数据管理的7大定律

　　技术驱动型的人往往倾向于从解决方案出发。常见想法是“这项新颖的技术一定有应用！”要想避免陷入未使用过的高科技带来的陷阱，就不要从解决方案入手，而要从问题或机会开始研究。经验表明，这种思维模式的转变很难，特别是对于经验丰富的IT 领导，他们习惯于主动提供最先进的解决方案。

　　业务视角和技术视角之间的鸿沟主要在于流程和数据领域。双方常常都认为自己是开放的，但却不知不觉陷入旧思维方式。许多人都表示他们是从组织的利益出发才这么想和做的。

　　数据管理是整个组织中每个人的工作。它尤其不是一项 IT 工作，也不是从技术开始的。数据管理是在相互理解的坚实基础上构建业务与 IT 之间的桥梁。

　　除非在公共部门或非营利组织，否则数据处理工作需要增加可测量的利益相关者价值。在数据方面有投入的组织都希望看到回报。我称之为“数据回报率”（Return on Data，ROD）。这种表述来源于财务术语“投资回报率”（ROI），它对于任何需要花钱的活动都至关重要：只有能得到收益才会去做。

　　谈“数据回报率”不是以处理数据为终极目标。要判断数据活动效果如何，必须要看它对组织整体状况的影响。这包括间接和长期的影响，以及对潜在问题的规避情况（这意味着对风险的处理）。

　　构建令人信服的业务模式并不是为了让数据投资看起来足够有吸引力，为了确保资金安全，则需要从一开始就从商业导向出发。尽早发现业务模式的负面影响并不是失败！

　　作为决策流程的一部分，“问题升级”只是意味着将决策提升了一个层级。理想情况下，视角会从部门角度转变为可以减轻偏差的跨职能角度，并最终转变为可以避免偏差的全体“股东”角度。

　　这样的流程有助于不受个人观点和动机影响做出决策，而且可以鼓励组织中级别较低的人跨职能看待问题，并提出跨职能的最佳建议。

　　你可能希望共享官方信息和想法。这不应是单向的，每个人都应该能够与他人分享自己的想法，最好是以系统的方式。

　　实际上你可能有多个技术平台，但是需要声明哪个是唯一用于交流的平台。而数据办公室的成员应该是首批积极使用该平台的人员。

　　从数据的角度来看，众所周知，局部优化解决方案的总和通常不同于整体优化解决方案。如前所述，原因是不同区域之间的相互依赖关系程度不同。

　　有一个组织上的挑战：团队成员通常知道什么对组织最有利，但他们的领导能正式和/或非正式地被自身领域职责的本位主义驱动，成员也会受这种情况影响。

　　我们需要意识到，任何单个部门都没有股东。如果为一个部门创造价值会导致其他部门的成本增加，那么从整体角度来看，这是没有意义的。

　　目前几乎没有什么组织是完全以数据为中心的。换句话说，对几乎所有组织，关注数据意味着会发生根本性的转变。

　　或者，正如生物技术公司Abcam 消费者洞察与分析副总裁柯斯蒂·斯佩克在数据会议上所说：“要认识到正在进行的是变革管理！算法只是其中最简单的部分。”

　　在过去几十年里，大多数组织都面临多次变革需求。这形成了一项专门的学科来研究变革管理。我们可以假定相关研究成果也适用于工作量巨大的“数据变革”。

　　将数据逻辑“外包”给IT，IT 可能不理解所有的业务动机，不如帮助业务人员理解数据的基本原则，并用清楚的语言表达自己想要的逻辑。

　　在这种情况下，最重要的不是让所有员工都学习数据，就像有人学习词汇一样，学习主题一直在变。相反，要训练人们去思考。他们应当具备根据变化做出决定的能力。