5个步骤建立一个企业数据战略，直接从专家

数据可能是一个可怕的词。

它不应该是，但它是。主要是因为人们纠结于如何管理它。

许多公司已经到了拥有如此多数据的地步，他们不知道下一步该何去何从。其他人则认为它们太小，不需要投资于企业数据战略。

事实是，无论您公司的规模和数据的当前状态如何，实施数据战略都会使您受益。bob全站app

为了帮助您起步，我们已经征集了科索夫斯基佐西亚酒店，HubSpot商务智能团队的集团产品经理（即我们的内部数据战略专家）

读完本文后，您将对公司当前的数据成熟度级别、在构建策略之前需要考虑的因素以及在此过程中帮助您的一些步骤有了更好的了解。bob全站app

尽管人们普遍认为，企业数据战略不仅仅适用于拥有大量数据的大公司。事实上，小企业可以从早期投资数据战略中获益，并为帮助他们扩大规模奠定基础。

企业数据战略的好处

许多组织面临的常见陷阱是，当他们收集大量数据时，每个团队都以自己的方式解读数据。没有标准的报告方法，每个团队可能报告相同度量的不同值。

这意味着每个人最终都会得到不同的数据，而不清楚什么是准确的。当没有单一的真相来源时，信任你的数据并获取有价值的见解变得极其困难。

“数据并不仅仅存在于竖井中，”Kossowski说。“营销团队不会只使用其他团队无法影响的特定营销数据。他们也想从不同的领域获取信息。”

她继续说，“因此，治理、标准化和共同语言的元素对于确保这些团队能够相互沟通非常重要。”

因此，通过实施EDS，您可以防止信息孤岛，允许对数据的信任，并支持决策。

建立企业数据战略时应该考虑什么

1.您当前的数据成熟度级别

Kossowski建议在制定战略之前首先做的是自我评估。

扪心自问：您的公司在数据成熟期的哪个阶段？bob全站app

戴尔有一个广泛使用的“数据成熟度模型”，可帮助公司确定其公司的实际数据驱动方式。分为四个阶段：bob全站app

• 数据清楚–您的公司没有bob全站app标准化其报告系统，并且您的系统、数据源和数据库之间没有集成。此外，对数据本身缺乏信任。
• 精通数据-人们仍然缺乏对数据的信任，尤其是其质量。您可能已经投资了一个数据仓库，但仍然缺少一些部分。
• 精通数据-你的公司有权bob全站app根据你的数据做出商业决策。然而，在业务领导和IT之间仍有一些问题需要解决，因为IT工作是根据需求提供可靠的数据。
• 数据驱动- IT和业务部门紧密合作，并在同一页上。现在，重点是扩展数据策略，因为基础工作(特别是集成数据源)已经成功实现。

在这里，最重要的是要现实地看待公司的失败。bob全站app

Kossowski说：“我认为，我所看到的最大陷阱是，对于公司处于数据成熟阶段的情况，你没有对自己坦诚。”。bob全站app

她补充说，仅仅看你对数据如何驱动你的感觉是不够的认为你的公司。bob全站app看看事实。

首先确定你的公司目前面临的数据问题，因为这是你所处位置的一个很好的指标。bob全站app

2.你的行业和公司规模bob全站app

您所在的行业和公司的规模将决定您是采用集中还是分布式的数据策略。bob全站app

但在我们分解这些方法之前，让我们先讨论两个数据策略框架:进攻和防御。

在我与Kossowski的谈话中，她提出了该框架（详细解释）是如何实现的在这里)帮助HubSpot制定了自己的战略。

数据防御优先考虑数据安全、访问、治理和准确性，而数据进攻则专注于获得有利于决策制定的见解。

每个公司都需bob全站app要攻防平衡。然而，一些人基于他们的行业更倾向于频谱的一端。

例如，医疗保健组织或金融机构可能会处理高度敏感的数据，在这些数据中，数据隐私和安全至关重要。

获取实时数据和快速洞察可能不是首要任务，而为能够访问数据的人提供防护可能是首要任务。因此，他们将更倾向于防御框架。

另一方面，你有科技公司，这个行业往往发展迅速，更依赖于数据洞察的快速转变。

所以，他们更倾向于进攻。话虽如此，科技公司（和其他快速发展的行业）中肯定会有一些部门更关注国防，比如金融。

现在回到集中式和分布式策略。

您使用的框架将告知哪种策略最适合您的公司。bob全站app

在集中式结构中，您有一个集中式报告或业务智能（BI）团队，负责管理和准备数据以及报告。

科索夫斯基说:“这种(结构)在规模较小的组织中会工作得更好，尤其是在一个以防御为主的组织中，因为你会行动缓慢。”“你会成为瓶颈，但你也要严格控制每一个环节。”

另一方面，分布式模型更适用于采用进攻性方法的大型团队。这样，每个团队都可以快速行动，并被授权以适合自己的方式工作。

Kossowski解释说，在这个模型中，BI只负责平台和护栏的设置，而团队则负责开发工作。

她说:“如果你想象一个组织，随着公司变得越来越大，拥有一个更集中的团队，它变得越来越难以bob全站app扩大规模。”“你最终不得不雇佣越来越多的人来实现这一目标。”

“所以我认为，在公司达到一定规模后，你最终会越来越倾向于分散化(战略)。”bob全站app

因此，一旦您了解了哪个框架最适合您的行业和规模，就可以实施适当的战略。

3.您的数据管理团队

Kossowski表示，数据科学是目前数据管理领域的热门话题。她说的没错。

2012年，《哈佛商业评论》(Harvard Business Review)给它命名21世纪最性感的工作. 近10年后,，玻璃门被评为美国第二好的工作。

但是，如果您正在讨论向数据管理团队添加什么角色，那么数据科学家不应该是您的第一选择。

科索夫斯基强调，你的数据科学只会和推动它的数据一样好。如果这些数据不可信，你就无法获得有价值的见解。

“数据科学并不是一根魔棒，它能神奇地把糟糕的数据变成洞察。无论如何，你仍然需要数据基础，”她补充道。“所以，因为它是下一个大事件而投身其中，我认为这是一个大问题。”

如果您处于数据成熟度模型的早期阶段，Kossowski建议您将精力集中在哪里。

“数据仓库架构师，甚至是在编写SQL和构建SQL表方面有经验的数据分析师，”她说。“如果你只打算雇佣一个人，而你没有那么多的数据，这可能是一个非常强大的雇佣，因为当你在一个较小的规模时，一个人可以做很多事情。他们可以戴很多不同的帽子，学习不同的东西。”

当涉及到更技术性的任务时，例如将数据摄取到仓库中，您可以使用第三方工具来完成这项任务。

在这个阶段，您真正需要的是有人帮助您构建数据结构。

1.概述你的数据架构。

您需要做的第一件事是在粒度级别上理解数据。

问自己以下问题：

• 数据将存在于何处?
• 您将收集什么类型的数据，从什么来源收集？
• 数据将如何组织？

这里的目标是理解数据的结构。

如果不了解数据结构，就无法制定关于如何管理数据的全面计划。

2.定义BI和你的团队之间的关系。

当涉及到数据策略时，最重要的步骤之一是定义流程中涉及的团队，并为BI设定期望值。

在以前没有考虑过数据策略的大型组织中，您经常会发现每个团队遵循不同的模型，并且与BI有不同的关系，这使得BI难以以流线型和标准的方式运行。

它还模糊了数据分析师和BI角色之间的界限。

数据分析师应该了解特定于其团队的业务逻辑以及所收集数据的结构。另一方面，BI不需要对其支持的运营领域有具体的了解，而应该专注于数据源和管理平台以支持分析师。

当BI定期调整其流程以匹配团队的特定业务逻辑时，它会减慢一切的速度，并产生不断重新学习的需求。

科索斯基的建议？将业务逻辑从BI层中剥离出来，处理与尽可能多的团队相关的事情。

此外，为BI和团队之间的关系提供一个标准的分析师概要和一个模型。

Kossowski说：“我们仍将在某些地方处理数据集，而不是整个平台，但我们尽可能地清理基础数据，使其易于连接，但实际上并没有执行这些连接以及它们的逻辑。”

3.转让所有权。

在建立团队和BI之间的关系之后，下一步就是定义谁将拥有什么。

对于数据的每个部分，通常都有不同的所有者。例如，一个人或团队可能拥有操作数据，而另一个人或团队可能拥有报告数据。

您可能还需要在管道的不同阶段分配所有者。BI团队可能在某个特定阶段拥有数据，然后将其传递给分析师。

Kossowski认为所有权从产生数据的团队开始。

她说:“他们需要对数据有一定程度的自主权，如果出了什么问题，他们需要有一定程度的责任。”“因为如果在源头上出错，那么BI能做的就很少了。”

她继续说，“如果你试图在这个级别上安装补丁，你会遇到更多的问题，所以这种关系也很重要。”

4.建立数据治理。

数据治理是一组政策和法规，告知如何收集和存储数据，以确保准确性和质量。

简单地说，数据治理就是说”嘿，你想使用并成为我们创造的真相数据的一部分吗?那么你必须满足这个标准。＂

这可以包括满足编码标准、拥有一定数量的审阅人员以及遵循特定的文档流程。

Kossowski说:“当我们考虑治理和采用时，它实际上是关于你可以实施的机制。”

在治理方面，有两件事你必须考虑：文化因素和技术方面。

从文化的角度来看，你如何让你的团队采用这些标准?从技术的角度来看，哪些过程可以自动化，从而不需要修改行为?

在考虑这两部分时，您必须同时考虑分析人员和工程师(或源团队)两方面。

Kossowski解释说，对于工程团队来说，很难想象数据进入仓库后是什么样子，因为它不是他们产品或职责的核心部分。

除非是一个与分析师紧密合作的数据驱动组织，否则他们可能看不到数据的实际好处。在这种情况下，分析师可以转述数据正在推动X决策，因此在数据意味着Y需求之前，无法做出决策。

对于分析师来说，更容易看到好处，因为他们离业务更近，可以看到直接影响。他们可以认识到，遵循数据治理标准意味着减少对BI的依赖，从而使事情进展得更快。

“从数据中获得的见解必须能够推动产品决策，因为这是获得产品和工程团队的唯一途径

考虑到数据的价值，并在导出时考虑自己的数据，”科索斯基说。

5.定期重新评估。

无论您在何处使用数据成熟度模型，您的数据策略总是需要一些调整。

科索夫斯基表示:“(HubSpot)有一个三年计划，并对每一年会发生的事情提出了各种设想。”但我完全预计，从现在开始的一年里，当我们审视它时，我们会根据情况的变化，希望做出一些调整。”

例如，假设你在你的产品或服务中引入了一个新功能，现在正在收集更敏感的客户数据。这可能需要采取一种更加防御性的方法。如果您的公司呈指bob全站app数级增长，您可能需要转向分布式战略，而不是集中式战略。

即使你的公司运作方式没有改变，你可能仍然需要重新评估。bob全站app下面是两个主要指标，是时候重新审视你的数据策略了:

• 事情花了这么长时间，令人沮丧。
• 对数据缺乏信任。

科索夫斯基说，找到两者之间的平衡是关键。

她说：“你不希望BI做所有的事情，因为那只会花很长时间，但你也不想在分析师群体中有太多的自由，以至于你不能真正依赖任何数据。”

一个好的经验法则是每六个月到一年回顾一次你的战略。与业务领导、IT和您的团队交谈，了解每个人对您的进度的感受，并确定需要进行哪些更改。

构建EDS的过程因公司的不同而不同，因为你的数据成熟度水平、行业和公司规模都在你所采取的步骤中发挥着作bob全站app用。

通过评估贵公司目前的状况，您可以制定一项战略，以满足业务的特bob全站app定需求。

最初发布于2021年7月1日上午7:00:00，更新于2021年11月12日