管理大数据：大数据管理战略的攻与守

在海量数据面前，是否具有管理大量数据流的能力攸关企业成败。企业需要连贯一致的战略来组织、治理、分析和利用组织的信息资产，在以安全和治理为代表的防守战略与以预测性分析为代表的进攻战略之间取得平衡，是企业实施数据战略的关键。

数据防守战略包括保证合规，使用分析工具检测和防范欺诈，构建系统来防止数据失窃，识别、标准化和治理可靠数据来源，以保证公司内部系统中数据流的完整性。

数据进攻战略包括数据分析建模、整合不同顾客和市场数据等产生顾客洞察的活动，以支持增加收入、提高盈利率及顾客满意度等商业目标。

企业选择进攻战略还是防守战略取决于迥然不同的商业目标及为达成商业目标设计的行动。

企业的数据架构描述的是如何收集、存储、转换、分配和消费数据，包括管控结构化形式的规则以及连接数据和消耗数据商业流程的系统。信息架构支配将数据转化为有用信息的流程和规则。在现实应用中，数据和信息架构方法包括单一真相源（single source of truth, SSOT）和多版本真相（multipleversions of the truth，MVOTs）。

SSOT作用于数据层面。SSOT是有逻辑的、虚拟的和基于云的数据仓库，包含所有关键数据的权威副本，比如客户、供应商和产品细节，必须具备坚实的数据来源和治理控制，所有数据必须利用统一的语言，而不能只适用于特定的业务部门或职能。

MVOTs支持信息管理。MVOTs产生于特定业务的数据到充满“相关性和目的”的数据转换，随着部门或职能中各种团体转变、标注和汇报数据，它们也会创造出不同的、被管控的数据版本，当被询问时，这些数据版本能根据这些团体预先确定的需求产生连贯的、定制化回应。

企业的CEO需要关注公司整体战略、公司法规环境、竞争对手数据能力、数据管理实践成熟度，以及数据预算多少等要素来决定其公司目前及理想的攻防定位。攻与守往往需要IT部门和数据管理组织采取不同的方式，数据防守是日常性的运营工作，数据进攻涉及与商业领导者在战术和战略计划上合作。在多数组织设计中，数据管理职能可以按职能或部门成立，采用中心化或者去中心化的方式。去中心化设计适合进攻型战略，中心化设计适合防守型战略。

如今，管理数据的重要性与日俱增，企业需要构建数据战略和强大的数据管理职能。未来，机器学习等新兴技术可能催生下一代数据管理能力，或将简化攻守战略的实施。

本文出自仁达方略图书：管理大数据RBD：从CI、BI到AI，您可以关注“仁达方略”微信公众号，点击订阅号菜单栏的右下角，打开微店获取。