现如今，每个公司都是一个由数据业务包围的企业。从跟踪库存水平的街角小店，到预测市场趋势和全球运输成本的跨国制造商，我们都在依靠数据来运行。更准确地说，我们在使用许多类型的数据。例如，所有类型的企业都有交易、引用和客户关系的数据。我们也可能有特定行业的数据和来自外部的数据，描述数据格式和用途的元数据也很重要。通常情况下，我们集成所有这些数据类型来创建专门的分析数据集。让这个复杂的生态系统保持井然有序，这是一个精心策划的数据策略，以一个强大的数据架构为基础。
数据策略包括一套在企业中使用数据的长期目标，以及支持这些目标的政策和应用实践。为了取得成功，数据策略必须涵盖数据的所有用途。而且，它不能只包括数据管理和分析的技术流程。正如我们将看到的，在管理和理解数据方面，人为因素也很重要。
显然，现代商业战略取决于数据。我们不能再把如此重要的企业资产的管理、安全和使用留给个人数据架构师或开发人员了。我们需要一个全面的数据策略，在广泛的参与和支持下，以确保数据得到良好的管理和有效的使用。所有企业都有不同的数据优先级，建立在他们的管理策略和业务目标之上。基于这个原因，我们无法勾勒出一个通用的数据策略，供大家参考。但是，我们可以确定每个数据策略必须包括的重要组成部分，以下是我发现的六个关键部分。
当然，这是基本的组成部分。但是，如果您的数据没有被安全存储和保护，没有准备好如何使用，那么下面的所有建议都将毫无帮助。数据策略的价值必须建立在企业数据管理的坚实基础之上。这包括集成和处理您的数据，验证其质量，管理其使用和审计影响它的过程。一旦这些基本要素到位，就可以将企业数据目录作为数据策略的一个重要组成部分。如果不知道自己拥有哪些数据，就无法围绕数据制定策略。数据目录工具对于通过详细的描述性元数据将数据提供给商业用户特别有用。有时，IT经理也想映射他们的系统，了解他们拥有哪些数据，以及这些数据的位置。IT团队可以根据这种需求，来创建他们自己的简化数据目录。这可能听起来很基础，但这是您需要开始的地方。关键问题总是相同的，我有什么数据？它在哪里？谁可以使用它？
数据目录是一种策略工具。出于需要，它们是由IT和数据管理团队提供的，他们知道如何使用数据目录软件的各种功能，以及如何设置和部署它们。我们可以对IT部门以这种方式提供的工具和终用户采用的工具进行区分。两者在数据策略中都有重要作用，相互补充而不是相互矛盾。
数据管理工具隶属于IT部门的管理范畴。有一些轻量级的数据质量和数据集成工具是为商业用户设计的，但数据管理在很大程度上仍然是后台的功能。IT部门通常也会部署用于创建数据可视化、仪表盘和报告的BI工具。但数据和业务分析师可能有自己的偏好，会选择不同的工具。只要我们控制数据访问和使用，这就可以很好地工作。同样地，数据科学家可能觉得使用他们已经掌握的工具，或支持某些分析方法是舒服的。曾几何时，大多数IT团队试图阻止使用未经批准的、非标准的工具。现如今，就像我们已经适应了自带设备一样，分析专家通常也会带上他们喜欢的应用程序。一个好的数据策略会拥抱这种多样性，但也有合理的限制。在这种情况下，我们可以问另一个问题：使用什么工具是合适的？我们可能很乐意让一个数据分析师使用自助式BI应用程序来建立一些仪表盘。如果有人想建立自己的数据仓库，而这超出了他们的技能和权限范围，我们可能会更加担心。
正如我们根据自己的需要使用各种分析工具一样，我们也采用各种分析技术。数据可视化是一个常见的例子。我们还可能发现预测分析、文本分析、情感分析和集群分析的用途，这只是一些分析技术。它们可能是强大和有用的，但需要谨慎监督。没有它，我们可能会触犯数据管理和隐私法。例如，预测性分析可能在优化设备维护周期方面显示出商业价值，这是一个毫无争议的用途。但预测技术也可用于帮助自动化招聘或管理营销促销活动。在这些情况下，员工和消费者可能会对这个过程的可靠性、公平性或公开性产生担忧。数据策略必须认识到，仅仅管理数据和工具可能是不够的。我们需要理解，并培训大家理解，并非所有的分析技术都是中立的。一些案例，尤其是涉及个人身份信息的案例，不会被其商业目的所证明。
在现代企业中，数据的使用通常比过去更具协作性。数据知识的增加和更容易操作的工具，都意味着更多的人可以参与分析，并涉入数据准备和数据质量的技术领域。即使是严格控制的流程，如数据治理和主数据定义的开发，也可以采用众包方式。例如，这样做可以确保产品名称、错误代码和管理流程，反映出制造公司车间的实际情况。主数据方面的协作还可以避免令人沮丧的客户服务回应：“没有这方面的代码。”协作工具也被更多地使用，从文件共享到企业聊天、信息传递和视频会议。我们不断地与他人分享、讨论和辩论。如果在规划数据策略时，没有准备好进行协作，那么在计划之外，也会发生协作。考虑数据和分析在企业业务决策中的作用，并寻找包含团队内部和外部参与的过程。利用这种洞察力来支持共享和评论仪表盘、报告和数据可视化的能力。例如，一些商业智能和分析工具能够让多个用户对可视化进行注释。它们也越来越多地与聊天和信息传递应用程序集成。即使是简单的文件共享也是有效的，特别是在企业级的可扩展性和安全功能支持的情况下。
在描述这些数据策略的组成部分时，需要平衡IT控制和终端用户进行自助服务的自由。为了找到这种平衡，我们的策略目标必须被很好地记录下来。成功的数据策略是建立在回答四个问题的能力之上的，这些问题涉及计划的任何元素和任何资源（数据、工具等）。
有了数据策略和底层数据架构的良好文档，我们就可以在任何新项目或计划之前回答这些问题。我们也应该能够回顾任何项目，回答这些问题。通过这样做，我们可以把自己放在一个很好的位置来审核数据策略是如何运作的。它还可以帮助我们评估对数据治理政策和其他内部数据标准的遵守情况。
数据策略的两个重要的元素是：数据和人。企业越来越多地要求新员工具备具备数据素养和至少一些分析技能。现在，几乎所有商学院都教授基础数据分析。数据科学家的需求也很高。在未来的几年里，市场可能会对合格的数据科学家供不应求，的每一门数据科学课程都将备受欢迎。您也应该在人员配置和招聘中仔细考虑IT和数据管理问题。由于有如此多的技术在云计算中运行，系统比以往任何时候都更加强大，人们很容易认为IT部门只需要保持正常工作即可。值得一提的是，高可用性、灾难恢复、满足服务水平协议、支持新的业务需求和监管要求，这些都属于IT的范畴。数据架构师、数据集成开发人员、数据工程师、数据库管理员和其他数据管理专业人员在满足业务需求方面也扮演着关键角色。一个精于业务的IT人员具有巨大的战略优势，它和其他角色一样需要认可和领导支持。
这六个关键组成部分并不是制定数据策略的完整指南。您还必须考虑一些更广泛的问题：预算、竞争、创新、营销计划、人员配置和法律政策等等。
但您可以广泛地应用这种想法。例如，您的人员配置计划可以包括根据策略重点更好地利用数据和分析的指导方针。产品创新越来越受到客户反馈、用户行为和市场趋势的数据驱动。实施数据策略需要了解整个企业的策略目标。以此为基础，分解数据的作用以及如何管理和使用数据，然后在生产、财务、营销、人力资源和其他部门中一致地应用。其结果将是一个可行的、灵活的数据策略，以应对不断变化的业务压力和需求。https://searchdatamanagement.techtarget.com/tip/6-key-components-of-a-successful-data-strategy