数据战略是企业为实现企业发展和运营目标而做出的数据规划和部署，它主要包含3大要素：战略定位、实施策略和行动路线，见下图：
 

数据战略的3个要素

1、战略定位

战略定位回答了“做什么”“不做什么”的根本问题，用来定义战略目标。企业数据战略的规划设计不仅要有对齐企业战略的“长期目标”面向愿景，还要兼顾解决当前问题的“短期目标”。

在制定数据战略定位时要重点考虑以下几个核心问题：

● 企业的痛点需求是什么？

● 企业的业务目标有哪些？它们与数据需求是什么关系？

● 企业确定数据管理业务目标的依据是什么？

● 为确保数据管理能实现业务目标，可以采用哪些衡量标准或关键绩效指标？

● 数据管理的组成部分是如何实施的？如何测量其有效性？

● 如何确定长期和阶段性成果？

● 数据治理的投资计划（人力和资金）如何？期望的投资回报率是多少？

先来看一个案例：

案例：某商业银行制定数字化转型的数据战略

过去几年，商业银行受到来自互联网公司和数字金融公司的挑战。而2020年年初席卷全球的新冠肺炎疫情让银行客户的行为从线下转到了线上，这对商业银行的数字化转型起到了巨大的推动作用。

该商业银行以“实现数字化转型”为数据战略愿景，并确定了支撑这一战略愿景的4个业务目标。

数字化营销：建立完整的用户画像，进行全渠道触达，以实现金融数字业务的完整闭环。

数字化风控：基于商业银行积累的大量数据，更准确地预测客户的风险，实现风险和收益的平衡。

金融产品的精细化管理：包括差异化定价、产品组合管理、产品创新。

银行的内部控制：规避操作风险，进行风险预测预警和员工行为监控等，以确保银行数据的安全合规使用。

2、实施策略

实施策略解决的是“怎么做”“由谁做”“做的条件”“成功原因”等问题，是战略落地的“致胜逻辑”。

（1）怎么做

“怎么做”是指采用什么策略保证目标的达成。DAMA给出的数据管理知识体系中有11个专业数据管理领域，如数据架构、数据建模和设计、数据安全、数据存储和操作、参考数据和主数据、元数据管理、数据质量等，难道企业需要把这11个专业领域全部都做一遍吗？显然不是。企业应根据自身现状和业务目标，选择合适的数据治理策略，或全域治理，或选择个别亟待治理的领域进行治理。

（2）由谁做

“由谁做”是指要明确数据治理的组织、角色分工、职责及决策权。

（3）做的条件

数据战略的实施必须明确数据管理和应用所需的条件，如企业内外部数据管理和使用环境如何，企业的数据管理能力成熟度情况怎么样。

（4）成功的原因

影响数据治理的因素有很多，主要包括战略、组织、文化、流程、制度、数据、人才、技术和工具9个方面。每个因素都可能会影响到数据战略的成功或失败，企业应设计每一个实施策略。

根据笔者多年的所见所闻及亲身参与数据项目的经验，一个数据战略的成败很大程度上是由致胜逻辑决定的。

数据治理的成功总是相似的，但失败却各有原因。数据治理失败的原因主要有目标不明确、范围不清晰、主导人员分量不足、参与人员不够积极、过度迷信平台和工具、过度依赖外部资源等。

战略定位是让人们做正确的事，而“致胜逻辑”是让人们正确地做事，两者一个是目标，一个是实现目标的方法。事前想清楚数据战略的致胜逻辑的成本要比事后总结教训低很多。

3、行动计划

行动计划是为落实战略目标或指导方针而采取的具有协调性的计划安排。行动计划回答了“谁”“在什么时间”“做什么事”“达成什么目标”的具体问题。行动计划要可执行、可量化、可度量，遵循PDCA的闭环管理，需要定期进行复盘和总结。

制定数据资产管理项目的实施路线图时，不仅要考虑项目优先级和项目依赖关系，还要综合考虑公司信息化建设现状、内部组织对数据资产管理的支持程度以及对服务时间和人力资源的调配能力。最重要的是要结合公司业务场景和生产经营管理中的具体情况，制定可落地的数据治理行动计划。

数据治理是一个不断迭代、持续优化的过程，不可一蹴而就。

经验告诉我们，数据治理绝对不是引入先进技术和高端软件就能够成功的。项目建设过程需要企业高层的高度重视并给予充分的资源支持，需要有经验丰富的顾问团队，需要技术部门和业务部门的通力协作，这样才能提高项目建设的成功率。

同时，数据治理不是“一次性项目”，一个数据治理项目的成功并不代表数据战略的成功，一个数据治理项目的成功不是企业数据治理的终点，而是新的起点。

“路漫漫其修远”，企业数据治理需要的是持续运营，将数据治理形成规则，融入企业文化，这是企业数据治理之根本。