一文读懂如何制定组织的数据和人工智能战略丨建议收藏

从数据、分析和人工智能中释放商业价值是一个热门话题。然而，大多数组织都在努力将现有数据货币化或创建能够推动其决策的新数据。我认为，在大多数情况下，这种困难源于缺乏有效的业务战略设计。

数据战略似乎是组织在当今数字世界中实现数据驱动并保持竞争力所必需的。本文是数据战略的专项研究，通过解决误解、澄清定义、提出可操作的框架并通过详细示例说明概念，提供了深入而有条理的探索。

提示

数据战略并不是业务战略的独立补充，也不是构建数据能力的计划，而是数据能力的战略，为内部数据客户提供服务。

数据战略并不能定义组织如何利用数据、分析和人工智能创造价值。这是业务战略的工作，其中与数据相关的战略选择是不可或缺的一部分。

对数据战略的误解，加上薄弱的业务战略设计，阻碍了组织有效利用数据。这些问题阻碍了他们获得竞争优势的能力。

“为赢而战”框架可帮助组织将数据创新嵌入到其业务战略中并设计有效的数据战略。

目录

1关于数据战略的困惑1.1数据可以为整个组织带来效益1.2组织努力实现数据驱动1.3数据战略的承诺2数据战略误解2.1误解1：构建数据和人工智能能力的计划2.2误解2：数据管理的方法和指南2.3误解3：商业战略的补充2.4何去何从？3战略3.1为赢而战的战略框架3.2战略究竟是什么3.3计划与战略：典型的误解3.4战略选择构建过程3.5组织需要哪些战略3.6加强杆3.7组织不需要哪些战略3.8战略设计团队3.9总结战略基本原理4数据战略定义与设计4.1定义数据战略4.2数据战略选择级联4.3数据战略设计流程4.3.1步骤I：识别数据与人工智能需求4.3.2步骤II：收集挑战4.3.3步骤IV：运营能力与系统4.3.4步骤V：成熟度评估4.3.5步骤VI：规划5整合业务战略与数据5.1数据选择作为业务战略的一部分5.2用于问题制定的数据和可能性生成5.3数据用例验证作为测试的一部分5.4关于业务战略和数据的总结6实例6.1步骤I：识别数据和AI需求6.2步骤II：收集挑战6.3步骤III：设计数据战略6.4步骤IV-VI：激活战略7.总结

1数据战略的困惑

数据、分析和人工智能（AI）并不是商业领域的新现象，但在过去的几十年中变得越来越重要。

由于生成式人工智能在生成文本或图像等输出方面取得了巨大的进展，目前人们对其产生了浓厚的兴趣。当我提到人工智能时，我指的不仅仅是生成式人工智能，而是指从数据中生成价值的更广泛工具。这些工具包括商业智能、机器学习或数据科学，它们并不是什么新鲜事物。它们已经存在很多年了。

持久的关注从何而来？

1.1数据可以为整个组织创造效益

虽然数据曾经主要与会计和管理团队相关，但如今它往往是整个组织成功的关键：

营销使用历史活动数据来识别推动成功的因素，从而更有效地分配营销支出。

采购使用数据和分析来分析供应商的绩效，以便最大限度地减少干扰并最大限度地节省成本。

销售部门使用历史数据来推荐最佳销售点组合，从而增加收入。

客户服务中心利用数据预测客户流失，从而采取主动行动降低客户流失率并推动可持续收入增长。

生产部门利用物联网数据来防止机器故障，降低维修成本并最大限度地减少生产停工时间。

产品开发团队通过数字应用丰富现有产品和服务，例如向客户提供增值见解、提高客户忠诚度和确保竞争优势。

许多组织已经成功地利用了基于此类分析数据用例的数据价值。但数据和人工智能可以做的远不止这些。

数据和人工智能提供了了解公司和整个行业现状的手段。它们使组织能够通过提出有关客户、技术、竞争对手和行业的正确问题来获得知识优势，从而提供获得和维持竞争优势的手段。它是关于将数据洞察力与人类创造力相结合以积极应对未来。

鉴于巨大的潜在利益，越来越多的组织渴望利用数据作为战略资产，这并不奇怪。公司努力成为数据驱动型企业，或者更确切地说是数据启发型企业，这意味着他们的目标是：

持续利用现有数据的潜力来优化业务

使用数据和分析作为业务创新不可或缺的一部分，快速测试新的创意，从而提升思维并提高竞争力

那么问题出在哪里呢？

1.2组织努力实现数据驱动

尽管前景光明，但许多组织仍在努力利用数据、分析和人工智能的优势。在技术、算法和方法已经存在了这么多年之后，如何实现这一点呢？

实现数据驱动可能是一项复杂的工作

组织经常低估数据驱动的复杂性，尤其是在缺乏战略清晰度和数据素养阻碍进展的情况下。

当组织开始尝试利用数据作为资产时，很多事情都可能出错。这并不是像许多供应商承诺的那样，购买一些即插即用的技术解决方案。

数据驱动通常被称为数据驱动的业务转型。它被称为转型是有充分理由的，因为它通常涉及影响整个企业的变革。

例如，需要从各种来源获取和集成数据，以便为企业提供服务。数据集成需要全公司的协调和治理。没有它，每个数据消费者都不得不重复繁琐且容易出错的数据准备工作，最终导致“数据荒漠”，报告不同的事实，浪费宝贵的资源。

利用数据和人工智能是企业的责任

数据的实际价值创造主要发生在业务部门和职能部门，例如营销、采购、销售或制造。

许多人认为，数据驱动只是IT和分析技术专长的问题，而忽视了它所要求的文化和组织变革。但这是一种谬论。

业务用户自身需要具备数据素养。他们需要接受创新、识别和开发数据用例的文化，这些用例与所在领域的决策相关。他们需要能够利用数据发现新见解，从而引发新问题并激发创新想法，以创造竞争优势。

组织需要文化和技术能力来实现数据驱动，但却很难识别、构建和维护这些能力。

最后，利用数据是一项团队努力，需要跨学科的利益相关者和思考。

数据、分析和人工智能并非万能药

目前，数据、分析和人工智能被过度炒作，人们似乎忘记了每种算法的基础都是数学。然而，每种统计算法都有潜在的假设和固有的局限性。完全依赖数据进行决策与另一个极端即根本不使用数据进行决策一样糟糕。

丹麦政治家卡尔·克里斯蒂安（KarlKristian）有句名言“预测很难，尤其是涉及未来时”，这句话暗示人们在进行任何预测时都要小心谨慎：基于历史数据进行预测的一个基本假设是，生成数据的底层系统在未来不会发生根本性变化。这一假设经常被违背，一个有信誉的数据专家在以水晶球的方式应用花哨的算法之前必须仔细检查这一假设。

数据、分析和人工智能被过度炒作可能会带来问题，因为利益相关者可能抱有不切实际的期望。需要通过在组织中建立数据素养和文化来解决这个问题，培养共同的语言和理解，从而实现切合实际的期望。

举个例子，在战略设计过程中，分析需要谨慎对待，因为创新战略的目的往往是以独特的方式塑造未来并对市场产生影响。如果这样的战略成功了，那么基于过去样本数据的销售预测可能不具代表性，无法从中得出有意义的结论。

缺乏商业战略是数据和人工智能频繁失败的根本原因

组织在管理和利用数据作为资产方面遇到的大多数问题都源于缺乏战略基础。我所说的战略基础，并不是指我们下面要讨论的常用数据战略概念，而是指真正的战略设计工作，即自然地将与数据相关的战略选择融入到业务战略中。

因此，本文利用著名的“为赢而战”战略框架的工具，将这一想法扩展为一个可立即使用的框架。

但首先，让我们仔细看看数据战略的前景以及围绕它的误解。

1.3数据战略承诺

在过去的几十年中，随着商业智能和数据科学的应用不断增长，组织越来越难以管理数据管理以及分析解决方案的创建和扩展的复杂性。需要更结构化的方法，数据战略曾经是、现在仍然是解决这些问题的良方。

为了写这篇文章，我试图找到数据战略这个术语的起源。使用Google图书搜索，我找到了1981年出版的《分布式数据处理设计和战略》一书。

因此，数据战略这个术语并不新鲜，但自2010年以来引起了越来越多的关注，正如Google趋势搜索所示，这与我作为这段时间数据专业人士的个人经历相符。

战略通常被视为一种能够管理复杂性的顶层方法，而数据战略的前景在于解决组织在利用数据、分析和人工智能方面所面临的挑战。

然而，也存在一个问题：尽管“数据战略”日益重要，但它的定义仍然不明确，而且常常被误解，从而导致沟通不畅、举措不一致和期望未得到满足。

要了解为何组织在数据战略方面不断挣扎，我们必须首先解决围绕该术语的误解。

2数据战略误解

作为作为一名数据专业人士和管理顾问，我了解到清晰的沟通对于成功至关重要。清晰的沟通始于共同的语言，而这正是数据战略的问题所在：对于它的实际含义或应该是什么，并没有达成共识。数据专业人士和业务专家在不同的语境中使用它，同时表达不同的意思。

目前，对于“数据战略”的真正含义尚无普遍共识。

此外，最常用的数据战略定义与成熟的战略定义不一致。在我看来，这造成了一个严重的问题，因为它阻碍了数据专业人员与高管和业务利益相关者进行有针对性的讨论，因此阻碍了组织应对数据挑战，阻碍了组织实现数据驱动。

缺乏对数据战略的共同理解，阻碍了企业和数据专业人员之间进行有针对性的讨论，因此阻碍了组织利用数据作为资产。

缺乏共识导致了对数据战略的普遍误解。

虽然许多关于数据战略的出版物有意或无意地避免明确定义该术语，但当提供定义时，它们往往会揭示误解。让我们探讨一下我认为最常见的三种误解。

2.1误解1：构建数据和AI能力的计划

计划侧重于执行和时间表，而战略则侧重于在不确定的情况下做出慎重的选择。将两者混为一谈会导致混乱和低效率。

“为赢而战”战略框架非常清楚地区分了计划和战略，我们将在下面的第3.3节中详细讨论。然而，当我在谷歌上搜索“数据战略”一词时，第一页的几个结果将其定义为计划或路线图。以下是一些示例：

“数据战略是一项长期计划，它定义了管理组织信息资产所需的技术、流程、人员和规则。

“数据战略是一个明确的计划，旨在提高全公司数据管理的有效性。

本质上，属于这一类别的数据战略定义是关于构建数据、分析和/或AI能力的计划。这些组织能力涵盖数据架构、数据治理、数据管理、BI、数据科学和数据文化等元素。

上图是组织需要利用数据作为资产的数据和AI功能的典型列表。

将数据战略定义为构建数据能力的计划反映了对战略真正含义的普遍误解。战略首先应该定义您的组织真正需要哪些与数据相关的能力。

构建数据、分析和人工智能能力的计划不是您的战略，而是您的战略工作的产出。

制定这样的计划本身就是一项具有挑战性的任务，而这些计划的设计对于充分利用数据作为公司资产是绝对必要的。因此，这需要投入大量时间，并且需要在广泛的跨学科领域拥有扎实的能力。我只想说，不要称之为数据战略，因为它就是一个计划。

2.2误解2：数据管理指南

另一个常见的定义是将数据战略视为一种最佳实践指南，阐明如何获取、存储、管理和利用数据。

数据管理方法是支持战略但又与战略不同的重要运营工具。将它们称为“战略”可能会掩盖深思熟虑的战略选择的重要性。

如何获取、存储和管理数据是重要主题，对于在任何组织中创建可扩展的数据管理基础至关重要。但是，方法和指南不应称为战略。它们只是不同的东西。

2.3误解三：商业战略的补充

我必须承认，在我职业生涯的早期，我也误以为数据战略可以作为业务战略的独立补充而存在。然而，数据战略永远不应该独立存在，它应该定义数据如何创造业务价值。这本质上是业务战略本身的作用，我们将在第5节进一步探讨。

数据战略不应该成为商业战略的补充。

我喜欢用乐高积木来形象化地展示这一点：商业战略是一组相互连接的乐高积木，而错误的数据战略则作为一个单独的实体出现，被臭名昭著的“商业之王”用他可怕的“Kragle”胶水强行粘在商业战略的顶部，抑制了创造力，阻碍了创新设计。

我将数据战略作为业务战略的补充是什么意思？如果将数据战略定义为“定义组织如何利用数据实现其战略目标的东西”，那是一种误解。定义明确的战略是单一的，每个不可分割的业务实体都有一个业务战略。业务战略的选择集形成了一个和谐的整体。试图强行将某些东西放在首位，比如通过利用数据和人工智能来赢得胜利，根本行不通。因此：

通过说明您的组织如何使用数据、分析和人工智能来创造商业价值并获得竞争优势来修改您的业务战略的补充数据战略并不是您的组织应该追求的目标。

相反，商业战略应该明确你的组织是否以及如何使用数据、分析和人工智能来获得战略竞争优势。一个定义明确的商业战略已经包括数据如何创造价值。添加补充数据战略会削弱重点并破坏整合。

第5节讨论了如何设计一种能够战略性地利用数据的业务战略的方法。

2.4怎么办呢

避免上述三个数据战略误解中的前两个相对简单，因为只需就一种通用语言达成一致即可。计划是计划，指南是指南，战略是战略。这些是不同的概念，数据和业务专业人员都必须在沟通中认识到这一点。

但是第三个误解，即不应该有数据补充战略，又该如何解释呢？

缺少的是数据战略的一致定义，数据专业人员和商业专业人员都能理解这一定义。

为了解决这个误解，我们需要两件事：

与常见业务战略定义相一致的数据战略定义和

将数据相关选择融入商业战略结构的过程

本文的其余部分将讨论这个问题。它提供了：

数据战略的定义，与商业环境中的战略定义兼容

明确业务战略在利用数据作为资产方面的作用

实现数据驱动所需的所有战略工作流程

该框架的一个重要作用是它对数据领导力产生积极影响，有助于数据文化和高管数据素养的提升。

本文其余部分结构如下：

第3部分概述了著名的“争取胜利战略”框架，该框架将作为数据驱动所需的所有战略基础工作的基础。

第4节介绍了数据战略的定义，该定义与“为赢而战”战略框架相一致并与之相适应。它还提供了一个详细的端到端流程，以开展组织实现数据驱动所需的所有战略工作。

第5节阐明，仅设计第4节中定义的数据战略对于旨在实现数据驱动的组织而言是不够的。您更需要将与数据相关的战略选择融入到您的业务战略中，从而将战略设计和数据用例创新与开发融为一体。

第6节详细介绍了为一家生产和销售薯片和坚果的咸味零食公司设计数据战略的示例。本节适用于希望深入探索数据战略设计过程的读者。读者可以跳过本节而不会影响文章的整体流程。

第7节给出了一些总结性的评论。

3战略

3.1致胜战略框架

“为赢而战”是罗杰·马丁（RogerMartin）开发的战略框架，他是全球公认的商业思想家、首席执行官顾问、前Monitor顾问、罗特曼管理学院名誉教授。

该框架在20世纪80年代和90年代不断发展和完善，最终在罗杰·马丁和宝洁前首席执行官雷富礼合著的一本书中得以体现。这本书于2013年出版。

该框架成为宝洁的标准战略方法，并已成功应用于众多行业，成为广受认可的战略方法。此外，罗杰·马丁(RogerMartin)一直在一系列广泛的战略实践者见解中详细阐述“为赢而战”框架。

虽然还有其他战略框架，但我选择了《为赢而战》，因为它被广泛认为是有效战略设计的标准。此外，它还附带了一整套资源生态系统，如文献、流程、模板和培训，可用于设计任何类型的战略。

《为赢而战》不仅为设计商业战略提供了一个强大的框架，还提供了一种将数据相关选择融入商业战略的方法。第5部分将详细探讨这一点。

那么，战略这个术语的明确定义是什么呢？

3.2战略到底是什么

定义战略一词

“为赢而战”的战略设计框架将战略定义为一系列综合的选择，这些选择形成了可行理论，使组织能够在竞争中取胜。

“战略是一系列综合的选择，它使企业在行业中占据独特的地位，从而创造相对于竞争对手的可持续优势和卓越价值。该框架强调“获胜”，强调战略的最终目标是竞争成功，而不仅仅是生存或参与市场。如果你只是为了竞争而竞争，那么你就会面临这样的风险：至少有一个竞争对手找到了获胜的方法，并最终将你的公司挤出市场。

战略选择级联

战略设计团队需要做出的选择可以分为五组，它们共同构成了所谓的战略选择级联，这是“为赢而战”战略框架的核心工具之一。

我喜欢用乐高积木来形象地展示这种级联：级联中的每个盒子都代表一组战略选择——每个选择都用一个单独的乐高积木来象征。每个盒子中的选择都是相互关联的，盒子本身也相互加强，从而形成了一个综合而有凝聚力的战略。

这种级联表明，组织需要做出以下选择：

胜利对于组织来说意味着什么（胜利的渴望）

服务哪些客户、提供哪些产品（在哪里竞争）

公司如何在市场上赢得这些客户（如何取胜）

实现这一目标需要哪些关键活动和资源（能力），以及

需要哪些系统、流程、规范、文化和指标来确保建立和维护这些能力（管理系统）

这些选择不应该是松散耦合的列表，而应该很好地整合在一起，形成一个令人信服的整体。这就是你的战略。

显性战略与隐性战略

如果你仔细想想，就会发现每个组织都会以清晰的战略形式明确而有意识地做出这五个选择，或者通过行动隐晦地做出选择。例如，一个组织会选择销售哪些产品，不销售哪些产品，或者为哪些客户服务，不为哪些客户服务。

因此，每个组织都有自己的战略——无论是否明确表述。这种隐性战略可以从公司采取的行动中推断出来。

这种隐含的“正在使用的战略”的一个问题是，组织内可能没有就该战略是什么达成共识。这有两个含义：

由于该组织目前所处的位置尚不明确，因此很难取得进步。

基于此采取的行动可能是无效的，因为利益相关者的行为适得其反。

应用级联的用例

级联是一种在战略设计过程中不只填写一次的工具，而是在整个战略设计过程中针对各种用例反复访问和使用。例如，它用于：

通过观察竞争对手的做法来重建他们的战略：这是一种熟悉框架的好方法，也是开始战略设计过程的一种破冰方式。

记录您当前的战略：如果以前没有这样做过，这是一个建立对现状的共同理解并明确您当前隐含的选择的好方法。

记录新的战略可能性：战略设计过程包含一个创造性元素，其中会产生许多未来目标战略的可能性并对其进行系统评估。使用战略选择级联对这些可能性进行记录和详细说明，每种可能性都对应一个。

3.3计划与战略：典型的误解

由于“战略”一词与智慧和目的性相关，因此在很多情况下，它用于描述许多事物和活动。它用于描述目标、使命和愿景陈述、商业模式、口号或主题或任何类型的倡议。如果您想让一个术语听起来更花哨，只需将“战略”用作后缀即可。

列出了典型的战略误区，其中包括最主要的误解：计划不是战略。“为赢而战”框架的创始人罗杰·马丁(RogerMartin)花费了大量时间和精力来解释计划和战略之间的区别。这两个术语有何不同？

计划关乎确定性。它们规划项目，包括时间表、可交付成果、预算和责任。战略关乎不确定性。它由选择组成，制定一个组织如何取胜的赌注。

因此，大多数人说战略时，其实是指计划或一系列举措。然而，尽管它们是相辅相成的，但两者却是完全不同的两件事：计划遵循战略。一旦您的战略设计完成并得到认可，您就会知道启动战略所需的能力和系统。要构建这些能力和系统，您需要制定计划。

正如我们在第2.1节中看到的，这种计划-战略混淆对于数据战略也同样适用。

知道了什么是战略，那么战略是如何产生的呢？

3.4战略选择构建过程

要设计一个战略，需要做的不仅仅是填写这五个框。“为赢而战”框架的第二个工具是既定的战略设计流程，称为“战略选择结构化流程”。

这一过程实际上是解决实际结果与期望结果之间差距的万能工具。它包括七个步骤。

步骤1：问题定义

战略首先是一种解决问题的工具，因此您首先要确定您的业务对战略设计的需求。由于您当前的战略无论是隐式的还是显式的正在产生问题，因此您需要一组新的选择，以产生您想要的结果。

第2步：我们该怎么做

此步骤旨在提出一份声明，为第3步的构思阶段开启讨论。

对于前两个步骤，重要的是关注客户而不是内部因素。

步骤3：可能性生成

这是设计过程中的创造性部分之一。它涉及创新不同的可能性，以及如何解决已发现的问题。对于每种可能性，都会制定一个选择级联。

步骤4：什么必须是真的

在此步骤中，战略设计团队旨在发现必须满足的条件，以便考虑的可能性能够形成一个好的战略。需要对创建的每种可能性进行此练习。

团队会询问对于客户、公司和竞争对手来说，什么必须是真实的，以揭示每个战略可能性的基本假设。重要的是不要问什么是真实的，因为这会导致无效的讨论，而最好的战略会创造一个新的未来，也就是说，今天不真实的事情，可能会在未来由于新战略的实施而成为现实。

第5步：选择障碍

如果战略设计团队对步骤4中确定的任何条件是否真实或将来能否实现缺乏信心，那么这些条件都可能成为障碍。确定的障碍可能会阻止设计团队在步骤7中选择相应的可能性作为最终战略。

如果已经确定了障碍，就需要进行测试。

步骤6：测试和转换

对于每个障碍，都需要设计和进行测试，以确定条件当前是否为真，或者是否存在可行的转换路径使其为真。这是该过程中的第二个创造性元素。

测试不是为了达到100%的置信度，这是不可能的，而是为了缩短战略可能性的几率，以便设计团队有足够的信心将其选为最终战略。

第7步：选择

在开发了所有战略可能性、识别并测试了潜在障碍之后，战略设计团队应该有足够的信息来选择一种可能性，从而形成新的战略。

请注意，战略选择结构化过程包含设计思维的元素，其中第3步和第6步分别包含发散思维阶段。

3.5组织需要哪些战略

在一个地区销售一种产品的公司可能只需要一种战略。但是，如果业务要素在“在哪里开展业务”和“如何取胜”方面存在很大差异，则每个要素都需要有自己的战略。

对于每一项战略，都需要应用上述设计流程来得出一组独特的选择，从而形成单独的战略选择级联。因此，大型组织将拥有多个战略构建模块，而挑战在于让它们相互契合、相互加强。

“战略涉及在不确定性、约束和竞争下做出选择，这种情况在公司很多地方都会发生。

商业战略

战略的最核心形式是商业战略，即针对某一地理区域的服务或产品的战略。在这个不可分割的战略层面上，组织与特定的竞争对手争夺特定的客户群体。

聚合战略

另一种形式的战略是聚合战略，它将来自下层的一组战略组合在一起。企业战略只是组织内最高的聚合战略。聚合战略的任务是为下层业务组合增加竞争价值，以使整体大于各部分之和。

典型的嵌套聚合级别是公司、业务部门、类别和品牌。聚合战略的另一个示例是区域战略，例如针对给定区域或国家。

职能战略

第三种形式的战略是职能战略。

职能部门是组织内的专业领域，例如人力资源、IT、财务、营销和研发，为更广泛的组织或业务部门提供支持服务。它们可以作为集中团队（例如企业职能部门）或特定业务领域内的分散单位运作。职能部门的目的是提供关键的运营支持和专业知识，以帮助业务部门有效地执行其战略。

职能战略对于确保组织内的专业领域或团队为其内部客户提供价值，同时与组织的总体目标保持一致至关重要。每个职能部门都需要制定自己的战略来确定：

向哪些内部客户提供哪些服务

如何优先考虑有限的资源

如何实现卓越运营并支持组织更广泛的目标

除了满足纯粹的运营需求外，某些职能部门还可以通过提供跨多个业务或聚合战略的共享能力或系统，发挥战略性、整合性的作用。这些共享能力和系统被称为强化杆，它们专注于创造协同效应并协调整个组织的嵌套战略。我们将在第3.6节中更深入地讨论强化杆。

战略架构

在较大的组织中，各个企业都有不同的竞争对手和客户，存在着嵌套和相互关联的战略的生态系统。

例子

为了说明这个概念，我选择描述一家咸味零食公司的战略构建模块子集，该公司生产和销售薯片和坚果。

有两个聚合战略层：一个针对德国和英国等地区，另一个针对总体企业集团层面。

在德国地区的聚合战略下，有四种业务战略，每种战略都构成一个不可分割的单元，这是竞争发生的基础层面。坚果品牌epicure和healthy拥有不同的客户和竞争对手，因此需要单独的获胜理论，就像自有品牌坚果和薯片一样。

德国地区的聚合战略提供了强化杆，以利用生产和人力资源功能提供的协同作用。每个功能都需要自己的战略。

数据战略在战略架构中的位置和方式是什么？在第4节中，我将数据战略定义为数据能力的战略，将其置于职能战略之中。然而，仅凭这一点还不足以使组织成为数据驱动型。正如我们将在第5节中探讨的那样，实现这一目标不仅需要精心设计的功能数据战略，还需要将与数据相关的选择嵌入到各个业务战略、其他职能战略和总体聚合战略中。

3.6加强杆

类似于钢筋加固混凝土结构，钢筋是战略中的一个概念，可以强化整体战略架构。如第3.5节所述，聚合战略的主要任务是为其涵盖的业务组合增加竞争价值。这通常是通过钢筋来实现的。

加强杆是跨越多个业务部门或组织层级的能力或系统，可产生协同效应，从而提升价值和竞争优势。它们通过连接不同层级（例如公司、业务部门、地区）来增强整个组织，并使它们在集体情况下的表现优于单独情况下的表现。通过这种方式，强化棒为不可分割的战略提供了净收益，使其更加有效。

加强杆的例子可以是跨地区共享的研发或品牌建设能力。

因此，强化杆是聚合战略必不可少的能力或支持管理系统。聚合战略确定这些杆为何需要，并根据其对组织的战略价值确定其优先次序。然而，它们的实现通常委托给职能部门。

综上所述，强化棒就是要建立跨组织层面的战略影响协同效应，减少重复，优化专业或稀缺资源的使用。通过确保嵌套战略无缝协作，增强组织的竞争力。

3.7组织不需要哪些战略

如果您认为需要一种补充战略来修正或覆盖您的业务、聚合或职能战略，那么这可能是一种误解。从定义上讲，战略是一组相互加强的综合选择。通过将一种战略与另一种战略叠加，您无法实现整合，而是会适得其反，因为您会失去整合。

RogerMartin提供了此类不良战略退化的例子。这些是内容战略、合作伙伴战略、增长战略、可持续战略、数字战略和数据战略。

正如我们在第2.3节中所述，将数据战略作为业务战略的补充实体是一种应该避免的误解。

我们将在第4节和第5节中讨论这一点对我们帮助组织实现数据驱动、利用数据作为资产的意图的影响。

3.8战略设计团队

一个较大的组织可以有一套不同的战略，那么谁负责哪些战略设计？

通常，每个需要制定战略的实体的领导者最终要负责制定相应的战略选择。这意味着CEO负责制定企业战略，而IT领导者负责制定功能性IT战略，等等。

战略很少由一个人来设计，而是一个团队活动，因此从一开始就建立参与度以激活战略非常重要。然而，这并不意味着让尽可能多的人参与进来。战略决策者必须具备在竞争、客户和公司背景下评估战略选择的能力。这些能力应该存在于为其设计战略的实体的领导团队中。

在战略设计团队中，通常存在以下角色：

发起人：负责总体选择、建议并最终批准战略

所有者：战略设计单位的领导者对战略选择负有最终责任

核心团队成员：负责共同制定战略选择的人员。对于企业战略而言，这是整个领导团队。

扩展团队成员：具有洞察力的人，这对于制定战略很重要

主题专家：拥有特定专业知识的人

3.9总结战略基本原理

正如我们所见，“为赢而战”框架提供了一种强大而结构化的战略设计方法。它提供了一个丰富的定义、工具和思维生态系统，有助于制定任何类型的成功战略。

战略不是一项计划，而是一系列综合的选择，它确定了行动的领域和取胜的理论，并以能力以及构建和维护这些能力的相应管理系统为后盾。

战略选择级联有助于构建必须做出的选择。战略选择构建过程有助于设计您的战略，首先从问题开始，然后生成和评估各种可能性，直到最终选择一种可能性作为解决问题的新战略。

现在我们已经对战略是什么以及战略是如何设计的有了深入的了解，重要的是考虑数据相关的战略选择如何适应这个框架。第2.3节强调的有关数据战略的误解只有通过将数据相关的选择嵌入到业务战略本身中才能解决。这确保了数据、分析和人工智能被视为战略雄心的推动因素，而不是独立或补充的举措。

在下一节中，我们将探讨如何以与“为赢而战”框架无缝衔接的方式定义数据战略。然后，在第5节中，我们将讨论如何确保数据的战略需求直接源自业务战略，从而创建一种将数据用例创新整合到组织整体战略结构中的有凝聚力的方法。

4数据战略定义与设计

4.1定义数据战略

大多数组织都需要一个专门的功能来提供与数据相关的服务或产品，主要面向内部数据客户，最终面向外部数据客户。此功能需要一种战略，正如我们在第3.5节中看到的那样。这就是您的数据战略。

数据战略是针对数据、分析和AI功能的战略。它概述了此功能如何通过提供与数据相关的产品和服务来服务于组织更广泛的业务战略。

您的数据战略阐明了成功对于数据能力意味着什么、您的内部数据客户是谁、数据能力提供什么服务或产品、如何赢得数据客户以及成功所需的能力和系统。

请注意，数据战略并未定义数据、分析和AI如何为组织创造竞争优势。这是您的业务战略的任务！在第5节中，我表明与数据相关的战略选择是业务战略的自然组成部分。反过来，业务战略提供了战略数据需求，即您设计数据战略时所依据的数据能力的要求。

正如人力资源或IT战略是为了服务业务而存在的一样，数据战略是满足数据需求的职能战略，而不是数据如何创造价值的独立定义。

如果不能制定清晰的数据战略，就会导致重点不明确，数据职能部门要么试图满足所有需求（“奴性战略”），要么追求不连贯的数据计划（“帝国战略”）。这两种做法都会削弱该职能部门的取胜能力。

根据职能提供的服务和产品的性质和重点，您可以称之为数据战略、分析战略、BI战略或AI战略。

这种职能的战略有助于数据、分析和人工智能团队集中注意力，在我看来，这才是唯一应该称为数据战略的实体。

4.2数据战略选择级联

在使用“为赢而战”框架设计数据战略时，需要调整一些术语。我们需要进行的调整包括：

产品→数据产品：包括与数据、分析或人工智能相关的产品或服务。

客户→数据客户：接受数据服务的人。他们很可能是公司内部的利益相关者或团体，但有时也可能包括外部利益相关者。

公司→数据服务提供商:创建数据服务的人员。数据职能部门的工作人员。

竞争：数据客户除了数据服务提供商之外可能选择的替代方案。这包括完全不接受服务的数据客户、自行提供服务或使用外部服务。

地理位置→重点领域：您的数据战略将关注的业务部门、部门、团队、领域或地理区域。

渠道→数据传输渠道：数据客户如何获取数据产品。

生产阶段→数据生命周期管理：数据生命周期的哪些阶段是在内部完成还是外包。

在翻译核心元素之后，数据战略选择级联可以定义如下：

获胜愿望：对于您的职能而言获胜的定义。

竞争领域：您愿意或不愿意参与竞争的场地。这通常包括五个维度：i)重点领域，ii)数据客户，iii)数据交付渠道，iv)数据产品，v)数据生命周期管理。

如何取胜：您的数据战略将创造的战略优势。如何持续赢得数据客户。

必备能力：实现“如何取胜”需要哪些关键活动和资源。

支持管理系统：基础设施（系统、流程、治理、指标和文化），这是支持和维持您的数据战略所必需的。

4.3数据战略设计流程

对于任何战略设计，我们都可以应用“为赢而战”框架中的战略选择结构化流程。我建议制定数据战略的另外五个步骤，以纳入业务战略要求，并将其与后续构建能力和系统的计划明确区分开来。

以下小节介绍了数据战略设计的另外五个步骤。

4.3.1第一步：确定数据和人工智能需求

从上述定义中可以清楚地看出，数据战略不应该回答数据、分析和人工智能如何创造商业价值和竞争优势。这应该是您的业务、聚合和职能战略的一部分。这些在第3.5节中进行了讨论。您的数据职能的战略数据需求源自这些战略，并辅以运营和最终的未来数据需求。

本质上，第一步是明确组织对数据、分析和AI的现有需求。总的来说，这些数据需求有三个来源，为后续要构建的数据能力提供了自然的优先级。

优先级1：战略数据需求

在制定战略架构时，随着各个战略设计团队的进步，组织战略各层对战略数据的需求应该变得清晰起来。固有的困难在于，战略设计不是一个线性过程，而是一个反复反复的过程。这适用于单一战略的设计，也适用于战略架构中不同级别的协调。

通常，对数据的战略需求发生在组织的不同层面，并且可能需要数据、分析和人工智能作为战略架构的强化支柱（参见第3.6节）。这甚至可以成为设计中央数据能力的动机，我们将在第6节中看到这一点。

战略数据需求可以通过数据用例的形式表现出来。我们将在第5.1节中看到此类用例的示例，它直接有助于组织的竞争优势。然后，此用例可以抑制对新型AI功能的需求。通常，这需要业务得到数据和AI的相应功能的支持。

战略数据需求的另一个重要方面涉及组织真正受到数据启发的愿望。也就是说，通过洞察客户、技术、竞争对手和行业来不断推动其思维，以获得竞争优势。这里可能有点递归，因为这种能力也将用于业务战略设计流程本身的核心，正如我们将在第5节中看到的那样。然而，如果一个组织充分认识到数据的巨大潜力，而这种潜力不仅限于提高体现在最佳实践数据用例积压中的运营绩效，那么这肯定是设计数据能力的一项要求。这将导致在数据战略中做出“在哪里发挥作用”的选择，以支持领导层进行业务战略设计，正如我们将在第5.2节和5.3节中详细介绍的那样。

理想情况下，数据需求应该由相应的战略所有者主动陈述，并通过选择特许传达给企业数据负责人。

对于数据专业人员来说，收集战略数据需求作为数据战略输入的最佳方式是成为实际战略设计团队的一员，并积极帮助创新和评估战略数据用例，正如我们将在第5.2和5.3节中讨论的那样。如果这不可能，您应该分析组织当前的战略架构。如果设计正确，各个战略构建块应该直接提供战略数据需求。

不幸的是，在许多公司中，战略设计似乎是一门失传的艺术，需要一些调查工作才能弄清楚组织当前的战略架构。

所有战略层中已确定的战略用例集为数据、分析和人工智能提供了最重要的要求，因为相应的用例对于支持组织的战略和竞争优势至关重要。

优先级2：运营数据需求

数据需求不仅仅来自于战略的战略选择，还可以来自于运营选择。

通常，战略中只有少数几个能力和系统可供选择。战略的任务并不是提供组织能力和系统的详尽列表，而只是列出那些有助于制胜理论的内容。

因此，你的战略选择通常会得到其他选择（称为“运营要务”）的补充。这些操作选择不会使你的组织从竞争对手中脱颖而出，而是标准或最佳实践的选择，是其他人都在做的积极的事情。

这种与数据相关的运营选择的一个例子可能是企业战略的报告和BI功能。在组织中拥有用于报告的BI解决方案是最佳实践，但这些可能对您的获胜理论没有帮助——它们只是一种操作上的必要条件。

与战略数据需求一样，运营数据需求的另一种表现形式是数据用例。这些运营数据用例提供了点优化，例如现有流程的效率提升。

我通常通过与客户的业务和数据利益相关者进行一系列访谈来发现运营数据需求。

优先级3：未来数据需求

为了构建面向未来的数据战略，组织应该考虑第三类数据需求。

通常，组织的不同部门已经有了想法甚至计划，未来如何利用数据和人工智能来发展自己的领域。因此，确定这些未来的数据需求非常重要，因为这些需求可能会对数据或人工智能功能的战略产生影响。

这种未来的数据需求可以通过采访业务利益相关者以被动的方式收集，也可以通过开展数据用例创新研讨会以更主动的方式收集。

一旦所有数据需求都明确了，您就需要在深入数据战略设计过程之前对当前的痛点有充分的了解，因为这些痛点可能会影响问题的表述。

4.3.2第二步：收集挑战

明确数据能力的要求后，您需要确定组织中利用数据的潜在挑战。这些挑战将构成战略选择结构化流程第1步中选择问题定义的基础。

任务是确定组织中数据价值生成方面最紧迫的缺陷。在第一步确定数据需求时，我通常会将此作为与业务利益相关者的访谈的一部分。事实上，我通常会询问与业务和数据相关的工作、痛苦和收益。出于文档目的，我喜欢借用著名的价值主张画布的右半部分。

此步骤的结果是对最紧迫的数据相关挑战的透彻理解，这与数据需求一起提供了一种契合度差距分析，作为战略选择结构化过程第1步的基础。

由于数据战略设计过程的第三步是标准的战略选择结构化过程，我们已经在第3.4节中讨论过，因此我将在这里跳过重复并直接跳到第四步。

4.3.4第四步：运营能力与系统

完成第三步后，数据战略就设计好了，需要启动。这需要通过设计和构建功能获胜所需的能力和系统来实现。因此，要建立有效的数据能力，必须清楚地了解所需的战略和运营能力和系统。

战略能力和系统通常是数据能力所需的一小部分能力和系统。这些是在数据战略中定义的。运营能力是那些基础活动，它们可以有效、可靠地执行战略选择，但并不直接有助于赢得数据客户。

战略和运营能力与系统之间的区别提供了在构建这些要素时自然优先考虑的重点，即在哪里投入最多的时间和资源。

正如我们所见，运营数据需求已在步骤I中确定。运营能力和系统通常直接源于此。例如，这可能包括有效报告或BI等能力。请注意，战略设计流程的步骤III.5，即战略选择结构化流程的测试和转型步骤，可能需要额外的运营能力和系统。

因此，第四步是通过概览数据能力需要哪些运营能力和系统才能取得成功来完善这一蓝图。为此，使用能力图可能会有所帮助。数据、分析和人工智能的能力图是数据专业人员熟知的工具，在构建数据能力时，通常用作一种检查表。

数据战略背景下的操作支持管理系统的典型要素包括：

数据平台

数据目录

BI工具

决策框架

开发数据文化的系统

数据成熟度模型

数据治理框架

技能矩阵

…

一旦您对数据能力成功所需的所有战略和运营能力和系统有了了解，就该评估现状并找出差距了。

4.3.5第五步：成熟度评估

在定义了战略和运营数据能力和系统之后，必须通过进行数据成熟度评估来评估您当前的状态。

许多咨询公司和数据专业人士往往在数据战略设计过程的早期就开始进行此类活动。然而，我认为这种方法是错误的。虽然对组织目前拥有的能力有一个总体了解当然很有价值，但在战略设计过程开始时进行详细评估却没有多大价值。您首先需要确定所需的具体能力和系统，以及每种能力和系统所需的成熟度水平。这意味着必须定义能力和系统的集合及其各自的目标状态。然而，这只有在设计了数据战略之后才有可能。

此外，正如我在其他地方讨论过的，我对那些专注于与竞争对手或行业平均水平进行基准测试的数据成熟度评估持怀疑态度。虽然这种比较似乎很有见地，但它们通常为您的组织提供的可操作价值有限，因为它们没有考虑到您业务的独特战略数据需求和背景。这种成熟度评估更像是一种标准化的简单解决方案，无法解决数据驱动的复杂问题。

然而，需要对您的能力和系统进行彻底的当前状态评估，作为第六步的基础，在此步骤中，将制定构建和维护每个能力和系统的计划。

此外，一些组织成功地利用数据成熟度模型作为衡量其数据驱动业务转型计划进展的工具，并将其作为与组织内各利益相关者沟通的工具。在这些情况下，比简单的红绿灯更复杂的指标可能会更有用。

4.3.6第六步：规划

在对每项能力和系统进行适合度差距分析之后，是时候制定计划来构建和维护数据能力所需的能力以取得成功。构建与数据相关的能力和系统的计划是大多数公司在数据、分析或人工智能方面热衷的话题。正如我们在第2.1节中看到的那样，这通常被错误地宣称为数据战略。

构建每项功能和系统通常都是一个独立的项目，需要一个所有者和相应的项目团队。所有者最终负责设计和构建该元素。

单个项目通常是构建数据驱动或数据启发型组织的总体转型路线图的一部分。

通过实施相应的项目，逐步构建数据、分析和人工智能的运营模型，从而激活您的数据战略。

在我们通过第6节中的实际示例更深入地了解数据战略设计过程之前，让我们考虑一下应该如何将业务战略设计和数据用例设计结合起来。这是确定您的战略数据业务需求所必需的，这是上述步骤I的一部分。我们将在下一节中探讨这一点。

5整合业务战略与数据

在在第4节中，我们看到，定义组织如何使用数据、分析或AI创造价值或竞争优势并不是数据战略，而是职能战略的任务。这是我们在第3.5节中定义的业务、聚合和/或职能战略的任务。这些战略定义了如何取胜。有时，组织可以借助数据、分析和AI取胜。

在本节中，我们首先了解数据战略选择如何成为业务战略设计的自然组成部分。我所说的数据战略选择是指组织获胜理论的选择，这些选择依赖于或涉及数据的使用。

然后，我认为，数据用例的发现、创新和验证应被视为业务、聚合或职能战略设计的战略选择结构化过程的一个组成部分。这自然而然地将业务战略和数据用例设计联系起来，而这通常被视为组织实现数据驱动的最大挑战之一。

5.1数据选择是业务战略的一部分

当你在业务战略设计中决定在哪里开展业务、如何取胜以及需要哪些能力和系统才能取胜时，其中一些选择可能依赖于利用数据、分析和人工智能。数据和人工智能能力的战略选择是业务战略的自然组成部分。因此，组织应该将数据和人工智能视为需要融入其业务战略结构中的东西。

与数据或人工智能相关的战略选择只是您的业务、聚合或职能战略的一部分。

为了便于说明，请将您的战略选择视为乐高积木，您可以从中构建战略选择级联，而与数据相关的战略选择只是其中不可或缺的一部分。

让我们看一个例子，其中人工智能是战略的一部分。

例子

它是关于一家咸味小吃生产商的，它采用的是直送店系统，产品直接送到便利店，由送货司机摆放到货架上。

这种直接送货到店的系统是劳动密集型的，因此成本高昂，但它使公司从竞争对手中脱颖而出。这是区域聚合战略的战略选择，这些实现可能会被授权给销售部门。

构建数据和AI解决方案来预测商店库存并为每个销售点生成最佳产品订单有助于降低直接送货上门系统的成本。因此，选择拥有数据和AI能力，使组织能够预测商店库存，将是销售战略职能的战略选择，这直接支持组织的竞争优势。

这一数据相关战略选择提供了明确的战略数据需求，即组织对数据和人工智能使用的战略要求。它是公司战略不可分割的一部分，并强化了与竞争对手差异化的其他战略选择。

这个例子说明，战略——在本例中是销售职能的战略——应该定义数据和人工智能如何在组织中创造战略价值，而不是补充数据战略的“误解”。

因此，数据用例创新应成为业务战略设计不可或缺的一部分。以下两小节表明，PlayingtoWin框架的战略设计流程为整合数据用例创新提供了自然环境。

5.2用于问题表述和可能性生成的数据

数据用例是数据价值创造的核心，但组织往往难以确定各自的可行且有影响力的用例。

在创新数据用例时，通常不会区分其目的是优化现有流程还是创造新的业务机会。然而，必须区分运营用例满足常规需求或提高现有系统的效率和战略用例直接支持竞争优势并实现新的运营方式。后者应该是业务战略设计的一部分。

目前存在一些众所周知且经过验证的用例发现和创新格式和技术。这些格式和技术通常包含设计思维的元素，由于其固有的迭代方法要求，因此被称为数据思维。

事实上，这些格式和技术可以也应该直接融入到业务战略设计流程中，而不是作为独立的练习。这与战略选择结构化流程非常吻合，这并不奇怪，因为它也利用了设计思维。因此，“为赢而战”框架允许自然地将数据用例创新与业务战略设计结合起来，弥合业务人员和数据人员之间的差距。

将数据用例创新融入业务战略设计流程有助于弥合业务人员与数据人员之间的差距

这样，业务战略设计团队可以利用数据和人工智能作为工具，将人类创造力与数据洞察力相结合，实现战略创新。这适用于步骤1-问题制定-以及步骤3-可能性生成。让我们来看一个例子。

例子

以前面例子中的咸味零食公司为例。咸味零食公司注意到，在注重健康的消费者中，其吸引力正在下降。销售数据分析结合社交媒体情绪分析，突显出一个关键洞察：客户越来越多地寻求个性化的零食选择。受此洞察的启发，战略设计团队不再仅仅优化现有产品，而是提出了以下问题以及相应的“我们可以如何提问”：

1问题定义

顾客越来越寻求个性化的零食选择，但我们目前的产品供应是标准化的，导致在注重健康的消费者中的市场份额下降。

2我们应该如何提问

我们如何才能更好地满足注重健康的消费者对个性化零食选择日益增长的需求？

通过将数据驱动的洞察力与创造性的形式相结合，团队开发出了以下创新可能性：

3.a可能性“零食套装”：在商店中提供自制零食套装，顾客可以手动选择原料来制作自己的混合物，满足他们独特的喜好。

3.b可能性“影响者”：与健康和保健影响者合作，设计针对其追随者的品牌零食包，通过与值得信赖的人物共同创造来促进个性化。

3.c可能性“直接面向消费者的平台”：设计一个直接面向消费者的平台，客户可以在该平台上输入他们的饮食偏好，并根据来自客户数据的洞察，使用人工智能驱动的推荐来获得个性化的零食包。

这些可能性并非简单地源自数据，它们受到数据的启发，利用洞察力作为创造性解决方案的基础，满足客户需求和业务目标。

此外，设计团队利用可能性3.c创建了一个新的数据用例。这说明在战略设计过程中，数据和AI可用于：

启发问题的表述

在创新新可能性时创建新的数据用例

这意味着：

数据、分析和人工智能领域的主题专家应该成为任何战略设计的自然组成部分。

这很好地连接到了第4.4节，并作为将“业务战略设计支持”作为数据战略的数据提供中的“发挥作用的地方”选择的总体动机。

不仅可以将新的数据用例的创新纳入到业务战略设计中，还可以纳入后续的迭代、增量开发中。

5.3数据用例验证作为测试的一部分

当组织发现或创新数据和AI用例时，并不总是清楚所需的解决方案是否能按预期发挥作用。存在不确定的假设，需要使用概念验证或最小可行产品来识别、评估并最终验证。这就是设计思维与数据用例设计相遇的地方。

此过程与第3.4节概述的战略选择结构化过程的第6步（测试和转换）完全一致。

战略选择结构化过程自然允许集成迭代和增量数据用例开发。

对于上例中的可能性3.c（直接面向消费者平台），可能如下所示：

示例（续）

对于产生的每个战略可能性，需要确定和评估成为伟大战略的可能性的假设。这是战略选择结构化过程第4步的任务——什么必须是真实的？

步骤4是确定客户、竞争对手和公司的关键条件。为了说明这一概念，一些关键条件可能是：

对于顾客来说，注重健康的消费者确实愿意使用数字平台来个性化他们的零食选择。

对于竞争对手来说，他们要么无法，要么不愿意快速复制直接面向消费者的平台。这就是所谓的不能/不会测试。

对于公司来说，我们必须能够从历史消费者数据中持续获得有意义且可操作的建议，以有效地个性化零食套餐。

如果战略设计团队对任何已确定的关键条件目前是否真实或能否实现没有合理的信心，则会将其声明为障碍，这可能会阻止团队选择可能性3.c作为最终战略。如果已确定障碍，团队将设计并进行测试，以便了解更多信息并获得（或失去）该条件可以实现的信心。这是战略选择结构化过程的第6步。

对于上述三个关键条件（公司）中的最后一个，一个有意义的测试可能是设计一个最小可行产品，其中数据科学团队使用可用数据构建算法。然后向一组潜在客户探讨这些建议。

这样的测试将验证公司是否有足够的数据来做出有意义的预测，以及这些数据的数据质量以及所用算法的预测准确性是否足以得出有意义的建议。

该示例说明：

数据专业人员应用的数据用例创新和开发过程可以无缝集成到“PlayingtoWin”框架的通用战略设计过程中。

请注意，通过这样做，业务专家和数据专家紧密合作，设计和探索新的战略可能性，从而解决了组织中的一个常见问题：业务和数据团队之间存在的差距。

5.4关于商业战略和数据的总结

为了总结本节，我们首先将源自业务战略设计流程的战略数据需求链接回第4.3节中描述的数据战略设计流程。

战略数据需求作为数据战略的输入

我们看到，数据战略设计过程第一步的一部分是确定组织的战略数据需求，然后将其以需求的形式作为构建数据能力的输入。

由此可以得出这样的结论：

完善的业务、聚合和职能战略设计是组织成功利用数据、分析和人工智能的必要条件。

在我看来，这就是组织在数据和人工智能方面失败的根本原因：随着可靠的战略设计成为一门失传的艺术，许多组织缺乏完善的战略架构和战略设计流程。缺乏战略能力会给组织带来许多负面影响。其中一个影响是组织难以将数据用作资产。

通过利用“为赢而战”战略框架创建坚实的战略架构，组织可以将与数据相关的战略创新和由此产生的选择嵌入到其业务战略中，从而产生明确的战略需求，为数据职能战略的设计提供信息和指导，确保一致性和重点性。

数据领导力

我们得出结论，利用数据、分析和人工智能的战略价值是商业战略设计的任务，显然，责任最终在于各自的战略所有者，即相应的领导者。

这再次强调了各级各类型的领导者都需要拥抱数据文化，确保他们理解、愿意、熟练地利用数据和人工智能作为战略杠杆，并得到上级的认可。他们需要成为定义的所谓“数据探索者”。

各类领导者都需要成为数据探索者

因此，数据、分析和人工智能是数字世界中的一项重要技能。这不仅适用于数据科学家或数据工程师等数据专业人士，也适用于商业领袖。

项目成为数据驱动的投资回报率问题

任何类型的转型都不是最终目的。数据驱动的转型计划应始终源于业务战略。此类计划是旨在激活战略的计划和举措，确保实现组织的制胜愿景、在哪里行动以及如何制胜的选择。

在为这些转型项目投入资源时，我经常遇到高管和领导者对投资回报率(ROI)提出质疑——这种担忧是可以理解的。然而，对预期成本的评估应该在业务战略设计过程中更早进行，而不是在数据战略设计或实施阶段。

理想情况下，对特定功能或系统的需求应该自然而然地从明确界定的战略中产生。当投资回报率计算成为讨论的焦点时，这可能表明领导层认为拟议的投资与当前的战略重点不一致。

在业务战略设计过程中，设计团队应该问：“构建所需功能和系统的成本必须是多少？”如果成本存在不确定性，这一关键条件就会成为障碍，从而促使测试的需要。此类测试必须评估战略效益和相关成本，确保在组织优先事项的更广泛背景下评估数据投资。

这再次强调了数据团队参与业务战略设计过程的重要性，并表明战略和执行不是独立的阶段，而是在能力和系统设计完成后无缝过渡到激活阶段。

下一节将详细介绍已开发的框架，并将其应用于以早期咸味小吃公司案例为基础的实际示例。

6实例

在在第4.3节中，我们介绍了用于设计数据战略的战略选择结构化流程的修订版本。在第5节中，我们说明了与数据相关的战略选择如何成为业务战略不可或缺的一部分，并成为设计数据能力的关键要求。

现在，我们将所有拼图碎片整合在一起，以完成组织所需的战略工作，即利用分析和/或人工智能将数据作为资产。

本节提供了一个详细的例子，说明如何制定数据战略。为此，我们再次以咸味零食公司为例，该公司生产和销售薯片和坚果，我们为其设计了一项集团范围的数据职能战略。本节旨在深入探讨，可以跳过而不会丢失太多背景信息。

回想一下，我们已经在第3.5节和第5.1、5.2和5.3节中讨论过这个例子。现在我们将介绍数据战略设计过程的步骤。

6.1第一步：确定数据和人工智能需求

战略需求

作为集团战略设计的一部分，咸味零食公司选择通过构建新的强化杆来增加国家业务的竞争价值。选择的可能性包括集中所有主要IT系统（企业资源计划、客户关系管理、制造执行系统），从而实现覆盖整个组织的管理系统。

因此，这家跨国咸味零食公司决定实施一项重大的IT协调计划，目标是将所有国家的所有系统和相应的业务流程集中化。

在此基础上，集团战略设计团队还选择为数据、分析和人工智能打造另一个强化支柱，这应通过新的集团范围的数据能力来实现。例如，这需要协调各个国家的所有报告解决方案。

从几个区域销售职能战略来看，另一项战略需求是提供商店库存预测解决方案，正如我们在第5.1节中看到的那样。

这些战略数据需求与组织的战略直接相关，确保数据能力支持组织的竞争优势。战略需求优先，因为它们直接支持组织的制胜理论，而运营和未来需求则满足基础和探索性需求。让我们来看看后两者。

运营需求

数据能力的一个关键运营数据需求是确保统一系统和集中报告解决方案能够在推出时无缝替换现有本地系统，而不会中断日常运营。在过渡阶段，现有的本地数据团队将负责维护当前运营仪表板和报告解决方案的连续性（例如销售跟踪、库存和生产管理）。

未来的数据需求

在为即将到来的数据战略设计过程做准备时，设计团队通过对各个区域单位的一系列访谈发现了几个未来的数据需求。

未来数据需求之一就是多个生产国计划实施的数字化制造计划，该计划旨在通过充分利用数字和数据潜力来优化生产和质量。该计划的路线图包括潜在的数据用例，例如生产机械的预测过程调整。

战略设计团队

设计数据战略的团队由公司数据职能和地区利益相关者的代表组成。

在公司层面，团队包括集团数据负责人，她负责制定数据战略，负责集团数据能力。核心团队的其他成员包括数据治理专家和负责监督集中报告框架的分析经理。集团首席执行官授权选择建造加固杆，因此他担任数据战略设计的发起人。

从区域角度来看，核心团队包括德国分部的数据经理，负责监督德国的数据、分析和人工智能需求和解决方案。此外，制造部门的代表也是核心团队的一员，以确保与当地需求保持一致，例如数字化制造计划。

此外，还利用外部主题专家进行战略设计、数据和文化方面的工作。这确保了合理的方法，并从一开始就能够应对与变革相关的挑战。

扩展团队由多位具有关键要求的分析高级用户和利益相关者组成，他们按需参与。

这种组合使得团队能够平衡公司优先事项和地区团队的具体需求。

6.2第二步：收集挑战

在准备阶段，对集团和区域部门利益相关者的采访揭示了与数据、分析和人工智能相关的最紧迫挑战。这些挑战需要在数据战略设计期间解决，以确保成功实施集中数据能力，同时最大限度地减少中断并最大限度地提高集团数据能力的价值。

确定了以下主要挑战：

1未来状态的不确定性

区域单位对集团数据能力目标运营模式的清晰度表示担忧，特别是在推出后他们在管理和利用数据方面的作用和自主权方面。

利益相关者强调，他们缺乏对统一系统和报告解决方案如何满足集团层面和地区特定要求的了解。

2抵制中心化

一些地区担心在满足其独特的数据业务需求时会失去灵活性和响应能力，特别是在需要临时报告或快速调整的情况下。

人们担心一刀切的解决方案无法满足当地的商业细节，这被认为是采用该解决方案的潜在障碍。

3技能和能力差距

区域团队强调需要培训和支持以适应新的集中式系统，特别是对于自助服务分析和人工智能用例。

在利用预测分析用例（例如数字制造计划中概述的用例）时，发现了本地企业在技能和能力方面的差距。

4临时业务连续性风险

在过渡阶段保持不间断的运营报告仍然是当地团队的首要任务，因为任何中断都可能影响销售、生产和库存管理等领域的关键业务决策。

利益相关方强调，满足当地临时数据和分析需求存在挑战。他们表示，不确定在推出新解决方案之前，哪些新的本地解决方案值得在现有遗留环境中开发，哪些解决方案可以降低优先级。

5与未来计划保持一致

设计团队指出，未来项目（例如数字化制造计划）的成功将取决于建立一个强大的数据基础设施和架构，该基础设施和架构应足够灵活，以支持预测过程调整等新兴数据用例。

6.3第三步：设计数据战略

战略设计过程遵循上图所示的战略选择结构化流程，该流程本身包含7个步骤。

步骤1：问题定义

数据战略设计团队首先确定了他们想要解决的主要问题。该团队将问题定义为：

“我们需要在新的集中式IT环境基础上协调所有地区的数据、分析和AI服务，同时满足不同的区域需求，保持业务连续性，并抓住未来数据驱动的机会。”

第2步：我们该怎么做

“我们如何”的问题旨在激发数据职能战略的创新可能性，同时专注于提供价值和解决核心挑战。

“我们如何通过协调的数据、分析和人工智能解决方案为我们的区域部门创造价值，同时满足他们的独特需求并与我们集中的IT环境和治理保持一致？”

步骤3：可能性生成

在定义问题并提出“我们可以怎样做”的问题之后，团队产生了战略可能性。

为了便于说明，我将示例的可能性限制为两种。这些可能性对比了构建和运营职能的不同方法，重点关注集中化程度和区域自治程度。通常，团队最多可以开发出六种可能性，并可能对比其他方面，例如对外部专业服务公司的依赖程度，或者战略应该是进攻性还是防御性。

可能实现“完全集中的数据能力”

这种可能性设想了一个完全集中的数据能力治理和运营模型。所有主要的数据、分析和人工智能活动，包括数据集成、治理、需求管理和解决方案交付，都将由中央团队管理。区域单位充当数据消费者，依靠中央团队统一提供的标准化报告框架、仪表板和分析解决方案来确保一致性、可扩展性和效率。

可能实现“具有区域定制的联合数据能力”

这种可能性提出了一种联合模式，将集中治理与区域单位的高度自治相结合。区域团队将在需求管理、分析开发和利用数据科学/人工智能开展本地计划方面发挥积极作用，特别是在数字制造等项目中。

选择级联

为了详细说明这两种可能性，团队针对每种可能性完成了数据战略选择级联。这有助于团队对每种可能性建立详细的共同理解。

对于设计团队来说，充实必备能力和启用管理系统已经是激活数据战略的第一步，因为它是对每一种可能性的一种现实检验。

步骤4：什么必须是真的

为了不破坏本节的内容，我将仅关注战略选择结构化过程第4-6步的可能性B，因为它足以说明这个概念。

收集了针对客户、公司和竞争的关键条件。

回想一下我们在第4.2节中为本次练习定义的公司和竞争的翻译。

顾客

区域数据客户重视创建自己的数据解决方案以满足其国家特定需求的能力

区域数据客户有能力通过本地可用的工具和实验来根据他们的特定需求定制分析和人工智能解决方案。

区域业务部门相信，集中式治理框架能够促进而不是阻碍他们创新和适应当地需求的能力。

公司

中央数据团队能够提供有效的治理框架和工具，使各地区能够进行创新，同时与集团标准保持一致。

区域团队成功开发并分享创新用例和最佳实践，这些用例和最佳实践由当地团队进行评估并在合理的其他地区采用。

有效分配资源，平衡对中央治理和区域定制的支持，而不会给任何一方带来过重负担。

公司可以以经济高效的方式实施和维护联合模型，确保资源分配支持中央和本地能力。

竞争

联合模型在提供更快、更集成、更具成本效益的分析和AI解决方案方面优于自行解决的方法（例如使用Excel）或外部咨询。

步骤5：选择障碍

从这些关键条件来看，数据战略设计团队对以下两个条件最没有信心：

客户3：“区域业务部门相信集中式治理框架能够促进而不是阻碍他们创新和适应当地需求的能力。”

信心不足的原因是，区域业务部门历来依赖本地数据专家或外部顾问提供数据解决方案。尚不清楚数据消费者是否会接受新的中央权威。

公司4：“公司可以以经济高效的方式实施和维护联合模型，确保资源分配支持中央和本地能力。”

信心不足的原因是，由于整体数据运营模型不够详细，团队当时对数据平台和工具的成本以及员工成本没有足够的了解。

步骤6：测试和转换

为了解决这些不确定性，数据战略设计团队开发了一系列测试来验证这两个关键条件。

为了解决已发现的障碍，数据战略设计团队设计了两个重点测试：

测试一（对新数据治理模型的信任）

设计团队绘制了未来数据治理运营模式的草图，让本地数据消费者能够更加直观地了解其影响。该草案已与当地主要利益相关者分享，他们的反馈意见已纳入数据治理运营模式的下一次设计迭代中。

测试2（成本效益实施）

设计团队创建了数据运营模型的初稿，详细说明了技术解决方案，以估算未来的技术总拥有成本。他们还详细说明了新需要的专家角色，以估算未来要构建的数据能力的员工成本。

这些测试为假设提供了可行的见解，并验证了成功的可能性。

步骤7：选择

在这个例子中，数据战略设计团队决定采用联合模型，因为它通过更好地平衡区域创新和定制的需求，同时实现集团的集中治理和协调目标，提供了赢得数据客户的最高可能性。

6.4步骤IV-VI：激活战略

一旦选择可能性B作为新的数据战略，下一个任务就是通过满足实施要求来激活它。步骤IV至VI确保在设计过程中做出的战略选择转化为运营现实，使数据能力能够满足其战略需求。通过根据业务战略激活数据战略，该组织确保数据能力直接支持其竞争目标。

第四步：确定运营能力和系统

在步骤III中将战略能力和系统定义为数据战略的一部分之后，设计团队确定了有效实施联合模型所需的运营能力和支持管理系统。

关键运营能力包括高效的报告生成。此外，BI和ETL工具等运营系统以及数据质量监控系统也为这些能力提供了补充。

第五步：数据成熟度评估

为了评估数据战略的准备情况，该团队对启动该战略所需的所有能力和系统以及所有地区进行了全面的数据成熟度评估。

他们使用交通灯评估指标来评估数据建模、报告和本地实验等领域的现有能力和系统。评级为“绿色”的能力和系统被认为已准备好采用数据战略，而评级为“黄色”或“红色”的能力和系统则需要以专门项目的形式进行有针对性的干预，以构建和维护新的能力和系统。

评估还揭示了实验和自助服务采用不够发达的地区，为优先开展成熟度建设工作提供了路线图。

第六步：构建数据、分析和人工智能能力的计划

根据成熟度评估结果，该团队制定了分阶段计划来构建和维持所需的能力和系统，并优先考虑那些具有战略性质的要素。

每个地区都根据其成熟度水平设定了特定的里程碑，并制定了明确的时间表和成功指标。为了确保持续改进，反馈回路被纳入计划，使中央团队能够根据区域经验和不断变化的需求改进工具和框架。

7总结

本文旨在通过解决阻碍组织充分利用数据、分析和人工智能的常见误解来揭开数据战略的神秘面纱。

与普遍看法相反，数据战略并不是构建数据能力的计划、管理数据的一套准则或业务战略的补充。相反，它是一种功能性战略，即数据、分析和AI功能的战略，为内部客户提供数据服务。

数据战略是根据组织的总体业务战略设计的。业务战略，而不是数据战略，决定了组织如何利用数据来获得竞争优势。

通过利用“为赢而战”框架，数据相关的战略选择必须嵌入组织的业务战略中，形成强大数据战略的输入。通过将数据用例创新集成到业务战略设计流程中并得出明确的战略需求，组织可以确保其数据战略成为业务推动因素，提供直接支持竞争优势的能力。

我以咸味零食公司为例，说明了组织如何应用这种方法来弥合理论与实践之间的差距。结构化流程不仅使数据能力与业务需求保持一致，还使数据成为竞争优势的关键驱动因素。

继续将数据战略视为独立补充或技术举措清单的组织将无法发挥其真正潜力。相反，通过将与数据相关的战略选择融入其业务战略的本质，他们可以构建一个有凝聚力、目标驱动的战略架构，从而获得成功。

数据、分析和人工智能的前景不在于其技术复杂性，而在于其战略和文化一致性。通过将数据创新嵌入到业务战略设计中，组织可以摆脱数据炒作，将数据作为真正的战略资产。

本文来自微信公众号 “数据驱动智能”（ID：Data_0101），作者：晓晓，36氪经授权发布。