隨著數據量的劇增，以及業務使用數據的增加，傳統的“數據優先”戰略不再適用。CIO們必須制定數字化數據戰略。

全球各地的企業正在使用更多的數據用于更多的用途。如今，公司不僅使用數據來提高運營效率，而且以新的方式為客戶服務、創造新的收入來源。這些機會利用了新的數據來源，例如社交媒體和物聯網，同時，還有很多業務方面出現的數據技能和分析。

此外，許多CIO正在改變IT的運營模式，以更好地支持其公司的數字化目標。鑒于數據對這些目標的重要性，只有改變IT支持數據和分析的方式，才能改變運營模式。

為什么需要數字化數據戰略?

大多數企業處理數據的方式，在過去20年都沒有太大變化。公司通常的戰略是數據優先，即收集整個企業的數據，并能夠訪問它們。這就是“收集和管理”模式，明確數據的所有權，并制定訪問它們的規則。

但在數字化時代，這個模式讓公司面對幾大問題。 首先，盡管企業的數據計劃是全面的，但是，隨著數據量的劇增，效率越低。需要多年才能完成或直接失敗。第二，一些公司限制對于那些有價值但是原始的數據的訪問。這阻礙了測試和學習實驗，這通常是發現數據新用途的最佳方法。最后，數據的價值更多的來自于整合 –無論是公司內的整合，或者內部和外部數據的整合 -- 這就很難明確數據所有權。

數字化數據戰略從業務目標入手

在數字化時代，CIO們需要新的戰略來管理數據。良好的數據戰略從清晰認定潛在業務目標開始，不僅僅是考慮技術和數據，而是考慮為了實現這些目標，所需的人員和流程。

從業務目標開始，意味著能夠帶來業務價值的數據，應該獲得最多的關注。例如，如果一家公司希望提高客戶購買的份額，那么公司用于評估客戶購買更多產品的潛力的數據，應該優先于客戶的其他數據。而如果業務目標從購買份額轉變為獲取新客戶，那么數據項目的關注點也應該發生改變。這種靈活的業務目標驅動方式的特征包括：

1. 積極推動業務主導的分析：雖然數據基礎設施的技能由IT掌握，但先進的企業意識到使用數據的最佳方案來自于業務部門。業務部門中的分析團隊，將越來越普及，但他們的成熟度和關注點則各有不同。例如，有些只是簡單的業務智能報告團隊，只是被重命名為數據科學或分析團隊，而有些則是經驗豐富的團隊，完全有能力使用高級分析。

公司的數據戰略，應該鼓勵這些分析團隊的開發。IT部門應與其他業務部門緊密合作，為業務部門招聘數據科學家和分析師，但招聘還不夠。現有人員的分析技能也需要關注。許多公司發現，大多數員工缺乏有效使用數據做出決策的技能和判斷力。因此，有效的數據戰略應該包括縮小分析技能差距的投入。

2. 使數據治理迭代化，所有權協作化：傳統的數據治理政策往往是靜態的，永久的和明確的。例如，在許多公司，數據管理和標準需要多年才能確立，要改變則要花費更多時間。類似地，數據所有權通常是二元性的 – 要么有數據所有權，要么沒有。當數據技術，用戶或用途發生迅速變化時，都會產生問題。相反，數字化數據戰略應該包括靈活，迭代和協作的治理模式，可以從新的使用數據的方式中，快速獲取價值，并認識到那些會涉及許多方的用途。

3. 分解數據和用戶：并非所有的數據都應該用相同的方式處理，所有的用戶都不應該被強制使用相同的分析工具。一些類型的數據和某些用戶組，比其他數據和用戶創造的價值更多，應該區別對待。因此，數據戰略應該支持一系列的工具，讓更成熟的分析團隊選擇適合自己需求的分析工具。同樣地，戰略應該意識到質量值的不同，在許多情況下，不太完美的數據仍然是有價值的。

此外，隨著更多的分析自動化，數據戰略不應該忽視創建用于機器決策算法的團隊。例如，在固定設備上創建傳感器的團隊，預測設備何時需要維護，他們需要特定的數據和技術，以及高水平的能力。他們的支持方式不應該和普通報告團隊一樣。

CDO的職能?

討論數字化數據戰略，就必須提及首席數據官(CDO)的職能。我們面向全球146家公司的2016年調查結果顯示，有39%的受訪者相信在2017年底之前會招聘一位CDO。一些CDO負責數據的所有方面(例如質量、治理、技術)，而其他，則負責業務目標，而不是管理所有的數據——作為中間人，幫助業務領導發現潛在業務目標。這些CDO可能會在數字化數據戰略中負責一些重要的數據項目，但他們最大的價值，是業務部門的數據和洞察顧問。

數字化是數據戰略新方法的觸發。堅持采用傳統數據優先方法的公司將難以跟上新興的機遇和風險。但是，那些考慮業務目標和數據用戶的企業，將為公司發展和競爭優勢做出貢獻。