什麼是資料策略？

擁有良好的資料策略還有更多好處：

解決資料管理挑戰

大多數組織都面臨著資料管理挑戰，例如資料孤島、跨業務單元的資料重複、部門之間的低效資料流以及資料優先順序缺乏明確性。資料策略允許公司以安全的方式存取和共享資料，進而解決這些挑戰。您可以釋放資料的價值以滿足商業計畫需求。更好地整合資料並在正確的時間存取正確的資料，使組織能夠做好準備應對未來或未知情況。

改善客戶體驗和忠誠度

組織使用資料和分析來更好地了解客戶及改善客戶體驗。從線上體驗到聯絡中心，組織可以使用資料為客戶創造更多價值並主動解決未滿足的需求。資料還可以幫助組織創造新的業務或貨幣化機會，並根據客戶需求建置超個人化的產品和服務。個人化體驗也會隨時間的推移而增強客戶忠誠度。

達到分析成熟度

Gartner Analytic Ascendancy Model 定義了分析成熟度的四個步驟。組織通常從描述性和診斷性分析開始，以了解發生了什麼以及為何發生。當組織過渡到使用資料來回答將要發生的事情的預測分析時，也就產生了分析成熟度。處於最終成熟階段的組織會使用規範性分析來實現預定結果。因此，資料策略制定了詳細的計劃，以幫助您的組織以前瞻視角做出決策，而不是事後諸葛亮。

建立適合未來的應用程式，例如 ML 或生成式 AI

資料是 ML 和生成式 AI 應用程式的核心。ML 和 AI 模型需要能夠輕鬆擷取和管理資料，才能訓練模型並執行推論。資料策略會負責資料去向，將影像識別、預測和智慧搜尋等使用案例提供給應用程式。您還需要負責 ML 管控，其中包括管理您的資料模型。

建立整個組織的資料文化

資料策略提供了一個路線圖，可提高整個組織的資料素養和使用效率。不同的團隊可以協同工作，以提高資料品質及資料收集的準確性。此外，您可以開發客製化培訓並為協作者建立學習路徑，使他們能從資料管理與使用方面的初學者晉升為專家。

支援法律合規

有效的資料策略實作可限制未經授權的資料存取的措施，進而提升資料安全。您可以在定義策略和流程時考慮所有資料管控規則和法規。所有操作都經過精心規劃，可確保企業資料管理始終保持資料的隱私性、安全性和完整性。

有兩種主要方法可以為您的組織建立資料策略。

集中式

高度集中化、以控制為導向的資料管理方法，通常包括每個廣泛資料類別的單一真實來源。例如，營收、客戶或銷售資料只有一個主要來源。資料系統從多個來源收集資料，對其進行清理，並將其存放在這個中央儲存庫中。因此，資料防禦透過識別、標準化和管控權威資料來源來保持通過公司內部系統的資料的完整性，從而最大限度地降低下游風險。其會優先考慮活動，例如：

• 合規與法規
• 使用分析進行詐騙偵測
• 防盜安全措施

分散式

去中心化方法為集中管控的資料管理系統新增更多靈活性。其認識到多個業務單元以不同的方式解釋相同的資料。其透過允許受控資料轉型來順應這些不同的解釋，其中這些資料轉型能可靠地映射回單一的事實來源。

例如，考慮這樣一個情境：財務和行銷部門皆會產生每月社交媒體廣告支出報告。對分析廣告效果感興趣的行銷部門會報告支出對點擊和瀏覽次數的影響。財務報告支出對現金流的影響。報告包含不同的數字，但兩份報告都是可代表真實情況的準確版本。

平衡資料策略方法

每家公司都需要將中心化和去中心化方法結合起來才能使其資料策略取得成功，但要取得平衡可能會很複雜。去中心化方法往往是即時操作，並且與以客戶為尊的業務職能 (例如行銷和銷售) 更為相關。中心化方法對於法律、財務、合規和 IT 部門來說更為重要。平衡資料策略能夠賦予企業領導者靈活性，讓其能以一致的方式適應單一事實來源，從而更好地滿足商業需求。

識別資助的商業計畫

第一步是與符合資助的商業計畫。為此，您可以使用 Amazon 的向後工作方法。接著，確定這些業務計畫需要哪些資料。 然後識別支援業務計畫需要哪些資料功能。

以下是建立資料策略的範例步驟：  

• 支援其他人資助的商業計畫
• 識別所需的資料功能
• 確定所需資料的狀況
• 建置資料策略藍圖
• 識別哪些企業營運實務可以支援您的資料策略，例如企業架構和專案管理
• 與 AI 策略計畫整合

建立團隊

找到能夠帶來不同觀點的合適人選對於資料策略的成功至關重要。您的團隊將負責多項任務，其中可能包括以下方面：

• 資源分配與分發
• 制定和完善政策
• 處理出現的資料相關問題
• 溝通計畫狀態和結果

您還可以指派資料管控角色，以確定誰負責部署技術、確保符合標準以及向每個人提供有關政策變更的更新。

最佳化您的資料架構

任何資料策略都需要合適的工具和技術才能切實取得成功。您將需要審查您現有的資料基礎設施，分析不同團隊目前使用資料的方式，以及確定需要解決的任何差距。此步驟通常涉及根據您的要求做出以技術為中心的決策，其中可能包括以下方面：

• 資料量和類型
• 資料品質與分析
• 安全與合規
• 資料生命週期

最終，您的目標是建立一個資料策略，使您的數據盡可能地可供所有需要它的利害關係人存取、共享和操作，並執行正確的安全控制。

與 AI 策略計畫整合

為了從 AI 和 ML 產生價值，基礎資料必須滿足與 AI 和 ML 模型關聯的特定措施的需求，以確保資料的適當品質、整合、安全等。因此，資料策略和 AI 策略團隊之間應建立合作夥伴關係。

AI/ML 的特殊管控考量

AI/ML 確實引入我們需要在資料策略中考量的新功能。例如：

• 特徵商店
• 其他法規遵循
• MLOps
• 新的道德考量
• 生成式 AI 考量