下内容：“现有的 DAMA 数据管理框架中没有一个部分描述不同知识领域之间的关系。”
确定数据管理能力范围的规则很简单：在战略部分“为什么？”中确定的业务驱动因素将定义一组所需的子能力。这些子能力的开发水平将取决于组织的资源。
实践
使用“ORANGE”数据管理模型来分析战略中提到的核心数据管理能力。我没有找到战略中对数据管理能力的直接引用。为了解决这一挑战，我将战略中提到的陈述（目标、目的）转化为相关能力，并与“ORANGE”模型进行映射。
这些战略假设开发以下能力
数据治理
“数据治理”（战略 1、3、4、5）
“道德使用”（战略4）
“数据驱动文化”（战略5）
“数据处理与政策” （战略5）
数据素养
“数据和分析生产力” （战略 1）
“实施数据劳动力计划，满足支持数据驱动决策的需求（战略 3）
“数据知情文化（战略4）
“数据生产力” （战略 5）
企业架构（数据、应用和技术）
“开放数据”（战略 1）
“实现数据互操作性”（战略2）
“信息收集战略（战略3）
“改善数据共享流程”（战略3）
“发布部门开放数据计划”（战略3）
“扩大综合数据库存”（战略3）
“通过扩大机构管理数据的访问权限来提高透明度”（战略 3）
“加强机构的数据发布和披露审查流程”（战略3）
“创建企业数据清单”（战略4）
“启动国家安全地理数据共享中心”（战略4）
“对正在使用的自动决策系统进行调查”（战略4）
“改进数据产品和数据原则”（战略5）
“构建企业数据架构”（战略5）
“数据架构” (战略5)
数据质量
“提高数据质量，重点关注适用性”（战略 3）
数据生命周期管理
“执行端到端数据管理”（战略 2）
“加强关键任务领域的证据构建渠道（战略 3）
“确保该机构的拨款管理系统支持战略数据的使用”
“有效管理” （战略4）
“数据工具” （战略 5）
“数据管理” （战略 5）
元数据管理
“更多地使用通用数据标准”（战略3）
“建立一个有凝聚力的数据技能计划”（战略 3）
数据分析
“数据和分析生产力” （战略 1）
“通用数据和分析工具集” （战略 1）
“快速、大规模分析（战略 2）
“培养使用数据可视化和讲故事的能力”（战略3）
“通过机构数据分析平台创造价值”（战略3）
我们可以看到，这些战略考虑开发通用数据管理能力，重点关注数据治理、素养、分析和企业架构。
五 “如何做”部分
本节必须说明组织如何在规定的时间内实施“内容”部分中定义的战略范围。以下主题有助于实现此目的：
主题 7：长期目标、目的和路线图
理论
路线图定义了实现战略中指定的目标和目的所需的一系列行动、利益相关者和资源。
最重要的一点是，路线图必须确认战略的可行性。路线图必须考虑到我们上面讨论过的各种子能力之间的依赖关系。
实践
所有战略都以明确的目标和目的作为结束——我在讨论主题 6 时列出的目标和目的的示例。
其中一些还包括路线图（战略 4 和 5）。
主题 8：成功的措施
理论
通常，我们通过设置绩效管理并使用关键绩效指标作为衡量工具来衡量数据管理的成功。数据战略属于战略组织级别。组织可以使用三种类型的 KPI 来衡量战略的成功：领导、财务和结果。
领先的 KPI 衡量长期趋势并预测数据管理战略未来的成功结果。
财务 KPI 确定投资的预期货币回报。
输出 KPI 衡量该战略是否符合长期目标和目的。
实践
很难找到任何直接参考衡量成功的方法。
主题 9：风险评估与缓解
理论
内外部环境因素会给战略的成功实施带来多重风险，战略必须预见这些风险，制定缓解措施，并将风险的缓解转化为成功的因素。
实践
难以找到任何针对任何战略中潜在风险和缓解措施的分析。
结论
以下是我们在本文中讨论内容的摘要：
一些行业权威机构提供了制定数据（管理）战略的指南。我们考虑并比较了两个示例：DAMA-DMBOK2 和 Gartner 模型。
-
该战略提出的内容类似，并鼓励回答三个关键问题：
·为什么组织需要数据（管理）战略？
·“数据管理”对于组织意味着什么，所需的范围是什么？
·组织如何实施已确定的数据管理范围？
政府机构向公众分享其数据战略，商业机构发布的数据战略并不容易找到。
本文所分析的战略内容与行业权威机构推荐的内容大体对应。
这些战略侧重于开发核心数据管理能力，如数据治理、分析、素养、质量、企业架构和数据管理生命周期。遗憾的是，对元数据管理的关注有限。
六 制定数据（管理）战略的建议
如果组织决定制定数据（管理）战略，则应执行以下操作：
确定“数据”与“数据管理”战略的重点
数据战略主要关注数据在业务中的作用，而数据管理战略则展示了改进数据处理实践的观点。
明确建立完善数据管理战略的关键业务原因
业务原因是投资数据管理的主要原因。战略必须确定关键的利益相关者，包括外部和内部。值得注意的是，数据管理为不同的利益相关者群体提供不同的价值。
确定符合业务驱动因素的所需数据管理能力的范围
数据管理是一项基础能力。没有这项能力，任何组织都无法成功运营其业务。但是，开发这项能力的范围必须与最重要的业务驱动因素相关联。组织必须定义其核心数据管理子能力来实施该战略。
制定可行的目标和计划，并将其转化为长期路线图
在制定战略时，组织必须考虑可用的资源。战略必须可行。设定 SMART 目标和目的有助于制定切实可行的长期计划。
该战略还必须包括风险分析和缓解措施。它还必须说明如何衡量进展和
