任何数据和分析策略的关键成功因素

像Gartner数据分析战略和运营模型(DASOM)这样的框架可以帮助数据分析领导者为组织创建战略，以建立数据驱动的文化，并最终从数据资产中推动业务成果。

该战略定义了组织数据分析计划的内容和原因。它是实现既定商业成功愿景的总体方法。在任何战略中都需要明确的关键组成部分是:

• 数据驱动的愿景

• 数据和分析策略的驱动因素

• 期望的项目结果

并行地(而不是顺序地)发展D&A战略的愿景、驱动因素和结果，因为每个元素都通知其他两个元素。

最有效的战略是通过利益相关者之间的一系列对话来发展的，这些对话旨在定义业务战略与数据和分析战略之间的共同方向和共同目标。避免与小团队单独制定研发战略，然后将其“出售”给其他公司的错误做法。使用DASOM框架作为帮助引导对话的结构为商业战略注入数据和分析．

数据和分析战略的愿景可以简洁地解释数据驱动型企业意味着什么，以及组织将从中得到什么。愿景应该集中在项目期望实现的客户价值上。

从业务价值的角度阐明愿景有助于将数据分析程序定位为业务功能，并将其领导者定位为业务同行。这有助于将数据分析工作从决策支持转向决策制定。考虑到对数据和分析的期望越来越高，这一点至关重要数字化转型和敏捷应用通过数字商务平台。

预先警告:在一些组织中，愿景陈述的名声不好。这种情况经常发生在它们由空洞的管理语言组成，与业务现实缺乏任何相关性时。这并不意味着你不应该费心去写一个。相反，有效的愿景为数据和分析团队以及更广泛的组织提供了一个共同的目标，有助于防止战略漂移，并有助于吸引人才。然而，实现这些目标的决策与分析愿景必须包含某些细节，同时也要满足关键需求。

一个引人注目的数据分析愿景必须从三个不同的角度解决数据驱动的含义:

• 远见和领导力。数据和分析在组织中的作用是什么?它如何为关键任务业务目标做出贡献?

• 业务转型。它带来了哪些新的商业模式机会?

• 文化和变革。数据和分析在数字化转型中的作用是什么?数据驱动的文化和变革会是什么样子，尤其是对于数据素养而言?

一个好的数据策略是公司特有的，但受到影响组织的驱动因素和趋势的启发。这些包括:

• 外部社会、商业和行业驱动因素。你所在的行业或者你接触的行业正在发生什么?数据和分析在适应这些趋势方面可以发挥什么作用?

• 内部组织驱动因素。您的组织中正在发生哪些变化?例如，是否有一种集中或分散的趋势?转向更以规则或原则为基础的治理风格?走向敏捷工作?

• 技术驱动程序．哪些新技术正在改变你的行业或组织?例如，人工智能(AI)或数据结构的出现正在取得哪些进展。

一个给定的组织可能有许多不同的驱动因素影响数据和分析策略。每一项对你的策略有多重要取决于许多因素。

确保你的数据和分析策略能够明确“我能从中得到什么?”，回答以下四个问题:

1. 谁是你的利益相关者?列出所有内部和外部利益相关者。

2. 每个利益相关者需要的业务成果是什么?用收入增长、成本节约、风险管理、客户价值等等来表达这些。

3. 数据和分析策略将如何帮助实现这些目标?指定具体的用例、计划和D&A产品，它们将为涉众改进过程或活动。

4. 哪些关键绩效指标(kpi)将显示您的战略是成功的?衡量您期望产生的业务结果。定义进度指标，比如“接受数据素养培训的员工百分比”，以及结果指标，比如“贡献了5%的收入增长”。

通过这个过程，数据分析战略将开始围绕一个明确的价值主张进行整合，该价值主张定义了数据分析将为组织提供的价值形式。价值主张分为三类:

D&A作为一种实用工具

这种数据分析和分析的价值主张将数据分析定位为所有涉众在任何时候都可以满足所有需求的通用能力。主要输出是一个始终在线的平台。数据作为一种实用工具的成功衡量标准以服务水平协议的形式出现，如:

• 平台的可用性如何?

• 数据是否能够快速方便地用于各种目的?

• 添加一个新的数据源或数据访问API需要多长时间?

作为推动者的D&A

这个价值主张关注于一个特定的业务目标。主要结果是特定的符合目的的解决方案。数据作为推动者的成功度量与业务kpi相关，例如:

• 在实施新的营销活动管理分析工具后，转化率提高了多少?

• 通过物联网(IoT)数据和分析进行预测性资产维护，我们节省了多少资金?

• 由于改进的欺诈检测算法，我们节省了多少钱?

• 一个D&A战略只有在执行过程中才算好。只有当你明确了“为什么”和“什么”之后，你才应该转而考虑“如何”通过适当的运营模式来执行数据和分析策略。

• 能力是连接战略和运营模型的关键。因此，组织应该通过评估今天的现有能力和明天需要开发的能力来完善战略开发过程。您可以使用Gartner数据和分析IT评分进行自我评估，询问您是否有能力管理数据运营或培养数据分析人才。

能力评估揭示了组织需要填补的关键空白。数据素养技能通常是其中之一。2022年Gartner CDAO调查的受访者将糟糕的数据素养列为其组织成功的最大障碍，这是投资建立数据驱动型客户的关键领域，拥有一批数据素养的员工，可以利用数据资产并提高整体投资回报。能力评估也可以作为首席数据官的关键输入确定数据科学家和其他人才角色他们的团队需要。