随着数字技术的不断发展，数据量的不断增长，数据管理工作显得异常重要。但是在数据量普遍快速增长的阶段，大部分企业依旧没有认识到数据管理的重要性，包括数据战略的制定依旧处在初期阶段。数字时代，是一道认知革命的分水岭，将改变我们与世界互动的逻辑，摒弃传统经验主义、观点认同、拍脑袋式的认知模式。如何制定数据管理策略，将会挑战每个企业主的判断能力。
1、数据战略
数据战略是围绕数据发起的战略，是指机构决策者通过建立或优化数据以及数据的生产者、使用者和支撑系统之间的相互关联、关系，建立全景数据视图，统领、协调各个层面的数据管理工作，提高数据管理规范性和效率，确保机构内部各级数据使用者能够得到及时、准确的数据服务和支持，继而助力业务目标，使机构利用数据获得竞争优势的战略规划。
通俗来讲，就是企业内部对于数据价值的判断，来驱动整个数据工作应该围绕哪个方向来发展，进而制定对应的数据战略目标和执行计划。
比如，数据战略应该以支持内部业务决策为方向，还是以发展新的商业模式，或增加数据资产比例为方向，这都决定了企业对未来经济发展的适应能力。当然任何数据战略的制定，都应当结合企业内部业务形态、技术能力、数据资源现状而定。
2、从不同视角理解数据
任何企业的战略发展，或技术提升，或数据管理，都脱离不了业务，脱离业务形态而构建的任何商业都是空中楼阁，经不起市场的检验和时间的考验。所以对于企业内部业务的洞察，是所有战略或数据管理的起点，企业不能凭空制定发展战略。通过下面三个视角，来对企业业务进行洞察，进而观察企业内部数据的流动与治理方向，才是数据管理的具体落地方向。
2.1 数字化视角的数据
数字化一直是个谜一样的概念，让很多人迷惑又彷徨，肯定又怀疑，根本原因就是我们脱离了一般的企业发展历程，或者基本逻辑而形成的只见树木不见森林。
数字化的基本内容，就是企业从战略制定、业务管理、流程架构、应用开发、IT支持、数据管理这么几个内容。数字化只是企业发展的一种手段，任何企业管理本质上都是围绕利润来不断优化自身的组织形态的，数字化也不例外。当然，我们也可以从一种更具体地角度来讲，数字化本质上就是数据化，而数据化之外的内容都属于信息化，所以数字化本质上就是信息化+数据化。信息化只是对数据进行了生产和存储，并未对数据进行大规模地管理和应用，包括数据价值地挖掘与决策的支持。
2.2 业务视角的数据
数据到底是如何在企业内部产生的，为什么会有大量数据产生，这些数据到底有多大价值和意义，这是一个悬而未决的问题。但是企业存在的基本逻辑就是通过向市场提供产品或服务的方式获得利润，所以数据必然也是围绕这一基本逻辑而产生的。
那么企业向市场提供产品和服务的方式到底是怎样的，流程逻辑到底是怎样的，决定了我们对于数据的最基本理解。
企业业务基本上由以下几个环节部分构成：品牌、市场、线索、需求、产品、服务、结算。企业通过品牌建设向市场投放广告的方式，影响用户对自身产品的印象和认知，使得部分用户对产品产生一种购买意向形成线索，再通过与商务人员进行沟通咨询明确自身需求和产品，然后企业向其提供服务，客户因为享用了产品和服务而向企业付款结算。无论是to B型的企业，还是To C型的企业，业务都是以这样的主线流程发生的。而因为这样的业务流程，使得企业产生了度量不同阶段和节点的数据，这些数据可以洞察企业内部活动价值或效率。
3、数据管理框架
数据管理框架，顾名思义，我们对数据管理工作应该有一个共识性的框架模型，用于构建统一的话语体系，以此提升团队协同能力，故而制定数据管理框架，是每个企业将数据战略落到实处的必经之路。企业应当构建自己的数据管理框架，而不是到处套用市场上不同机构推广的框架。因为企业自身技术能力、数据资源、业务形态的差异，导致其无法套用任何一种数据管理框架。但是制定数据管理框架的前提，是对市场主流框架有基本的认知，进而根据自身企业内部需要，而构建自己的数据管理框架。
实际上在数据领域，有很多数据相关的成熟度模型，不管是名称如何变化，都是对数据工作不同角度的解读和理解，我们应该取其精华去其糟粕，用于建设好企业自身的数据工作。
包括CMM、DMM、DCMM、DAMA、DCAM、MD3M、DataFlux、IBMMMI、DSMM、IOMM、中新联团标毕马威&阿里数智化转型框架、普华永道企业数字化成熟度评估架构、华为ODMM共14个数据相关模型。下面只展示其中2个数据管理框架，其他各位自行网络搜索。
DCMM数据管理框架
DAMA数据管理框架
4、数据管理主要能力
主数据：主数据是企业内部最主要的数据，也是企业开展业务必不可少的基础数据，包括客户数据、产品数据、员工数据等。这些数据是企业内部决策的主要依据，能够供企业内部各部门共享，具有唯一性和权威性。在信息化建设过程中，主数据建设程度反映了企业信息化能力的高低。
主数据管理（Master Data Management，MDM），主要是将企业内部数据进行统一化治理，包括数据标准建设、数据质量管理、数据合并等流程工作，确保数据在企业内部的唯一性和权威性，包括数据为业务提供决策的保障，数据在企业内部共享的支持等工作。
元数据：是描述数据的数据，是对数据及信息资源的描述性信息，帮助企业理解和管理数据资源。包括存储位置、历史信息、资源查找、文件记录等功能。元数据包括技术元数据、业务元数据、管理元数据等类型。比如：图片格式、大小、存储位置、拍摄时间等信息就属于元数据。
数据架构：是企业内部管理数据的基本流程和组织框架或结构，包括数据如何采集、存储、处理和分析应用等基本流程框架。数据架构是企业数据管理工作的基础，目标是确保数据的有效性、效率和安全性，它可以帮助企业提高数据质量、降低数据成本、提高数据分析能力、增强数据安全。
数据模型：通过对数据之间的关联关系，和相互作用关系，发现数据之间的一些规律，进而确定下来成为一种不变的结构化的数据模型。数据模型实际上就是一种极为简单的静态算法。一般情况来说，数据模型是通过系列专业数据分析工作而形成的模型，是可以直接应用于业务且提高工作效率的。
数据仓库：数据仓库是一个集成的、中心化的数据存储系统，用于存储企业的结构化和半结构化数据。它对数据进行清洗、整合和转换，以提供一致、高性能的数据访问。数据仓库通常按照主题建模，支持历史数据存储和高性能查询。其主要目的是支持业务决策和分析，提供可靠的数据基础，使企业能够深入了解业务运营和趋势。
数据湖：数据湖是一个集中的、存储各种原始和原始格式数据的存储系统，包括结构化、半结构化和非结构化数据。数据湖强调原始性和灵活性，容纳大量的原始数据，而不要求提前对数据进行整合或转换。它支持多种数据处理和分析工具，使用户能够以灵活的方式探索和分析数据。数据湖的目标是提供一个更灵活、可扩展的数据存储解决方案，适应不断变化的业务需求和数据类型。
数据质量：数据质量是指数据的准确性、完整性、一致性、及时性和可靠性等方面的特性。高质量的数据对于支持决策制定、业务分析和运营至关重要。确保数据质量涉及数据收集、清洗、整合和监控等方面的管理措施。数据质量管理目标是提高数据的可信度，降低决策的风险，确保数据对业务有实际价值。
数据安全：数据安全是指保护数据不受未经授权的访问、泄露或破坏的过程。随着信息技术的发展，数据安全变得尤为重要，尤其涉及敏感信息如客户数据、财务信息等。数据安全包括加密、访问控制、身份验证、备份和恢复等安全措施。企业需要建立健全的数据安全策略，遵循法规和合规标准，以确保数据的机密性和完整性。
商业智能：商业智能（BI）是一套技术、流程和工具，用于收集、整理、分析和呈现业务数据，以支持企业决策制定。商业智能系统能够将大量的数据转化为有意义的见解，帮助企业了解业务趋势、发现机会和挑战。它涵盖了数据仓库、数据挖掘、报表、仪表板等组件，提供直观的数据可视化和分析工具。商业智能有助于企业更敏捷地做出决策，优化业务流程，并实现更高效的业务运营。
更多详情，搜公众号：Data200
本文原创，转载请扫上方二维码联系作者。