4.4 实施数据战略的5个步骤
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，基于系统化的思维挖掘信息以及信息间的规律，并经过科学的规划和设计，形成企业数据化运营的蓝图。
为实现业务目标，可以设计多种策略。每一种策略都将遇到不同的困难，需要调动不同的资源，运用不同的工具，因此应根据对环境、自身条件的仔细评估来选择最佳策略。企业数据战略的实施包含5个步骤：环境因素分析、确定战略目标、制定行动方案、落实保障措施和战略评估与优化（见图4-6）。
图4-6 数据战略实施的5个步骤
4.4.1 环境因素分析
制定数据战略时，需要对影响企业的内外部环境因素进行详细分析，从而做出合适的选择。环境因素分析模型如图4-7所示。
图4-7 环境因素分析模型
1. 内部环境因素
影响数据战略的内部环境包含但不限于：
- 企业发展和运营的业务战略规划；
- 企业的主价值链；
- 企业的相关制度和政策；
- 企业信息化建设现状和未来发展方向；
- 高层领导和业务部门对数据战略的支持情况；
- 业务部门的业务需求痛点等。
2. 外部环境因素
影响数据战略的外部环境有社会、经济、法律、政治、文化、技术等，以及以上各个因素可能发生的变化。例如，欧盟《通用数据保护条例》（GDPR）的实施会对在欧盟范围内开展业务的企业造成一定的影响，企业要在欧盟开展业务，就必须遵守GDPR。
制定数据战略时要综合考虑内外部环境的各个相关因素，使数据战略成为企业战略不可分割的重要组成部分。由于每家企业所处的内外部环境不同，企业数据战略应形成自身的独特模式，其他企业的数据战略可以借鉴和参考，但不能盲目照搬。
另外，外部环境和自身条件会随时变化，因此企业需要具备随着环境变化及时调整数据战略的能力。
内部环境分析常用的工具有价值链分析、竞争分析、波士顿矩阵等。外部环境分析常用的工具有波特五力模型、PEST分析等。选择数据战略常用的工具有5W1H分析、SWOT分析等。
延伸阅读：基于5W1H分析法的数据治理战略规划
5W1H的具体内容如下。
- What（做什么）：数据治理的内容和范围。
- How（怎么做）：数据治理的实施路径、方法和策略。
- Who（谁来做）：数据治理的责任主体、组织机构和岗位分工。
- When（什么时间做）：数据治理的实施计划表。
- Why（为什么做）：数据治理的目标。
- Where（在哪里做）：数据治理的应用场景，如支持系统应用集成、支持决策分析。
在数据治理战略的规划设计中，Why是最重要的问题。只有明确了战略目标，才能指导后续的工作，方向如果错了，就会越走越远。
4.4.2 确定战略目标
企业的数据战略目标需要与企业内外部环境相匹配，以便随着环境的变化对数据战略目标进行灵活调整。在数据战略目标制定的过程中，需要遵循以下原则。
1. 数据战略来源于企业战略并服务于企业战略
数据战略要与企业战略一致，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；而一家零售企业，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，以及客户画像、行为预测、精准营销等。
数据治理的需求始于数据所承载的业务价值，而非技术或IT因素。
2. 数据战略的制定要立足于企业现状
企业数据战略目标的制定要立足于企业现状。战略目标定得太高，“可望不可即”则变成空中楼阁；战略目标定得太低，“可望便可即”则没有足够的吸引力和动力；适度目标是“可望跳可即”的目标，即企业经过努力，在几次“惊险的跳跃”后可达到的高阶目标。
3. 数据战略目标需要全员贯彻
企业数据战略是业务战略的支撑，其成功实施需要企业的利益相关方共同努力，而不能只有少数人参与。制定数据战略后，企业首先要做的是进行数据战略的宣贯，让企业全员都理解企业的数据战略，进而建立全员的数据质量意识和数据安全意识，并将这种意识转化为行动力，在潜移默化中规范数据操作，提升数据质量，实现数据价值。
4.4.3 制定行动方案
在确定了数据战略目标之后，需要对战略目标进行分解，将一个大目标分解成若干个可执行、可量化、可评估的小目标。根据这些小目标，可以将数据战略划分为若干个阶段并设置一些战略控制点，确定每个阶段的起止时间、负责部门/岗位/角色/人员、明确输入和输出成果等，渐进式地逼近终极目标。在此过程中，将短期利益与长远利益相结合，兼顾局部利益与整体利益，既要积极推进又要确保稳妥，在这些因素的约束下选择相对合理的实施路线图。
企业的数据战略行动方案一般包括如下4个要素。
- 数据战略目标：企业数据管理的愿景和目标。
- 数据治理指标：定义了数据治理目标的衡量方法。
- 数据治理规则：包括与数据治理相关的政策、标准、合规要求、业务规则和数据定义等。
- 数据治理权责：规定了由谁来负责制定数据相关的决策、何时实施、如何实施，以及组织和个人在数据治理策略中该做什么。
示例：某外贸企业的数据战略行动计划
数据战略目标：
- 建立重视数据、促进数据共享的文化，如利用数据指导决策，促进各部门、各系统间的数据流通等；
- 保护数据，保护数据完整性，确保流通数据的合规性和真实性，确保数据存储的安全性等；
- 探索有效使用数据的方案，增强数据管理和分析能力。
数据治理指标：
- 建立数据治理制度和考核指标；
- 识别解决企业核心问题所需的数据资料；
- 评估数据和相关基础设施的成熟度；
- 培训以提高员工的数据管理和应用技能；
- 确定企业优先治理的数据集；
- 发布和更新数据目录。
数据治理规则：
- 符合GDPR法规要求；
- 建立客户、供应商、员工、组织等核心数据的数据标准和质量规则；
- 设计核心数据的数据模型；
- 设计数据架构以及业务流、数据流；
- 梳理企业数据资源目录，以满足企业内外部的数据共享要求。
数据治理权责：
- 设立数据标准管理委员会，由其主导数据管理工作；
- 设立数据治理办公室，由其负责数据管理的标准、制度、流程和考核；
- 设立专项数据管理员，由其负责专项数据管理工作；
- 数据确权，产权方负责提出数据标准和数据应用需求。
数据治理计划：略。
4.4.4 落实保障措施
为实现数据战略而建立的保障措施主要有数据治理保障体系及技术和工具体系。
1. 保障体系
为了实现数据战略目标，企业需要开展各项数据管理活动，而数据治理保障体系就是为这些活动所提供的各种保障，它主要包括以下四部分。
- 数据治理组织：由参与企业数据治理活动以及与数据利益相关的业务组、IT团队、数据架构师和DBA等组成，其职责是推动数据战略的实施。
- 数据标准规范体系：建立数据标准化的过程，通过统一梳理数据，识别数据资产，并对数据的分类、编码、属性、业务规则、安全策略、存储策略、管理要求等内容进行规范化定义，在组织范围内形成对数据的一致性认知。
- 数据管理流程：定义数据的创建、变更、使用流程和相关策略。
- 数据管理制度：定义数据管理归口/主责部门，明确数据管理的角色分工、岗位职责、操作要求以及相应的考核措施等。
数据治理保障体系是数据战略落地和数据治理策略执行的重要保证。以上四部分内容将在后续章节中详述。
2. 技术和工具体系
数据战略目标不同，数据治理技术和工具也是不同的。通常来说，数据治理技术和工具包括元数据管理、主数据管理、数据质量管理、数据安全管理、数据标准管理、数据集成等。技术和工具体系是数据治理的术和器层面的内容，详见本书第四、五部分。
4.4.5 战略评估与优化
战略评估是以战略实施过程及其结果为核心，通过对影响并反映战略管理质量的各要素进行总结和分析，判断战略能否实现预期目标，以便对数据战略做出优化和调整。
数据战略评估与优化的过程如下：
1）将数据战略目标关联业务价值，形成可定性和定量评估的衡量指标；
2）在整个数据战略实施过程中跟踪进度并做好记录，以供审计和评估使用；
3）由管理层定义和批准数据战略业务案例和投资模型，以确定如何将数据治理工作落实到位；
4）由企业数据利益相关方直接参与评估指标的创建和验证；
5）将预期结果与实际执行结果进行比较，发现问题和不足；
6）采取必要的纠正措施以保证行动与计划的一致性，从而不断完善和优化数据战略。
示例：企业数据战略评估业务案例
1. 收益预测
业务量增长假设如图4-8所示。
图4-8 业务量增长假设
（1）可量化的收益预测
- 用户量增加
- 产品直销销售收入增加
- 渠道销售收入增加
……
（2）可节约的成本预测
- 经营成本节省
- 广告费用节省
- 渠道费用节省
- 库存成本节省
- 运输、包装费用节省
……
（3）不可量化的收益预测
- 库存周转率提升
- 应收账款降低
- 品牌及市场影响力增加
……
2. 投资预测
（1）可量化的投资
- 软件投资
- 硬件投资
……
（2）不可量化的投资
……
3. 成本预测
（1）可量化的成本
- 直接人力成本
……
（2）不可量化的成本
……
4. 风险分析
（1）环境风险（对收益、投资、成本的影响）
- 合规性风险，不合规造成的罚款和企业名誉损失
- 个人隐私及数据伦理风险
……
（2）技术风险（对收益、投资、成本的影响）
- 网络安全风险，如黑客攻击造成的投资、成本的影响
- 流程自动化风险，如系统宕机、网络问题带来的损失
……
（3）实施风险（对收益、投资、成本的影响）
- 董事会对数据战略的支持程度
- 人员的数字化素养
……
什么是业务案例？
业务案例是通过分析投资项目的财务影响来帮助企业管理层做出投资决策的工具。在做新业务、新网络建设等重要投资的决策时，在项目实施风险过高或无法预知的情况下，业务案例分析可以帮助决策是否投资、何时投资，并考虑不同情境对项目投资预期的影响。