什麼是資料策略?

資料策略是一項長期計劃,其定義了管理組織資訊資產所需的技術、流程、人員和規則。如今,所有類型的企業都收集了大量的原始資料。但是,如果他們想要利用此資訊做出明智的決策並建立機器學習 (ML)生成式人工智慧 (AI) 應用程式,他們需要經過深思熟慮的資料管理和分析計畫。資料策略概述了組織收集、存放、共享和使用其資料的長遠願景。它讓組織中所有需要資料的人都能輕鬆處理資料旅程中的每個步驟。

為什麼資料策略很重要?

對要在不斷變化的環境中保有領先地位、競爭優勢和創新性的組織而言,建立資料策略勢在必行。您必須管理、了解和保護資料,以達到商業計畫的目標,並為您的組織帶來如下所示新價值:

  • 做出更好、更快的決策
  • 減少詐騙
  • 改善客戶體驗和忠誠度
  • 提升營運效率
  • 優化程序
  • 最大化降低成本
  • 支援新的商業模式,例如資料即產品
  • 建立適合未來的應用程式,例如機器學習 (ML) 或生成式 AI。

您的資料策略為您帶來競爭優勢,因為它將資料管理與業務策略和資料管控相結合。它有兩個主要目的。

改善資料架構決策

公司的資料架構描述了公司如何收集、儲存、轉換、分發和使用資料。它還包括資料管理的技術方面,例如:

  • 資料庫和檔案系統
  • 資料整合服務
  • 規則管控資料儲存格式
  • 應用程式與資料庫之間的系統連線
  • 資料存取權
  • AI 資料模型

例如,資料架構可能會將日常行銷和銷售資料輸入到行銷儀表板等應用程式中,然後進一步整合和分析資訊,以按地區揭示廣告支出與銷售額之間的關係。您的資料策略提供了框架,資料工程師可以在其中做出實現業務目標的架構決策,同時確保合適的人員可存取該資料。

一致地管理資料

有效的資料策略支援整個組織進行協作且一致的資料管理。它為每個人都提供了五個關鍵問題的答案:

  • 哪些資料為合適的資料?
  • 哪些資料操作獲得核准?
  • 資料儲存和收集的目的是什麼?
  • 業務流程的資料管控策略是什麼?
  • 您可以從現有資料中獲得哪些洞察?

實作資料策略有哪些好處?

擁有良好的資料策略還有更多好處:

解決資料管理挑戰

大多數組織都面臨著資料管理挑戰,例如資料孤島、跨業務單元的資料重複、部門之間的低效資料流以及資料優先順序缺乏明確性。資料策略允許公司以安全的方式存取和共享資料,進而解決這些挑戰。您可以釋放資料的價值以滿足商業計畫需求。更好地整合資料並在正確的時間存取正確的資料,使組織能夠做好準備應對未來或未知情況。

改善客戶體驗和忠誠度

組織使用資料和分析來更好地了解客戶及改善客戶體驗。從線上體驗到聯絡中心,組織可以使用資料為客戶創造更多價值並主動解決未滿足的需求。資料還可以幫助組織創造新的業務或貨幣化機會,並根據客戶需求建置超個人化的產品和服務。個人化體驗也會隨時間的推移而增強客戶忠誠度。

達到分析成熟度

Gartner Analytic Ascendancy Model 定義了分析成熟度的四個步驟。組織通常從描述性和診斷性分析開始,以了解發生了什麼以及為何發生。當組織過渡到使用資料來回答將要發生的事情的預測分析時,也就產生了分析成熟度。處於最終成熟階段的組織會使用規範性分析來實現預定結果。因此,資料策略制定了詳細的計劃,以幫助您的組織以前瞻視角做出決策,而不是事後諸葛亮。

建立適合未來的應用程式,例如 ML 或生成式 AI

資料是 ML 和生成式 AI 應用程式的核心。ML 和 AI 模型需要能夠輕鬆擷取和管理資料,才能訓練模型並執行推論。資料策略會負責資料去向,將影像識別、預測和智慧搜尋等使用案例提供給應用程式。您還需要負責 ML 管控,其中包括管理您的資料模型。

建立整個組織的資料文化

資料策略提供了一個路線圖,可提高整個組織的資料素養和使用效率。不同的團隊可以協同工作,以提高資料品質及資料收集的準確性。此外,您可以開發客製化培訓並為協作者建立學習路徑,使他們能從資料管理與使用方面的初學者晉升為專家。

支援法律合規

有效的資料策略實作可限制未經授權的資料存取的措施,進而提升資料安全。您可以在定義策略和流程時考慮所有資料管控規則和法規。所有操作都經過精心規劃,可確保企業資料管理始終保持資料的隱私性、安全性和完整性。

有效的資料策略的關鍵組成部分有哪些?

您的資料策略可呈現為一系列的步驟及實作這些步驟的時間表。此資料策略路線圖包括維護組織的目前資料成熟度的指南以及將其提升到新水平的動作項目。

以下是路線圖中要包含的一些常見資料策略元件:

資料型錄工具

資料型錄工具可幫助您識別和分類所有現有資料資產。您的業務使用者和 IT 團隊可以使用型錄獲取詳細的中繼資料,並更有效地將營運操作與資料營運進行對應。

資料管理工具

有多種工具可用於資料整合、視覺化、報告和儀表板。資料策略有助於確定可滿足商業需求並支援 IT 團隊和業務使用者的最佳工具。您還可以驗證這些工具是否符合所有資料管控政策,以確保符合法規。

資料分析

成功的資料策略通常包括組織內的資料和分析管理計劃。資料分析需要現有資料集作為 ML 和 AI 模型的輸入。企業資料策略旨在透過概述用於分析的最佳資料集以及如何培訓員工進行資料操作來最大程度地減少偏見。例如,假設您的組織計劃使用 AI 對任務申請進行自動排序。在這種情況下,您需要仔細選擇過去和現在員工的多元化資料集,以避免在 ML 和 AI 模型中建立無意識的偏見。

審查程序

您的資料策略應包括評估及改進現有資料管理系統和資料策略本身的審查流程。這包括以下任務:

  • 定期稽核現有資料架構
  • 驗證資料收集流程是否合規
  • 根據同類市場資料衡量資料品質

您可以使用此類審查文件來改進您現有的資料策略並重新檢視策略目標。

建立資料策略有哪些不同的方法?

有兩種主要方法可以為您的組織建立資料策略。

集中式

高度集中化、以控制為導向的資料管理方法,通常包括每個廣泛資料類別的單一真實來源。例如,營收、客戶或銷售資料只有一個主要來源。資料系統從多個來源收集資料,對其進行清理,並將其存放在這個中央儲存庫中。因此,資料防禦透過識別、標準化和管控權威資料來源來保持通過公司內部系統的資料的完整性,從而最大限度地降低下游風險。其會優先考慮活動,例如:

  • 合規與法規
  • 使用分析進行詐騙偵測
  • 防盜安全措施

分散式

去中心化方法為集中管控的資料管理系統新增更多靈活性。其認識到多個業務單元以不同的方式解釋相同的資料。其透過允許受控資料轉型來順應這些不同的解釋,其中這些資料轉型能可靠地映射回單一的事實來源。

例如,考慮這樣一個情境:財務和行銷部門皆會產生每月社交媒體廣告支出報告。對分析廣告效果感興趣的行銷部門會報告支出對點擊和瀏覽次數的影響。財務報告支出對現金流的影響。報告包含不同的數字,但兩份報告都是可代表真實情況的準確版本。

平衡資料策略方法

每家公司都需要將中心化和去中心化方法結合起來才能使其資料策略取得成功,但要取得平衡可能會很複雜。去中心化方法往往是即時操作,並且與以客戶為尊的業務職能 (例如行銷和銷售) 更為相關。中心化方法對於法律、財務、合規和 IT 部門來說更為重要。平衡資料策略能夠賦予企業領導者靈活性,讓其能以一致的方式適應單一事實來源,從而更好地滿足商業需求。

資料策略的制定者是誰?

資料策略團隊通常包括來自高層管理和業務分析、AI 和 IT 團隊的代表。以下是一些使用者一起建立和實作資料策略的範例。

資料工程師

資料工程師負責建置可靠且高效的資料架構。他們監督和管理多個資料管道任務,例如資料收集、處理、儲存和分析。此角色包括實作資料安全和管控要求的專家。

資料科學家

資料科學家將資料工程師處理的資料用於進一步分析。他們使用這些資料來建立不同的 ML 和 AI 模型並產生商業智慧報告。

資料分析師

資料分析師專注於解釋和分析資料。他們與資料科學家密切合作,以確保商業智慧任務符合組織要求。

業務經理

業務經理審查資料報告並幫助管理資料操作。他們會確保資料策略與整體業務策略和法規要求保持一致。

建置資料策略的步驟是什麼?

識別資助的商業計畫

第一步是與符合資助的商業計畫。為此,您可以使用 Amazon 的向後工作方法。接著,確定這些業務計畫需要哪些資料。 然後識別支援業務計畫需要哪些資料功能。

以下是建立資料策略的範例步驟:  

  • 支援其他人資助的商業計畫
  • 識別所需的資料功能
  • 確定所需資料的狀況
  • 建置資料策略藍圖
  • 識別哪些企業營運實務可以支援您的資料策略,例如企業架構和專案管理
  • 與 AI 策略計畫整合

建立團隊

找到能夠帶來不同觀點的合適人選對於資料策略的成功至關重要。您的團隊將負責多項任務,其中可能包括以下方面:

  • 資源分配與分發
  • 制定和完善政策
  • 處理出現的資料相關問題
  • 溝通計畫狀態和結果

您還可以指派資料管控角色,以確定誰負責部署技術、確保符合標準以及向每個人提供有關政策變更的更新。

最佳化您的資料架構

任何資料策略都需要合適的工具和技術才能切實取得成功。您將需要審查您現有的資料基礎設施,分析不同團隊目前使用資料的方式,以及確定需要解決的任何差距。此步驟通常涉及根據您的要求做出以技術為中心的決策,其中可能包括以下方面:

  • 資料量和類型
  • 資料品質與分析
  • 安全與合規
  • 資料生命週期

最終,您的目標是建立一個資料策略,使您的數據盡可能地可供所有需要它的利害關係人存取、共享和操作,並執行正確的安全控制。

與 AI 策略計畫整合

為了從 AI 和 ML 產生價值,基礎資料必須滿足與 AI 和 ML 模型關聯的特定措施的需求,以確保資料的適當品質、整合、安全等。因此,資料策略和 AI 策略團隊之間應建立合作夥伴關係。

AI/ML 的特殊管控考量

AI/ML 確實引入我們需要在資料策略中考量的新功能。例如:

  • 特徵商店
  • 其他法規遵循
  • MLOps
  • 新的道德考量
  • 生成式 AI 考量

AWS 如何在資料策略方面提供協助?

AWS 提供多項服務,可協助您利用資料重塑業務。您可以加入超過 150 萬客戶的行列,將您的資料引入全球最受信任、安全和可擴展的雲端社群。例如,您可以使用 AWS 執行以下操作:

立即建立一個免費帳戶,開始使用 AWS 實作您的資料策略。

AWS 上的後續步驟

查看額外的產品相關資源
進一步了解 AWS 的資料策略 
註冊免費帳戶

立即存取 AWS 免費方案。 

註冊 
開始在主控台進行建置

開始在 AWS 管理主控台使用資料策略進行建置。

登入