“战略不是研究我们未来要做什么，而是研究我们今天做什么才有未来。”
数据战略也不外乎如此，它是企业为了实现其长期目标在数据方面所做的方向性的选择和资源的聚焦。它是一个以终为始的路径，企业要做好数据战略的规划，就得在明确自身定位的前提下，找准目标和方向，然后再做出相应的路线规划。
—??01??—
明确定位
知己知彼识大局?，才能百战百胜。
战略规划的第一步，就是要搞清楚目前自己处在一个什么位置，这需要了解自己，了解对手，还要了解环境。所以，我们在做规划前，首先得进行一定的外部分析和内部分析。
1.外部分析
数据战略的制定，不能脱离宏观的大环境，包括国家政策、监管要求、行业趋势、科技发展、其他同行业的先进做法等。
当前数据要素已明确上升为国家数字化战略重点，数据相关的监管要求也日趋规范严格，2021年出台的《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》也从法律层面为数据安全提供保障，企业在制定数据战略时，数据合规以及数据安全也应被重点纳入考量范围内。
2.内部分析
内部分析主要分析的是企业自身的数据现状和数据能力，更全面地了解自己，才能对目标方向做出更好的判断。
对此，企业可以借助一些评估模型来对自身的数据综合情况做出一定的判断，比如DCMM数据管理能力成熟度评估模型、DCAM数据管理能力评价模型、DSMM数据安全能力成熟度模型等，通过对不同数据能力项的评估，来帮助企业建立起与自身业务发展一致的数据战略。
同时， 对要实施数据战略会需求到的组织内部的相关资源，也要做一定的评估和摸底，比如人员、经费和基础设施等。
—??02??—
找准目标
1.数据愿景承接企业愿景
数据战略本身是企业战略的一部分，它承接着企业的愿景和使命，所以企业数据战略愿景的制定要顾及企业所有利益相关者的本质诉求，同时也要符合企业的发展方向及使命。但要注意的是，企业的愿景更多的是一个长期性的，但面对纷繁变化的数字环境和技术浪潮，我们的数据愿景应具备一定的灵活性，与企业愿景相比，它相对比较短期且明确。
在制定数据战略愿景时，我们重点要考虑的是数据在整个企业战略以及价值链中的位置，是将数据作为途径实现业务愿景，还是打造以数据为中心的战略愿景。比如，华为的数据战略愿景是：实现业务感知、互联、智能和ROADS体验，支撑华为数字化转型，更强调是数据作为支撑的战略位置。
2.数据目标对齐业务目标
为什么我们要制定数据战略？是为了让企业更好地用数据赋能业务，用数据助力发展。所以数据战略的目标，最终仍要落实到业务上来。我们上文中说道数据愿景应是明确的， 数据目标更应是如此，一个好的数据目标是基于业务战略目标而来的，它应根据业务目标来确定优先级，而且是可执行、可衡量的。
当前，企业的竞争环境复杂、市场变化较快，随之而来的业务需求，也是处在变化发展中的。所以数据战略目标，也应有着一个动态调整的过程，比如与产品相关的数据战略要求能快速发现和集成新的数据源，提供更好的用户体验；与运营与流程相关的数据战略，则应关注公司内部的效率、成本降低和质量等的动态改进。
我们再拿华为的数据目标来举例，华为数据工作的目标是：清洁、透明、智慧数据，使能卓越运营和有效增长。“清洁、透明、智慧”是期望数据达到的可衡量的目标，“卓能运营和有效增长”则是期望数据工作能带来的业务发展与改进的目标。
—??03??—
做好规划
1.路线规划
（1）模型工具
对于数据战略规划的工具有很多，例如：战略地图、差距分析、SWOT析、PEST分析、5W1H分析、发展驱动力分析、波特五力分析、BCG矩阵分析等。
我们这里主要介绍的是两个模型：战略一致性模型（Strategic Alignment Model）和阿姆斯特丹（Amsterdam）信息模型，这两个模型都展示了组织管理数据的高阶关系图。
①战略一致性模型
战略一致性模型抽象了各种数据管理方法的基本驱动因素。模型的中心是数据和信息之间的关系，信息通常与业务战略和数据的操作使用相关，数据与信息技术和流程相关，这些技术和过程支持可访问数据的物理系统。围绕这一概念的是战略选择的四个基本领域：业务战略、IT战略、组织和流程以及信息系统。
②阿姆斯特丹信息模型
阿姆斯特丹信息模型的“九宫格”从战略角度，考虑业务和IT的一致性。强调信息架构规划和中间层，其中信息治理和数据质量是必要性支撑。
（2）数据架构
数据架构是数据战略实现的技术支撑。
它是对数据的获取、存储、处理、分发和使用的定义，整合了数据、流程、应用、组织、规范和技术，能在数据战略的实施过程中规划出数据导航路径。
在TOGAF企业架构框架体系中，数据架构是企业架构中承上启下的核心组成部分，它作为中心辐射业务架构和应用架构，推动核心掌握能力提升。
（2）数据治理
很多时候数据战略被纳入到了数据治理体系之中。
数据治理的最终目标是提升数据的价值。在这个过程中，会涉及到企业多方数据能力的建设，包括元数据管理、数据标准管理、数据质量管理、主数据管理、数据资产管理、数据安全管理、数据生命周期管理等。数据治理离不开前期的数据战略规划，同时，数据治理又是企业数据战略落地的基础。
关于数据治理更加全面的阐述与方法论，可以参看我们前面的文章《不能错过的企业数据治理综合指南》、《数据治理全域解决方案来了：对症下药 各个击破》。
2.组织保障
（1）制度
每个企业都有着不同的业务流程和组织架构，数据战略的落地可能也会面临着不同的阻碍和风险。所以建立起一个与数据战略相匹配的数据规章流程制度，是落实数据战略的重要保障之一。
①规范引导
数据流程：建立数据创建、采集、处理、分析、应用、共享的流程，实现对数据的全生命周期管理，明确数据的流向，明确每个流程节点数据的输入、输出和约束。
业务流程：数据源于业务，有些数据问题也来自业务，业务流程设置不合理，业务表单用户体验不佳都会导致数据质量问题。也因此，数据治理治的不仅是数据，还有不合理的业务流程。
②激励奖惩
同时，还应该建立相关的激励奖惩制度，让各部门在数据方面协同工作，使IT与业务的工作目标保持一致，并鼓励员工在工作中使用数据，“用数据说话、用数据管理、用数据决策”。
（2）人员
数据战略的实施过程，是企业关于数据的战略性的重点调整的过程，也是一个人员与组织进行再分工与调整的过程。
以下是《DAMA指南》给出的一个组织范例：
企业应通过人才盘点和目标对照分析，来对数据战略实施的组织分工进行规划，并据此来制定相应的组织调整、人才招募、员工培训等方案。
（3）文化
Gartner发布的《CDO成功构建数据驱动型组织的10种方法》一文指出，“文化和数据素养是数据与分析领导者面临的两大障碍”，“不改变企业内部文化，就无法改变企业的行为和信仰体系。”
Tableau 曾在 2020 年 4 月委托全球市场调查公司 IDC 进行了一项研究，对组织的数据文化成熟程度进行了如下图所示的评估划分，研究表明，与数据感知型组织相比，表示数据可带来竞争优势的数据领先型组织要多出50%。
我们可以把数据文化看作企业人员所共有的一种价值观、行为和态度：他们看重数据的价值，并愿意推进和支持数据的使用。
数据文化讲起来似乎比较空泛，在企业的实际落地过程中，要实现这种数据驱动的文化，还是离不开一套可控的管理制度，通过制度将员工的行为加以约束，从而将数据文化“内化于心、外化于行、固化于制”。
—??04??—
小结
当前，企业要进行精细化管理运营，数据战略是其基础。只有切实落实好数据战略工作，才能提升企业数据质量、激活企业数据价值，为企业数字化转型奠定基础。