數據優先：價值驅動的精益數據戰略

企業在構建高質量發展的價值之路上，需要適應新時代的數據戰略，以業務場景藍圖為核心，帶動數據資產藍圖和數字化技術藍圖的持續迭代優化，不斷刷新數字化轉型路徑藍圖，充分激發數據要素潛能，讓全局業務更加敏捷和高效

通過本專欄前三期的闡述，數據之于企業的重要性，已不言而喻。那么，企業該如何應對數據價值的大潮、把握數據要素元年的機遇？筆者認為，企業在構建高質量發展的價值之路上，首先應該樹立敏捷靈動、數據優先、價值驅動的數據戰略。

從應用優先到數據優先

信息化時代：以應用驅動為起點，數據是副產品

在信息化建設時期，企業主要關注的是將線下的業務和流程轉移到計算機和軟件上，目的是通過應用的力量來提升工作效率。這一時期，業務本質并未發生改變，只是通過技術的輔助實現了業務流程的電子化。數據被視作一種存儲和處理的結果，主要為應用需求服務，其價值和潛能未得到充分認識和發揮。

在這一階段，企業架構主要分為四個層面，分別是：業務架構-界定企業的戰略方向和運營方式；應用架構-涉及實施業務功能的各種軟件和系統；技術架構－構建企業的技術基礎，如服務器和網絡設施；數據架構-主要服務于應用和技術的運作，雖是支撐層，但在整個體系中相對被動。

數字化時代：數據作為核心生產要素

進入數字化時代，企業的業務大部分已經實現線上化。此時，企業開始尋求通過數據的融合，來洞察和發現新的業務模式和優化業務流程，標志著企業對業務的重構和升級。數字化轉型的核心在于充分利用數據，挖掘數據中的價值，實現從應用優先轉向數據優先的戰略轉變。

在數據優先的模式下，數據架構不再是輔助角色，而是成為企業決策、優化和創新過程中的核心。企業通過數據分析獲得業務洞察，利用人工智能等技術深入分析數據，從而指導更精準的業務決策。這種轉變使企業能夠根據數據洞察，調整或重構其業務流程和應用架構，進而提高效率和競爭力。

從數據管理到數據戰略的演進

企業的數據旅程可以劃分為以下四個階段，它們充分體現了數據從輔助工具到核心資產的轉變過程，反映了企業對數據價值認識的逐步深入和數據利用方式的不斷進化。

第一個階段——數據作為業務應用的副產品：數據僅作為業務流程的結果被保存和使用。

第二個階段——跨應用數據融合：通過數據融合和商務智能，數據開始被系統地管理和分析。

第三個階段——大數據時代：大規模獲取和分析數據，數據成為重要的資產和決策基礎。

第四個階段——數據智能時代：運用人工智能等前沿技術深入挖掘數據價值，用數據驅動企業的管理和運營。

在這四個轉變過程中，從簡單的數據存儲和查詢到深度數據分析和驅動，企業信息化過程中的數據應用已經發生了根本的變化。企業對數據的需求從簡單的記錄和查詢發展到復雜的分析和預測，管理方法也從基本的存儲和訪問發展到集成、大數據處理和智能化分析。隨著企業對數據依賴的加深，數據管理的策略和技術也在不斷進化，進而適應更高級別的數據需求和利用目標。

從第一階段到第三階段，數據是以企業信息管理（EIM）為載體的管理手段，到了第四階段，數據已經成為了業務的存在形式；這個時候，每一個企業都需要建立與業務戰略匹配的數據戰略（EDS）。在數字化時代，從環境、業務特點到數據種類等各方面都發生了變化，數據戰略逐漸取代企業信息管理，發揮更大作用。

企業信息管理與數字化時代數據戰略相比具有5方面的重要區別，如圖1所示：

數字化時代數據戰略的6大目標

從資源到資產，從輔助業務決策到業務的數字化呈現形式，數據已經成為每一個組織向前發展的戰略資源和關鍵手段。新階段如何更好地發揮數據要素作用，已經成為國家和企業都在研究和探索實踐的時代命題。筆者認為，企業首先要解決的是如何讓數據產生業務價值。

在數字化時代，企業面臨著更加復雜、更加混沌、更加不確定的業務問題，如何充分發揮數據要素的資產屬性并創造業務價值是數據戰略需要解決的首要問題。精益數據方法認為，企業要想發揮數據作用，確立的數據戰略要包含以下6個目標，如圖2所示：

創造業務價值：對企業來講，管理數據、分析數據不是目的，真正的目的是用數據創造業務價值。數據戰略要服務于業務價值，從數據管理走向價值創造。所以，數據戰略要從業務問題出發，而不是從數據問題出發。

探索價值場景：定義問題永遠是解決問題的前提，定義好數據要素發揮作用的價值場景是創造業務價值的關鍵。因此，如何制定企業的業務場景藍圖，是數據戰略規劃的核心工作。傳統的數據戰略以數據需求為出發點，讓業務人員提出對數據的需求，比如“某種數據的質量不高，怎么解決？”這些問題往往不是業務需求，而是在現有的業務場景和流程基礎上對數據的管理需求。而在數字化時代，數據戰略應該識別出服務于業務目標的業務場景，對應的問題應該是：“如何提高銷量？”

規劃數據資產：數據資產的形成過程要經歷4個主要階段，包含5個關鍵步驟，如圖3所示。每一個階段都需要花費時間，所以在傳統業務的數據生產模式下，數據本身肯定滯后于實際業務。其次，工作人員在實施不同步驟時，對上一個步驟的理解是局部的，很難將上一個步驟的所有內容完整地復制到新的設計中，最終形成的業務數據在大部分時候距離真實的業務情況有一定的偏差。為了彌補這些差距，企業在制定數據戰略時要規劃數據資產藍圖，并在數據生成之前就用該藍圖指導業務數據化的過程。具體來說，企業要在轉型初期就勾勒出業務在某個階段終點時的數據資產大圖，然后以此為框架來規劃應用系統的建設，同時根據藍圖去設計應用系統間如何進行數據的共享、集成和協作，這樣才能夠規避“數據孤島”的形成。在數字化時代，一切應用系統都服務于數據的生產和利用，應用架構會經歷快速迭代，甚至完全重構，而數據作為業務的數字化存在形式則會持續存在，所以對數據要先于業務應用來規劃。

構建數字技術：數據戰略要從業務價值出發，依據業務場景，對企業的數字化技術能力提出需求，指導和牽引技術平臺的建設及新技術的應用。企業的數字化技術藍圖要清晰地描述出，在某一個階段，建設價值場景、數據資產需要哪些技術，這些技術以什么方式提供服務。數字化技術藍圖能夠準確、有效地指導企業進行技術能力建設，使技術資源的投入產出比最大化。每個企業都需要制定自己的數字化技術藍圖，以便指導內部進行技術能力建設和工具平臺的搭建。

制定清晰的可執行路徑：新時代的數據戰略要將規劃和落地融為一體，既要制定藍圖、指明方向，又要聚焦關鍵問題，提供執行路徑。只有這樣，該戰略才能夠快速啟動實施。企業需要梳理價值場景、數據資產和數字化技術三者的聯系，找出它們之間的層層解碼關系，根據這些關系規劃數字化轉型落地的舉措才能夠更貼近業務，快速產生價值。

快速反饋持續優化：外部環境是變化的，用戶的關注點也是變化的。為了始終有效地服務于業務，數據戰略要有持續迭代的能力。精益數據方法認為，數據戰略首先要構建起反饋閉環，獲取新的用戶數據，再對新的數據進行分析來洞察市場及用戶需求的變化，然后快速調整和優化，并持續下去。

價值驅動的精益數據戰略

在數字化時代之前，企業希望通過層層精密的邏輯來預測和定位客戶的需求，同時，企業認為將戰略做得越細越好，以便讓后續的執行能全部在掌控之中，減少不確定性的風險。但是數字化時代產生了兩個重大變化：一是市場和業務變化具有高度的不確定性；二是數字化技術為企業提供了與用戶進行實時、高頻溝通的能力。

因此，企業需要適應新時代的數據戰略，而精益數據戰略便是一套滿足企業在數字化時代需求的方法。精益數據戰略是以精益數據方法為指導，以業務價值為目標，具有輕量級、快速反饋等特點的數據戰略形式。它和傳統戰略有著本質上的區別：首先，精益數據戰略的底層邏輯是認可和接受不確定性的。它建立起與市場的直接連接，增強用戶互動并及時接收用戶反饋，從不確定性中尋找確定性，從而提高響應能力。其次，在底層邏輯的基礎上，精益數據戰略發展出一套包含4個特點、3大內容、4張藍圖、4個原則的完整體系，如圖4所示。

精益數據戰略的4個特點

與傳統的數據戰略規劃方法相比，精益數據戰略具有如下4個特點：

價值驅動：傳統的數據戰略建立在企業信息管理架構上，主要是從企業IT部門的視角管理好企業的數據資源，確保數據的質量和安全。而精益數據戰略是從企業的視角看待數據，數據工作不再只是IT部門的職責，數據是企業新的生產要素、核心的企業資產。精益數據戰略的核心是讓數據資產產生業務價值。

快速反饋：精益數據戰略認為，數字化時代的外部環境有著高度的不確定性，企業的數據戰略要建立起快速反饋的機制，從而高速響應市場的變化。所以精益數據戰略提倡快速反饋的構建過程，對確定性的事情快速做，對不確定性的事情快速試錯。

輕量級：傳統的數據戰略制定的周期比較長，交付的規劃成果非常全面并且顆粒度較細，希望對所有的工作內容都能夠不打折扣地完成規劃，這就會導致制定一個完整的企業級數據戰略至少需要花費6—12個月。而精益數據戰略則聚焦業務場景探索，配合精益數據共創工作坊這一國內首創的卡牌式高效調研及共創方法，能夠將數據戰略的規劃時間大幅縮短至2—8周。

共創：精益數據方法認為，每個企業都有自身的特點，而自上而下、依賴歷史經驗的傳統規劃方法難以滿足其需求。要采用自下而上、共創的方式，令業務部門與技術部門共創出符合企業自身特點的數字化轉型的總體規劃和實施路徑。

精益數據戰略的3大內容

制定精益數據戰略的核心是回答3個本質問題：在哪里，去哪里，從哪里開始。這3個問題對應了診斷現狀、規劃路徑和速贏行動等3大內容。

診斷現狀：精益數據戰略強調適用性和實用性，不同企業的業務目標、業務模式、組織形式、技術現狀都不一樣。制定數據戰略時，首先圍繞企業的業務目標、業務戰略，對企業的現狀進行全面掃描，發現問題和需求，再結合現有業務流程、技術現狀、團隊能力去規劃藍圖。

規劃路徑：精益數據戰略認為，在數字化時代，外部的環境高度不確定，所以數據戰略的規劃不宜做得太重，也不宜做得太細。要盡可能保證規劃的前瞻性、可執行性和落地效果。業務人員應該最關注該數據戰略能否給他們帶來實際的價值，這也是很多企業數字化轉型面臨的難點和挑戰。在做數據戰略的時候，一定要把每項工作、任務、策略都對應到業務價值，不做不產生價值的動作，減少浪費，并且在執行中觀察度量指標的變化，及時調整和優化具體的執行動作。精益數據戰略強調，所有的規劃要建立在全員對齊目標和認知的基礎上，聚焦價值場景，梳理出業務場景、數據資產、數字化技術和數字化轉型路徑等4張藍圖，然后圍繞藍圖做戰略路徑的解碼。

速贏行動：精益數據戰略的核心是產生業務價值，該價值不能通過PPT產生，也不能通過打印出來掛在墻上實現，只能通過實際的數據產品和服務做出來，如此才能讓用戶滿意、讓企業獲益。為了實際落地，精益數據戰略要求企業在規劃藍圖及路徑以后，一定要制定出速贏階段的行動策略。速贏階段就是數字化轉型的第一個工作周期，時長一般是半年，最長不超過一年。該階段的行動策略主要包括高優先級價值場景清單、數字化轉型項目清單及執行計劃、項目計劃和配套舉措等方面的內容。

精益數據戰略的4張藍圖

業務場景藍圖：精益數據戰略制定的業務場景藍圖包括下面3種類型的場景清單，如圖5所示。

速贏場景清單：該清單包含價值清晰、痛點明確、具有確定性的場景。對這些場景下的工作內容，需要在戰略落地時盡快執行。

中期建設場景清單：該清單上的價值場景從中期來看是有必要建設的，但是目前建設條件不成熟，或者有一些關鍵依賴項還不具備建設條件，對此要盡快補足條件短板，準備建設。

遠期建設場景清單：從長期戰略來看，該清單上的場景雖然需要建設，但是目前不具備條件，并且優先級不高。

數據資產藍圖：企業要盡早識別并規劃出面向未來的數據資產藍圖，然后按照該藍圖去規劃和建設自己的應用系統，指導這些應用系統生產和利用數據。以某汽車企業為例，其數據資產藍圖的形式如圖6所示。

數據資產藍圖是一個面向未來的藍圖，企業能夠從中清晰地看到根據自己的業務戰略和愿景應該擁有哪些數據資產，以及這些數據資產應該來自哪些系統。企業可以根據這張藍圖進行現狀調研，分析出現狀與預期的差距，從而制定行動路徑，實現這個數據資產藍圖。

數字化技術藍圖：數字化技術藍圖指的是支撐企業數字化轉型的數據智能技術全集。企業在構建數據中臺時，可以依照此藍圖，圍繞價值場景，急用先行，按需建設，最終完成自己的數字化技術體系建設。典型的數字化技術藍圖如7圖所示。

數字化技術藍圖在解決企業數字化轉型的痛點問題的過程中主要提供了2個方面的助力。首先，數字化技術藍圖將企業的業務場景和技術聯系起來，識別出企業所必需的技術。其次，數字化技術藍圖將技術需求分層分類，結合價值場景，制定技術能力構建的策略。

數字化轉型路徑藍圖：要想數據戰略扎實落地，必須制定出一條清晰的可執行路徑，需要定義出短期、中期和長期這三個不同階段的數據利用目標，并且根據短期目標提供具體可以落地的場景，以便直接指導策略落地。典型的數字化轉徑藍圖如圖8所示。

在速贏階段，需要制定出項目清單等內容，以便該階段的策略能快速落地，并通過用戶的反饋，量化策略實施的效果和價值，并不斷優化；在中期階段，重點關注數字化技術和數據資產的建設準備工作，為業務場景打好建設基礎；在遠期階段，則更關注創新及企業終極愿景的達成，嘗試孵化新的業務模式。

這四張藍圖形成了數據驅動的激活飛輪，如圖9所示，以業務場景藍圖為核心，帶動數據資產藍圖和數字化技術藍圖的持續迭代優化，不斷刷新數字化轉型路徑藍圖，充分激發數據要素潛能，讓全局業務更加敏捷和高效，引領企業邁向數據驅動的未來。

（作者系中國特色數字化轉型方法論創始人。暢銷書《精益數據方法論——數據驅動的數字化轉型》唯一作者，中國計算機學會數字化轉型與企業架構SIG主席、數字產業創新研究中心副主席、公眾號《凱哥講數字化》作者，為企業提供數字化轉型咨詢培訓輔導教練服務。）

鏈接

精益數據戰略案例分享

伴隨著日益激烈的市場競爭和大宗原材料價格的波動，某全球頭部流程制造企業期盼在已初步完備的信息化系統建設基礎上，從數據中獲取降本增效、創新發展的新動能。但在數據價值化之前，它與其他企業一樣，面臨著各業務部門對數字化認知不清、數據孤島嚴重、數據分析系統應用效果不佳等諸多問題。

該企業引入比傳統戰略咨詢規劃更敏捷、更靈動的精益數據方法，利用精益數據共創工作坊的形式，通過戰略解碼、精益數據價值樹、精益數據場景畫布等工具，在一個月內完成了賦能培訓、戰略沙盤、共創桌游、路徑設計、制定轉型SOP等五部曲，讓業務部門與技術條線統一了認知，共創了場景，構建起四張藍圖，按圖索驥開始了數據價值化之旅。

精益數據戰略，將數據戰略制定變成標準作業流程，讓每一個業務和技術人員能夠落地到每一個業務動作，從而以終為始，知行合一。