直接从专家那里构建企业数据策略的5个步骤

数据可能是一个可怕的词。

不应该是这样，但它确实是。主要是因为人们在为如何管理它而挣扎。

许多公司已经达到了一个临界点，他们拥有如此多的数据，他们不知道下一步该往哪里走。另一些人则认为它们太小了，没有必要在企业数据战略上投资。

事实是，无论您的公司大小和数据的当前状态如何，您都将从实现数据策略中受益。raybet电子竞技

为了帮你起步，我们请来了Zosia Kossowski他是HubSpot商业智能团队的产品经理(也就是我们内部的数据策略专家)。

当你读完这篇文章的时候，你会更好地了解你的公司目前的数据成熟度水平，在你建立策略之前要考虑哪些因素，以及一些帮助你前进的步骤。raybet电子竞技

尽管人们普遍认为企业数据策略并不仅仅适用于拥有大量数据的大公司。事实上，小型企业可以从早期投资数据战略中获益，并建立基础，帮助他们扩大规模。

企业数据策略的好处

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释数据。没有标准的报告方法，每个团队可能会为同一度量报告不同的值。

这意味着每个人最终得到的是不同的数据，并没有清楚地了解什么是准确的。当没有单一的真相来源时，你就很难相信你的数据并获得有价值的见解。

科索夫斯基说:“数据并不只是存在于竖井中。“营销团队不会只使用其他团队没有任何影响力的营销特定数据。他们也会想从不同的领域获取信息。”

她继续说:“因此，治理、标准化和通用语言的要素对于确保这些团队能够相互沟通非常重要。”

因此，通过实现EDS，可以防止信息竖井，实现对数据的信任，并实现决策制定。

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

科索夫斯基建议，在制定战略之前，首先要做一个自我评估。

问问你自己:在数据成熟度阶段，你的公司处于哪个阶段?raybet电子竞技

戴尔有一个广泛使用的“数据成熟度模型”，帮助公司确定他们的公司实际上是如何受数据驱动的。raybet电子竞技有四个阶段:

• 数据感知-您的公司没有raybet电子竞技对其报告系统进行标准化，系统、数据源和数据库之间没有集成。此外，人们对数据本身也缺乏信任。
• 精通数据-人们仍然缺乏对数据的信任，尤其是它的质量。您可能已经投资了数据仓库，但仍有一些缺失。
• 精通数据-您的公司有权raybet电子竞技根据您的数据作出业务决策。然而，由于IT致力于按需提供可靠的数据，业务领导人和IT之间仍有一些问题需要解决。
• 数据驱动的–IT和业务部门紧密合作，共同努力。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）已经成功地实现了。

这里最重要的是现实地看待公司的衰落。raybet电子竞技

科索夫斯基说:“我认为我看到的最大的陷阱是，没有真正诚实地面对自己的公司在数据成熟阶段所处的位置。”raybet电子竞技

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是raybet电子竞技。看看事实。

首先要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示器。raybet电子竞技

2.你的行业和公司规模raybet电子竞技

你所在的行业和你公司的规模将决定你是采用集中式的还是分布式的数据策略。raybet电子竞技

但在我们分析这些方法之前，让我们先谈谈两种数据策略框架:进攻和防守。

在我与科索夫斯基的谈话中，她提出了这个框架(详细解释)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、治理和准确性等问题，而数据攻击则专注于获取有助于决策制定的洞见。

每个公司都需raybet电子竞技要攻防平衡。然而，一些公司基于他们的行业更倾向于其中一端。

例如，医疗保健组织或金融机构可能要处理高度敏感的数据，其中数据隐私和安全是最重要的。

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保障可能才是首要任务。因此，他们将更倾向于防御框架。

另一方面，科技公司往往行动迅速，更依赖于数据洞察力的快速转变。

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)肯定会有更多的部门关注国防，比如金融。

现在回到集中式和分布式策略。

你使用的框架会告诉你哪种策略最适合你的公司。raybet电子竞技

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

Kossowski说：“这种（结构）在规模较小的组织中可以发挥更好的作用，尤其是在一个优先考虑防御的组织中，因为你会走得更慢。”。“你将成为瓶颈，但你对每一个环节都有严格的控制。”

另一方面，分布式模型更适合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，并有权以适合他们的方式开展工作。

Kossowski解释说，在这个模型中，BI只是负责平台，并在团队进行开发工作时设置障碍。

“如果你考虑一个组织，当公司变得更大，有一个更集中的团队，它就变得越来越难扩大规模，”她raybet电子竞技说。“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，在公司的一定规模上，你最终会越来越倾向于分散的[战略]。”raybet电子竞技

因此，一旦您了解了哪个框架最适合您的行业和规模，您就可以实施适当的策略。

3.您的数据管理团队

科索夫斯基表示，数据科学是目前数据管理领域的热门话题。她说得没错。

2012年，《哈佛商业评论》(Harvard Business Review)将其命名21世纪最性感的工作．近十年后，Glassdoor网站它被评为美国第二好的工作。

但是，如果你正在讨论在数据管理团队中增加什么角色，数据科学家不应该是你的第一选择。

科索夫斯基强调，你的数据科学的好坏取决于驱动它的数据。如果数据不可信，你就得不到有价值的见解。

“数据科学不是神奇的魔杖，神奇地把坏数据转化为洞察力。不管怎样，你仍然需要那个数据基础。”她补充道。“因此，因为这是下一件大事，我想这是一个大问题。”

如果您正处于数据成熟度模型的早期阶段，那么科索夫斯基对您的工作重点有一个建议。

“一个数据仓库架构师，甚至是一个有编写SQL和构建SQL表经验的数据分析师，”她说。“如果你只招聘一个人，而你没有那么多的数据，这可能是一个真正强大的招聘，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，比如将数据输入仓库，您可以使用第三方工具来完成。

在这个阶段，您真正需要的是有人来帮助您结构化数据。

1.概述您的数据架构。

您要做的第一件事是在粒度级别上理解数据。

问自己这些问题:

• 数据将存放在哪里？
• 您将收集什么类型的数据，从什么来源?
• 如何组织数据?

这里的目标是理解数据的结构。

如果不了解数据的结构，就无法构建一个关于如何管理数据的全面计划。

2.定义BI和您的团队之间的关系。

当谈到数据策略时，最重要的步骤之一是定义过程中涉及的团队，并设定BI预期。

在一个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很难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的数据的结构。另一方面，BI不需要拥有它所支持的操作领域的特定知识，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，并产生持续的重新学习需求。

Kossowki的建议吗?将业务逻辑从BI层剥离出来，处理与尽可能多的团队相关的事情。

此外，提出一个标准的分析师概要文件和BI和团队之间关系的模型。

科索夫斯基说:“仍然会有一些地方我们在研究数据集，而不是整个平台，但我们尽我们所能清理基础数据，让连接变得容易，但实际上并没有为它们做连接和逻辑。”

3.分配所有权。

在建立团队和BI之间的关系之后，下一步是定义谁将拥有什么。

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，而另一个人或团队拥有报告数据。

您可能还需要在管道的不同阶段指定所有者。BI团队可能在特定阶段拥有数据，然后将其传递给分析师。

科索夫斯基认为，所有权始于制作数据的团队。

“他们需要对数据有一定程度的所有权，如果出现问题，他们需要承担一定程度的责任，”她说。“因为如果数据源出现问题，BI几乎无能为力。”

她继续说，“如果你试图在这个水平上进行修补，你只会遇到更多的问题，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，数据治理是说“嘿，你想使用我们创建的真相数据源并成为其中的一部分吗？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。

科索夫斯基说:“当我们考虑治理和采用时，实际上是关于你可以落实的机制，以促进遵守。”

当涉及到治理时，你必须考虑两个方面:文化方面和技术方面。

从文化角度来看，您如何让您的团队采用这些标准？从技术角度来看，哪些流程可以自动化，从而使所有事情都不需要修改行为？

当你想到这两个部分时，你必须同时考虑分析师侧和工程师（或源团队）方面。

科索夫斯基解释说，对于工程团队来说，很难想象数据进入仓库时会是什么样子，因为这不是他们产品或职责的核心部分。

他们可能看不到数据的实际好处，除非它是一个与分析师紧密合作的数据驱动组织。在这种情况下，分析师可以传递数据为X决策提供了动力，因此直到数据意味着Y需求，才能做出决策。

对分析师来说，他们更容易看到好处，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。

“来自数据的见解必须是产品决策的动力，因为这是获得产品和工程团队的唯一途径

Kossowski说：“我们了解数据的价值，并在输出数据时考虑它们的数据。”。

5.定期重新评估。

无论您在哪里使用数据成熟度模型，您的数据策略总是需要一些调整。

科索夫斯基说:“HubSpot有一个三年计划，对每一年都有一些想法。但我完全预计，从现在开始的一年里，我们会根据情况的变化，对一些事情进行调整。”

例如，假设您在产品或服务中引入了一项新功能，并且现在正在收集更敏感的客户数据。这可能需要采取更具防御性的方法。如果您的公司呈指数级增长，您可能需要转向分布式战略，而不是集中式战略。raybet电子竞技

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。raybet电子竞技下面是两个主要指标，是时候回顾一下你的数据策略了:

• 做事情要花很长时间，这让人很沮丧。
• 人们对数据缺乏信任。

科索夫斯基说，在这两者之间找到平衡是关键。

她说:“你不想让BI做所有的事情，因为那样会花很长时间，但你也不想让分析师群体拥有太多的自由，以至于你不能真正依赖任何数据。”

一个很好的经验法则是每六个月到一年回顾一下你的策略。与业务领导、IT和您的团队交流，了解每个人对您的进展的感受，并确定需要做出哪些更改。

构建EDS的过程因公司而异，因为数据成熟度级别、行业和公司规模都在您所采取的步骤中发挥作用。raybet电子竞技

通过评估你的公司目前的状况，你可以制定一个策略来满足你的业务raybet电子竞技的具体需求。