“資料戰略”是一個複雜的話題，許多組織将“資料戰略”視為可傳遞成果，而不是動态過程。與業務戰略一樣，資料戰略應根據目前業務環境對組織的“價值”來決定如何實施和動态調整，因為目前的商業環境也在不斷變化。
今天，我們明顯看到了由以下因素驅動的環境變化和挑戰的聚合：
- 降低産品和服務利潤
- 供應鍊、材料定價和供應鍊可預測性的中斷
- 不斷攀升的能源和勞動力成本
- 影響資本可用性的金融市場波動
- 通脹壓力影響消費者信心
是以，您的資料戰略應該與業務環境一樣靈活并且緊密相關。
一、資料戰略與業務戰略的脫節
許多組織都在努力制定對業務決策者有吸引力的資料戰略。業務上司者感到沮喪，因為 IT 需要很長時間才能傳遞支援有意義、相關、及時的業務成果傳遞的資料和分析。IT 和資料團隊感到沮喪，因為他們無法獲得必要的财務承諾群組織關注，以明确闡明和承諾資料和分析可以在何處以及如何影響業務。
部分問題在于，企業上司者形成了需要長期才能傳遞的昂貴、冗長、複雜的 IT 項目的固有觀念，而企業上司層則希望在項目結束時産出的成果在實際上都可以帶來改進的業務成果，這種方法是曆史上通過規模經濟尋求競争優勢的組織的結果。
規模經濟是企業因其經營規模而獲得的成本優勢，通常通過降低機關産出成本來衡量。
傳統上，大型組織利用規模經濟和“颠覆式”方法将較小的參與者和新競争對手鎖定在市場之外，同時綁定主要供應商，以往這是一個非常成功的商業戰略。
例如，ERP 項目非常适合這些規模經濟企業實施，因為 ERP 項目在财務、制造、物流、銷售、營銷和人力資源等領域實施标準化的“最佳實踐”。
規模經濟的方法在事物不變的世界中非常有效，比如沒有新的流行病、新的戰争、新的技術中斷、新的社會挑戰、新的環境要求、新的經濟中斷和新的政治動蕩的世界中，再加上基于消費者個人體驗的快速變化的客戶群組織期望。
但規模經濟有一個威脅性的因素潛伏在一個不斷變化的世界角落。這就是規模不經濟。
1、如何了解“規模不經濟”
當長期平均成本 (LRAC) 開始上升時，規模不經濟就會出現管理結構變化。
規模不經濟有兩個後果：
由于遺留系統、流程和政策阻礙了對不斷變化的客戶、競争對手和市場需求和機會的快速适應，邊際收入增長率放緩。
由于與組織規模、剛性和惰性增加相關的複合成本劣勢，邊際成本起初會降低，但最終會增加。
組織無法快速适應不斷變化的客戶、競争對手和市場需求和挑戰，進而進一步加劇了規模不經濟的後果，因為它采用了一種僵化的業務和營運模式，旨在解決由昨天的限制構成的昨天的問題。
2、如何認識學習經濟
在知識型産業中，學習經濟比規模經濟更強大。很快，每個行業都将成為知識型行業。我們已經進入了一個“學習經濟”比“規模經濟”更強大的時代。
“學習經濟”的概念起源于 Eric Ries 的“精益創業”一書。在那本書中，作者介紹了實驗和增量學習的概念，以便更快地變得有效率。例如，作者強調了将簡報一次裝入一個信封的增量學習方法與先将所有簡報折疊、然後将所有簡報裝入信封然後密封所有信封的勞動專業化方法的好處。
從流程的角度來看，您可以試驗并學習最有效的信封填充方法，然後可以立即重新應用這些方法來改善業務和營運成果。
此外，您不必等到整個過程結束才意識到您犯了一個代價高昂甚至緻命的錯誤（例如在您意識到它們不适合信封之前以錯誤的方式折疊所有通訊錄） .
在以知識為基礎的時代下，學習經濟的好處通過利用 AI / ML 建立資産、流程和政策來增強，這些資産、流程和政策可以持續學習并适應其營運環境，而人工幹預最少。組織正在利用學習經濟來建立資料和分析資産，這些資産使用得越多，其價值就會升值而不是貶值。
學習模式有兩個重要的經濟效應：
由于資料和分析的獨特經濟特征可以在無限數量的用例中以零邊際成本共享和重用，邊際成本保持不變。
由于資料和分析資産的重複使用縮短了價值實作時間并降低了新用例實施的風險，邊際收入加速增長。
為了利用學習經濟，我們需要采取不同的方法來建構資料戰略。與其将資料戰略視為一個一次性事件，最終具有靜态傳遞成果，不如将資料戰略視為一個持續的旅程，随着業務環境的發展而學習和發展。
二、利用用例方法建構價值驅動資料戰略
在一個永不改變的世界中，将資料戰略視為靜态傳遞物可能效果很好。然而，今天您的資料戰略必須是一個不斷學習和适應的過程。您的資料戰略必須與營運所在的業務環境一樣靈活和靈活。
這意味着我們需要采取不同的方法來建構組織的資料戰略。我們将從僵化的規模經濟資料和分析政策轉向由持續、增量學習和适應驅動、價值驅動的靈活的資料政策。
1、建構業務用例的價值
用例是圍繞常見KPI或名額的一組決策，旨在傳遞明确定義的業務或營運成果，以支援組織的關鍵業務計劃。
用例和構成用例的決策是確定資料政策相關性的強大工具，原因如下：
決策很容易識别：每個業務利益相關者都知道他們必須做出哪些決定，因為他們今天已經在做出這些決定。
決策是可操作的。決定推斷要采取的行動，包括不采取行動的決定，這與用于驗證或推動構思的問題非常不同。
改進的決策是可歸因價值的來源。人們可以歸因和量化做出改進決策的價值以及投資回報。
決策可以通過資料科學進行優化。雖然決策，在大多數情況下，多年來并沒有改變，但通過資料科學，答案已經改變了。答案變得更細化、延遲更低和更準确以實作精确決策。
決策推動組織協作。優化決策需要業務利益相關者和資料科學團隊之間的協作，以确定那些可能更好地預測性能的變量和名額。
2、業務用例建構的方法
專注于用例将是建立靈活、持續學習的資料政策的關鍵，該政策會随着不斷的客戶和市場中斷而起起落落。關注用例不僅可以確定業務 (ROI) 相關，而且還能發揮資料經濟乘數效應。
資料經濟乘數效應是指通過以零邊際成本在無限數量的用例中共享相同資料集的能力實作推動每個資料集的可歸因和可量化價值在一個用例持續使用的基礎。
下面介紹一些關鍵工具，以幫助組織支援價值驅動、持續學習和适應資料戰略的過程。
（1）采用優先級矩陣确定用例優先級
組織不會因為缺乏用例而失敗；他們失敗是因為他們有太多。
組織如何解決數量龐大的用例問題？要“像資料科學家一樣思考”的方法，從業務價值與實施可行性的角度來推動組織構想和圍繞識别、驗證、評估和确定組織的關鍵業務和營運用例的優先級。
（2）用例模闆推動業務和資料科學的一緻性
必須預先投入大量精力來記錄組織的用例。用例設計模闆推動了與利益相關者的協作，以確定我們對用例有深入的了解。
用例模闆包括以下資訊：
用例說明，包括所需的業務成果
衡量用例進度和成功的 KPI 和名額
所有關鍵利益相關者收集到的預期業務和營運收益
潛在障礙和風險
解決潛在障礙和風險的實施注意事項
對組織既定目标的影響
（3）映射和量化資料集的相對價值
将用例的财務價值歸因于支援該用例優化的資料集，該方法使用一個非常直接但繁瑣的過程：
确定每個用例的财務價值和實施風險，然後量化資料源的預測能力以支援每個用例。
該過程的結果提供了對資料集在優先用例中的價值的粗略估計，然後可以使用它來确定資料開發的優先級（資料轉換和豐富算法、資料管道、主資料管理、資料湖/資料網格架構）和分析（資料可視化、機器學習功能、機器學習模型、分析分數、API）功能。
（4）疊代建構資料湖
最後，可以采用一種用例方法，根據該用例對組織的相對價值來建構資料湖架構。隻需将資料集加載、管理到支援該用例所需的資料湖中，進而避免将所有資料加載到資料湖中并希望它為業務提供價值的“大爆炸”方法利益相關者。
如果尋求利用資料的獨特性——資産永不枯竭、永不磨損，并且可以以零邊際成本在無限數量的用例中使用，那麼将您的資料湖轉變為支援“協同價值創造”的平台在整個組織中捕獲、共享、重用和優化資料資産。
例如，下圖中的用例 #1 是“提高供應商品質”（估計财務價值為 6000 萬美元），那麼我們隻需要加載和管理支援該用例所需的資料。對于用例 #2“提高供應商可靠性”，我們隻需要加載和管理支援該用例所需的資料。
對于用例 #2，資料集 A 已經加載到資料湖中以支援用例 #1。用例 #2 可以以零邊際成本使用資料集 A。這就是資料經濟乘數效應！
三、小結
在一個從未改變的世界中，将資料戰略視為靜态傳遞物可能效果很好。然而，今天，資料戰略必須是一個不斷學習和适應的過程，資料戰略必須與業務戰略一樣靈活。組織不需要大資料戰略，他們需要的是一個包含大資料的商業戰略。