來源：企業網D1Net

如果沒有良好的數據戰略，實現數據驅動的成功有很大的挑戰，戰略失誤可能會給數據運營及其成果帶來極大的不利影響。因此CIO和其他技術領導者需要仔細規劃和執行。

企業不能搞砸他們的數據戰略，因爲數字經濟中有太多的利害關係。 

企業如何收集、存儲、清理、訪問和保護其數據可能是其能否實現企業目標的主要因素。不幸的是，數據戰略的成功之路充滿了挑戰，因此CIO和其他技術領導者需要仔細規劃和執行。 

以下是IT領導者應該明智地避免的一些數據戰略錯誤。 

忽視企業使命

在不考慮企業的整體業務目標的情況下創建數據戰略是失敗的祕訣。在一個缺乏重點的戰略上投入時間和金錢有什麼意義？ 

金融服務公司先鋒(Vanguard)的首席數據分析官瑞安·斯旺表示：“大規模建立成功的數據戰略不僅僅是收集和分析數據。如果沒有以任務爲導向，企業在確定數據計劃的優先順序、高效分配資源以及培養一支敬業的員工隊伍方面可能尤其具有挑戰性，這些員工隊伍清楚地瞭解其工作如何真正影響業務成果。” 

在先鋒，“數據和分析使我們能夠履行我們的使命，爲投資者提供最好的投資成功機會，使我們能夠收集可操作的見解，以推動個性化的客戶體驗，擴大建議，優化投資和業務運營，並降低風險。”斯旺說。 

確保數據戰略將滿足企業目標的一部分包括數據管理，它確保有企業的、可訪問的、高質量的數據始終可供授權方使用。 

醫療保健管理諮詢公司Impact Advisors的高級顧問、CISO的馬克·約翰遜表示：“企業經常在沒有管理到位的情況下啓動和運行服務和應用程序。與災難恢復、業務連續性和信息安全類似，數據戰略需要經過深思熟慮和定義，以便爲其他方面提供信息，同時提供構建強大業務的基礎。” 

低估非結構化數據

企業積累的大部分數據都是非結構化的，無論是文本、視頻、音頻、社交媒體、圖像還是其他格式。 

這些信息資源可以爲企業帶來巨大的價值，使他們能夠獲得對客戶和市場趨勢的新見解，忽視這些數據資源是一個大錯誤。 

“對IT領導者來說，正確使用非結構化數據將變得越來越重要，”企業軟件開發商IFS的首席技術官凱文·米勒說，“這不會是他們可以忽視的事情。對於希望推動創新和創造額外商業價值的IT領導者來說，使用非結構化數據獲得可操作的見解將是一項至關重要的任務。” 

米勒說，受益於非結構化數據的關鍵之一是定義明確的目標。“利用非結構化數據的目標是什麼？”他說：“非結構化數據將如何促進收入或市場增長，獲得成本效益或其他戰略成果？這一步驟確保努力與業務目標保持一致，並確保由此產生的見解是可操作的。” 

識別和評估哪些非結構化數據來源將提供最大的價值和洞察力也是至關重要的。“隨着商業環境的變化和新數據來源的出現，非結構化數據的價值可以隨着時間的推移而演變，”米勒說，“IT領導者應建立持續監控和改進的流程，通過實施定期審查週期來評估從非結構化數據派生的洞察的有效性，以確保洞察始終具有可操作性和相關性。” 

他們還需要建立明確的隱私、法規遵從性和數據治理政策。“許多行業和地區都有嚴格的數據隱私和安全管理規定，”米勒說，“建立數據治理規則有助於企業遵守這些法規，降低法律和經濟處罰的風險。明確的治理規則還可以通過定義數據收集、存儲和格式化的標準來幫助確保數據質量，從而提高分析的準確性和可靠性。” 

形成數據孤島

多年來，由於數據孤島而拒絕企業用戶訪問信息一直是一個問題。當不同的部門、業務單位或組將數據存儲在其他人不可用的系統中時，數據的價值就會降低。 

便利店運營商RaceTrac負責企業數據和高級分析的執行董事約翰·威廉姆斯表示，數據孤島會導致不一致和運營效率低下。 

RaceTrac擁有近800個地點，每年處理2.6億筆交易的海量數據，以及來自商店攝像頭和嵌入燃油泵的物聯網設備的數據饋送。 

威廉姆斯說：“這種情況導致在每個業務單位和部門內開發不同的公式、流程和定義來生成報告，從而從相同的數據集生成不同的結論和建議。” 

爲了打破孤島，該公司創建了一個統一的數據環境，該環境集成了跨各種系統的數據，以便在整個企業內共享數據。威廉姆斯說：“實施集中的數據管理系統並鼓勵部門間的溝通，將在確保整個企業可靠數據的一致性和可訪問性方面發揮關鍵作用。” 

RaceTrac正在利用Alation的數據智能平臺來集中數據，並根據需要爲用戶提供自助分析。 

分散數據團隊

與創建豎井類似，分散數據團隊可能會給企業帶來問題並降低價值。 

Vanguard的斯旺說：“孤立的數據團隊結構對於希望開發和擴展有效的數據戰略以推動業務成果的企業來說可能特別成問題。相反，應將數據團隊構建爲企業上的集中化[並]與業務實際位於同一位置-目標與該業務保持一致。” 

Swann說，這種方法有助於建立統一的數據生態系統，實現整個企業內的無縫數據集成、共享和協作。 

“數據專業人士和企業之間的密切合作還能提供寶貴和持續的洞察力，改進流程，提高效率，並減少關鍵運營領域之間的摩擦，”斯旺說，“對於數據和分析專業人士來說，這種類型的環境也能帶來豐厚回報。” 

忽略數據治理

數據治理應該是任何數據戰略的核心。如果不是，結果可能包括數據質量差、缺乏一致性和不遵守法規等問題。 

“在沒有標準化的數據管理方法的情況下，維護數據的質量和一致性是一項挑戰，”威廉姆斯說，“在將Alation納入RaceTrac之前，我們在這些問題上苦苦掙扎，導致對數據缺乏信心，並做出多餘的努力，阻礙了數據驅動的決策制定。” 

威廉姆斯說，企業需要創建一個強大的數據治理框架，這包括指定數據管理員、建立透明的數據所有權以及實施數據準確性、可訪問性和安全性的指導方針。 

威廉姆斯說，使用專門用於數據沿襲、治理和協作的數據情報平臺“可以保證企業的所有成員都依賴可靠的真理來源進行分析和報告。” 

使用質量不佳的數據

數據只有在準確的情況下才真正對企業有價值;否則，它可能導致糟糕的決策，甚至破壞客戶體驗。 

Impact Advisor的約翰遜表示，髒數據或低質量數據是人工智能最大的問題。“事實上，GenAI就是一個很好的例子，”他說，“他們的大型語言模型有糟糕或骯髒的數據。證據是他們在回答詢問時引用的‘捏造的’消息來源和事實。” 

約翰遜說，數據清理工具是解決這個問題的一種方法。然而，他說，它回到了精心設計的數據戰略上，爲實體、屬性、關係、數據類型、約束、層次結構等建立了一個通用的數據模型。 

缺乏對實時數據的可見性

如果不能利用實時數據，公司可能會錯失適應客戶需求變化並提供更好客戶體驗的機會。 

RaceTrac的威廉姆斯說：“在快速發展的商業世界格局中，擁有迅速訪問和理解實時數據的能力至關重要，這將爲企業提供競爭優勢。” 

威廉姆斯說，如果沒有對企業數據的全面視角，就很難辨別數據的預期目的，確定其準確性，提高其質量，並找出冗餘，這可能會導致在決策過程中使用不可靠、不合格或過時的數據。 

將可靠的數據轉換爲跨越整個企業的資產需要數據用戶對企業內完整的數據生命週期有透徹的瞭解。他說，自RaceTrac的數據轉換以來，“我們簡化了法規遵從性，簡化了影響分析，並可以及時將上游數據的變化通知給利益相關者，這使數據用戶能夠在獲得數據的情況下，以更高的信心實時做出決定。” 

在獲取人才時忽略不同的背景

企業需要具有數據專業知識的專業人員，爲了填補職位空缺以幫助執行數據戰略，擴大候選者人才庫可能是有意義的。 

先鋒公司的斯旺說：“那些將數據和分析人才的搜索侷限於那些擁有豐富編程或編程背景的企業，可能會發現很難建立一個有效的數據戰略。” 

“多樣化的團隊意味着更多的創新，更明智的決策，更廣泛的解決問題的範圍，以及對客戶需求和偏好的更好理解，”斯旺說，“正因爲如此，對數據和分析人才採取‘一刀切’的做法可能會阻礙協作、多元化思維和提高績效。” 

斯旺說，Vanguard爲其首席數據和分析辦公室聘請了來自各種背景的人員，包括一些學習過高級數學、英語和商業的人。 

本文來自微信公衆號“企業網D1net”（ID:D1Netchina），作者：Bob Violino，36氪經授權發佈。