如何将数据作为战略资产进行管理.docx

《如何将数据作为战略资产进行管理.docx》由会员分享，可在线阅读，更多相关《如何将数据作为战略资产进行管理.docx（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、如何将数据作为战略资产进行管理1.前言在当今世界，很难找到没有积极重新考虑数据在其商业模式中所扮演的角 色的组织。无论是确保竞争力、改善所提供的服务还是仅仅遵守监管义务，如 今人们普遍认为数据管理很重要，不仅大多数公司已经开始了数字化转型之 旅，即使是落后的公司也认识到这一紧迫性需要将数据置于他们活动的核 心随着公司的发展和数字化转型的进程，对数据的需求变得更加明显。因 此，他们开始在有这种需求的地方开发数据解决方案，一个接一个接一个。不 考虑未来的临时修复。这种管理数据的方法不足以满足我们的期望。公司内外部有许多数据源，每个数据源的管理方式不同。举个例子，客户 数据分散在用户行为数据、存储在

2、CRM中的数据以及从市场研究工作中收集 的数据中。随着对数据的需求不断增长，数据管理一直在增长。更复杂的需要大量数 据管理流程要求企业明确定义如何在整个公司内管理数据。在本文中，我将探讨为什么以及如何将数据视为战略资产。但在我们开始 之前，让我们看看管理数据意味着什么。2.数据vs信息vs知识2. 1.前述术语管理意味着要管理的东西，这里的东西是数据。尽管相关的数据管理 不同于管理信息或知识。尽管存在差异，但数据和信息有时在公司的管理文化 中可以互换使用。这不仅仅是公司内部的问题。正如Anthony Liew在其论文理解数据、 信息、知识及其相互关系中指出的那样，即使是研究人员有时也难以掌握每

3、 个术语的明确定义“如果不是全部的话，大多数数据、知识和信息的定义都有不太相同；它 响。例如，对于投资行业来说，这一时效性是至关重要的，投资行业需要根据 市场上的数据快速的分析出结果，分析结果出现的越快，给用户带来的利益可 能就更大，相反的话甚至可能造成资金的损失。10. 6.以人为本大数据应以辅为主大数据分析能够为我们最有价值的信息，能够帮助我们下达最有利于公司 发展的觉得。但是对于用户来说，完全依靠大数据分析却并不可行。毕竟我们 分析的数据都已经是发生的事情，大数据分析结果只能够给我们提供参考，但 是在前变化万花的市场，还需要有一个精明的决策者，依靠大数据，一锤定 音，决定企业的发展。大数

4、据分析并不是神，其只能给我们提供参考，帮我我们分析过去的发生 的事情的规律，对我们未来进行预测，但是如今的大数据分析依然不够智能， 很多因素大数据分析并不能考虑到。例如，当年诺基亚和摩托罗拉称霸手机市 场的时候，我们收集的信息也全部是关于这两个品牌的，但是谁能够预测到安 卓手机和苹果手机的崛起速度。综上所述，在企业中，大数据在企业决策方面更多的是扮演辅助的角色， 而不是最终的决策者。大数据中的数据包罗万象，并不是简单的数据分析就能 够得多最有利的结果的。在激烈的市场竞争中，大数据分析会越来越重要，但 却依然是人类的辅助者。11.结束语当数据治理的目标是真正将数据视为资产并对其进行管理时，其实施

5、会带 来可持续的可交付成果，例如组织、规则以及控制和评估的手段。此外，必须 分配业务预算以确保长期可持续性。经验表明，希望实施数据治理的组织很少理解这一概念的深远影响。公司 难以完全理解数据治理实施的真正范围以及他们不愿接受确保可持续性所需的 所有转型影响，这使他们只能将数据治理作为一个项目来处理，将其与数据清 理混为一谈，从而最大程度地否认自己他们可以合理地期望从此类投资中获得 的收益。相比之下，了解可持续转型成果是转型成功关键的组织会发现自己拥有独 特的资产；他们将能够通过推出新的价值创造用途（人工智能、数据科学等） 来利用这种资产。正是在这些公司内部，“将数据作为资产进行管理”将不再 仅

6、仅是一种表达方式，最终使数据要素发挥了生产力价值。们是相互定义的，即数据是根据信息来定义的，信息是根据数据或知识来定义 的，知识是根据信息来定义的。”因此，对它们中的每一个有一个清晰的定义有助于我们更好地定义它们之 间的关系。2. 2.数据我们经常将数据作为电子表格上的数字来记忆，但正如我们在有关数据领 域的帖子中所见，这并不能充分证明数据的公正性。数据是内在意义的符号表 示。数据的主要目的是记录活动或情况，试图捕捉真实的事实或真实的事件。2. 3.信息信息是对数据进行解释和分析的结果。它为基于数据的决策和/或行动创 建相关的含义、含义或输入。因为信息是解释的结果，不同的观点和方法可能 会导致

7、来自单一数据源的不同信息。2.4.知识知识是公司内部对信息采取行动(know-how)、认知和识别(know- what)以及理解(know-why)的能力的集合。知识包括两大类：显性知识和 默会知识。2. 5.显性知识显性知识是明确表述或定义、易于表达而没有歧义或含糊、编码并存储在 数据库中的知识。3. 6.隐性知识隐性知识是一个人头脑中的知识，通常难以描述和转移。它包括经验教 训、诀窍、判断、经验法则和直觉。3 .什么是战略资产战略资产或资源是公司竞争的基础。它们是在市场和行业中成为卓越竞争 对手的关键标志。这些资源和资产本身并不有价值，而是由于公司对其进行活 动而有价值，从而创造了价值和

8、竞争优势。这些资源同时是有价值的、稀有的、无法模仿或难以模仿的、不可替代的 和异构的。这种异质性对于创造竞争优势至关重要。“如果一个市场上的所有公司都拥有相同的资源存量，那么任何一家公司 都无法使用市场上所有其他公司都无法使用的策略”.为什么数据是战略资产从战略资产的定义来看，我们认为数据要成为战略资产，就必须是稀有 的、难以模仿和替代的、异构的和有价值的。公司内部和外部的数据确实可以 具有这种或密切相关的属性，使其成为公司非常有价值的战略资产。在谈论大数据的时候，大家都把大数据当做一座大金矿，觉得它很有价 值，都想要从大数据这座金矿挖掘出金子。数据是核心竞争力，指的是：数据本身是核心竞争力，

9、数据的处理能力也 是一种核心竞争力。当大家都在一个平台上时候，数据就可以在平台上流通起 来了。否则，像阿里巴巴这样的电商平台上的几百万卖家，你根本不知道他们 的后台在哪里，可能这个店铺在新疆的机房，那个在广东的机房，这样一来数 据怎么可能流通的好。在上了云服务器之后，流通和运转的成本才能真正降 低。在这个基础设施上，他们可以通过交换数据传告更大的价值，而在此之 前，这个不可能实现。在互联网经济时代，制造业会形成一个活跃度极高的经 济环境，今后的制造业也一定要靠云计算和大数据来做支撑。一种新兴经济就 该这样成长，这也是云作为基础设施的作用。在衡量一个国家的经济水平怎么样，过去就看它用了多少电。当

10、你从外太 空俯视地球，你会发现美洲那边是特别亮，因为哪里发达国家多，用电量大； 而非洲那样的不发达地区就很暗，因为用电量少。未来衡量一个国家竞争力， 还得加上一个指标-那就是用了多少计算能力。中国是世界上数据贡献量最大的国家之一，也是服务器占有量最多的国家 之一。可以说，中国是计算机大国，但是直到今日为止，没有一个企业能说， 可以帮助全世界处理全世界互联网上的信息，因为那需要巨大的处理能力。有 计算机不一定有计算能力，计算能力一定会沉稳一个企业和国家的核心能力。 以后必然会出现的情况是，计算能力成为国际贸易的一部分。目前来说，中国 是计算机大国，但不是计算大国。中国要把计算和数据结合起来，让大

11、数据通 过云计算产生价值，这样才能形成核心竞争力，成为计算强国。如果说过去30年是计算机和软件的时代，那么未来30年就是计算和数据 的时代。云计算一点也不神秘，是数据给了我们神秘，但是数据也给了我们一 次机会，让我们拥有足够多的数据。当世界上可以把互联网和大脑连接在一 起，换句话说就是大脑变成互联网一部分。到那时云计算和大数据将会给我们 带来翻天覆地的变化。4 .公司内部数据作为战略资产很有可能，公司最基本的运营中埋藏着数据金矿，可以帮助企业在竞争中 脱颖而出。许多公司正在意识到数据收集在其流程中的重要性。亚马逊、谷歌 和许多其他公司正在使用这些数据来定制他们的客户体验。CRM通过提供对整 个

12、销售过程中收集的数据的轻松访问，彻底改变了销售。营销数据一直很有价 值，并且在很大程度上被用来为当今的公司创造更多价值。所以这些数据显然是有价值的。它也非常稀有，难以模仿或替代。由于这 些数据是通过特定方法和流程生成或收集的，因此将特定于您自己的公司。事 实上，像谷歌和Facebook这样的公司直接将其客户数据货币化的情况非常罕 见。5 .公司外部数据作为战略资产公开可用的数据、市场研究报告、公开的政府数据和许多其他数据都是在 公司正常数据收集流程范围之外可用的数据来源。这些数据源是您的外部数据 收集的补充元素。它们提供了对市场的进一步真实洞察，您可能因流程中的偏 见而错过的洞察力。它们可以揭

13、示投资机会、市场方向和许多其他指标。因此，毫无疑问，它们是有价值的。但有一个问题。这些类型的数据不是唯一的。它们并不罕见，很容易被资源相似的公司模 仿或取代。那么为什么我坚持认为它们确实是战略资产呢？为了回答这个问 题，让我们首先讨论一下资产数据是什么类型的.什么类型的资产是数据数据电子表格的第一眼会让您感觉数据确实是库存资产。就像原材料一 样，它是从多个来源收集的，需要经过加工才能产生实际价值。记住我们的定义。数据本身不会产生太多价值。正是对数据的解释和分析 产生了有价值的信息，作为决策的依据。因此，无论来自内部或外部来源的数 据在用于生成包含经济特征并促进可操作见解的信息时都是一种资产。当

14、数据被这样对待时，它就变成了一种资产。许多公司目前的数据管理方 法还没有准备好满足这些需求。6 .如何将数据作为战略资产进行管理数据计划的实施通常基于取得巨大成就的承诺。是的，数据确实非常有 效，但是当数据经常被视为技术计划的延伸而不是战略资产时，它就无法实现 它所承诺的考虑创建数据治理部门组织的财务资源在财务部门内进行管理。首席财务官(CFO)领导部门并确 保财务资源的使用和管理符合公司更大的战略目标。因此数据资源的管理需要 有自己的部门和高级管理层。数据的使用、收集和生成分布在公司的许多部门 中。数据治理部门可以充当连接中心，与不同部门进行沟通，跨需要数据的部 分共享数据。J、/、:Fin

15、ancial Management ； Data Governance Moneyuo-cBZceepoAccountantData Management StandardssciowooData Quality ManagementData Quality Indicators (DQIs)8. 2.控制数据采集和使用渠道数据来自许多内部或外部数据源。记录每个数据采集渠道、质量和收集数 据的状态将帮助提高数据质量并查看需要其他类型数据的位置。例如，如果从 市场研究中收集客户数据，直接从用户那里收集数据以及通过记录每个渠道在 销售过程中生成的数据，您会发现可能会从社交数据中受益3.创建数据目录

16、数据目录是组织中数据资产的有组织清单。它使用元数据来帮助组织管理 他们的数据。它还可以帮助数据专业人员收集、组织、访问和丰富元数据，以 支持数据发现和治理。创建数据目录将提高整个公司的数据可用性，并防止数据孤岛。8. 4.数据维护和质量保证控制和维护数据质量是每个数据策略的重要组成部分。您需要确保数据准 确、完整、及时和一致。还应该检查跨部门的数据和基础架构的兼容性。如果 销售和营销都需要相同的数据用于不同的用途，他们需要能够相互交流这些数 据。9. 5.打破数据孤岛许多组织当前管理方法的最大问题之一是数据被困在数据孤岛中。数据孤 岛是隔离在部门或应用程序中的信息存储库，无法从组织的其他部分访

17、问。如 果跨部门需要数据，则将其困在某个孤岛中导致数据冗余、质量降低以及数据 维护和存储成本增加。9.成功数据资产管理的4个关键组成部分9. 1.资产财务管理和数据治理都涉及资产管理：第一种情况是资金，后一种情况是 数据。9. 2.组织一个组织的财务资源在财务部门内进行管理，它提供跨职能支持。首席财 务官(CFO)负责领导部门并报告充分和有效地调动财务资源，以确保业务连续 性和符合组织战略的增长。会计师则向首席财务官报告并负责遵守适用于财务 流动的会计规则和标准。数据治理的功能不应有任何不同。数据应由专门的部门作为资产进行管 理，提供跨职能支持（即不限于业务或IT）。例如，该部门可以被命名为数

18、据 治理办公室。领导这样一个部门的将是CDO （首席数据官），并肩负着充分和 有效地调动数据的责任，以确保业务连续性和符合组织战略的增长。向CDO 报告的数据管理员将确保遵守数据管理规则和标准。但是，CDO和CFO角色的不同之处在于，公司在这两个领域的成熟度并 不相同。尽管CFO可以将其任务限制在确保财务得到有效管理上，但CDO必 须不仅建立并确保将数据作为资产进行有效管理，而且还应放开数据使用，从 而充当传道者。9. 3.规则将财务资源分配给组织的各种活动既不是随机的，也不是“按要求”的操 作。它遵循一个预先确定的、定期审查的计划，该计划考虑了预期收入和批准 的支出金额。该计划通常被称为“预

19、算”，是资源分配结构的基石，遵守该计 划的责任在于首席财务官。财务流入和流出的记录是根据会计原则和法律以及组织制定的会计标准进 行的，以确保整体簿记的一致性。这些标准的制定和应用当然由首席财务官负 责。在数据治理的世界中，信息系统内的数据分布和每个数据项的主来源的确 定并不是随意的。它遵循一个明确定义的计划，即使该计划可以而且必须发展 以支持组织的活动。这是数据架构所扮演的角色，它当然是基于上游设计的， 一方面基于组织的需求，另一方面也基于与数据管理相关的规则和法律（例如 数据安全法）作为CDO定义的标准，以简化数据的使用并确保整体一致性。10. 4.控制监控其负责管理的资产的使用和质量也是财

20、务部门的工作。管理会计的作 用是侧重于对财务流量的解释、将财务资源分配给组织的各种活动的相关性以 及这种分配对组织绩效的贡献，使用先前定义的关键指标来衡量。首席财务官 有责任指出任何偏离既定目标的问题，并采取纠正措施。从逻辑上讲，数据治理办公室将因此按照相同的原则运作。得益于数据质量管理流程，它可以监控其负责的资产质量。然后，该办公室可以根据数据的 质量水平确定其对组织绩效的贡献，使用以前设计的数据质量指标来专门衡量 数据质量对组织的影响。就像财务一样，由CDO发出信号，表明数据质量水 平与定义的最低水平有任何显着偏差。CDO还负责组织制定纠正措施。10.大数据分析如何去伪存真大数据行业发展速

21、度令人瞠目结舌，大数据分析为企业带来巨大价值，已 经成为企业决策新助手。但中国有句古话“尽信书不如无书”，其实大数据分 析没有你想象的那么完美。这主要是由于大数据中并不是所有的数据对用户都 有价值，一些垃圾信息甚至对数据价值带来深深的伤害，如何对收集的数据进 行筛选、去伪存真，才是大数据真正实现价值的关键。10. 1.何为垃圾信息？什么是垃圾信息，简单的说，就是那些混在大量有用的信息中的无用信 息，有害信息，以及对大数据分析结果带来影响的信息。但垃圾信息并不是绝对的，可能这种信息对于用户甲是无用的，对无分析 结果是有害的，但是对于用户乙来说，可能就是有用的信息。所以不同行业的 用户要学会区分自

22、己数据中的信息哪些是垃圾信息，是无用的。10. 2.目前大数据市场情况：不可否认的是大数据拥有巨大的价值，但是就目前情况看来，大数据更像 是镜中花水中月，看似美好，实则言过其实。在浩如烟海的数据中心去发掘对 用户有价值的数据，就好比在垃圾场捡拾宝贝一样，就好比在沙漠中寻找宝石 一样。那么，如何从大量数据中心获得对用户有价值的信息呢？下面让我们看一 下当前人们是如何剔除垃圾信息，寻找数据价值。10. 3.剔除数据中的垃圾信息的作用？为何要剔除这些垃圾信息你？其中一点上文中我们已经提到，这些垃圾信 息影响我们的数据分析结果，让数据价值难以体现，其实这只是垃圾信息的一 种危害。同时，过多的垃圾信息还

23、会造成客户基础设施的瓶颈，给系统带来负 担，并增添存储、主机等设备成本，大大增加企业用户的运维成本。那么如何去除这些垃圾信息呢？10. 4.企业存储架构如何剔除数据中的垃圾信息？大数据相比于传统的数据有着一个重要的区别，那就是非结构化数据的出 现，这让传统的按照原本特定的规则和参数剔除垃圾信息的方式失去了用武之 地。大数据时代需要新的垃圾信息剔除方式。但如今大数据正处于发展出去， 各大IT厂商虽然都竞相推出了大数据解决方案，但是针对垃圾信息剔除方面 的方法几乎没有。从以下两个方面入手：人力方面：如今的大数据分析方面缺乏只能，这样很多解决方案并不能真 正的实现智能分析，而人工就要承担其中的智能部

24、分。有些数据分析问题会被 发送于负责相应问题的专员，由相关的大数据分析专业人员提供问题的解决方 案。缺少大数据人才但如今，针对大数据分析方面的专业人才极其缺乏。据麦肯锡调查，至 2018年，美国市场将出现近20万深度大数据分析的专业人才、150万能够进 行数据解析的职业经理人的职位缺口。大数据专业人才不仅需要多年的数学知 识积累，还需要有编程、业务知识等综合能力，是稀缺的复合型人才;而对于聘 用企业来说，也很难有合适的职位适合此类人才。IT厂商方面：除了在人力方面加大力度，培训专业的人才。还需要更多的 大数据厂商来提供更加智能的解决方案，光靠人力显然是不够的。在未来面对这么大一堆的垃圾，这将是大数据厂商的一个重要挑战。厂商 们需要确立新的数据标准，帮助用户更加深入的分析数据，能够智能分辨数据 的级别，自动剔除重复的、同一 IP地址的或者恶意干扰的数据，这样才会大 大加快数据分析的速度。从无到有，有的时候可能就是一点点，然后需要一点 点时间，逐步的积累，这是对大数据厂商的长期考验。11. 5.大数据分析需要注意时效性数据去伪存真是为了增强数据的有效性，但同时也要注意数据的时效性， 数据的时效性同样决定了大数据分析结果。我们需要根据不同的需求来确认数 据的时效性，过时的东西我们即使分析出来了也不会我对我们的决策产生影