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 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。
数据 vs 信息 vs 知识
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。
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。
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来自单一数据源的不同信息。
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。
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。
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。
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。
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。
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。
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
1.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。
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
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。
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。 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。
成功数据资产管理的 4 个关键组成部分
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。
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。
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。
4.控制
监控其负责管理的资产的使用和质量也是财务部门的工作。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。
END
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”将不再仅仅是一种表达方式，最终使数据要素发挥了生产力价值。
