数据战略：组成部分、算例和一页纸计划

大多数数据战略失败，不是从工具开始，就是想一下子做完所有事。本文用进攻和防守来框定战略，列出七个组成部分，再按价值和可行性给六个使用场景打分，得出一份带负责人、暂缓事项和进展指标的 90 天计划。

什么是数据战略？

数据战略（Data Strategy）是一份把企业想达成的目标，和为此如何采集、管理、治理、使用数据连起来的计划。它回答四个问题：数据应该改善哪些决策和产品？需要哪些数据？怎么让它可靠又安全？谁来用，需要什么技能和工具？

数据战略不是一张工具清单，也不等于第一方数据战略，后者只是其中一部分，专注于你直接收集的客户数据。好的数据战略篇幅短、和业务目标挂钩，并且每个季度复盘。

进攻和防守

DalleMule 和 Davenport（《哈佛商业评论》，2017）指出，每份数据战略都要平衡两面：

受监管的行业偏防守，快速增长的创业公司偏进攻。两者都不能忽视：在不可信的数据上进攻，只会更快地做出错误决定。

受监管行业偏防守，创业公司偏进攻。

数据战略的七个组成部分

1. 业务目标。 战略服务的两三个公司目标（比如把净收入留存率提到 110%）。
2. 使用场景。 数据要改善的具体决策或产品，每个都有负责人和可衡量的结果。
3. 数据来源和缺口。 已经在采集什么（产品事件、计费、CRM、客服），还缺什么。
4. 架构。 数据怎么从来源流到人手里：采集、管道、存储、工具。
5. 治理。 口径、负责人、权限、隐私和质量规则，见数据治理。
6. 人员和技能。 谁做分析、谁搭建、其他人怎么学会自助，见数据民主化。
7. 路线图和指标。 接下来 90 天做什么，用什么衡量战略是否奏效。

计算示例：给数据使用场景排优先级

某 120 人的 B2B SaaS 公司列了六个候选场景，按业务价值（1–5）和用现有数据与技能的可行性（1–5）打分。优先级 = 价值 × 可行性（示例数据）：

接下来 90 天的计划：

1. 试用到付费的流失（20）： 按埋点方案给新手漏斗埋点，找到流失最大的一步，修掉它。
2. 收入和留存看板（20）： 统一 MRR、流失和活跃账户的口径，做一个认证过的看板。
3. 流失风险提醒（15）： 先用简单规则（14 天没登录且有过客服投诉），再考虑模型。

暂缓： 6 个渠道的归因要先把 UTM 数据理干净（可行性 3）；推荐模型和实时定价需要公司目前还没有的数据和技能。它们留在路线图上，并写明前提条件。

怎么衡量进展： 试用到付费转化率、管理层决策里引用认证看板的比例、每月数据质量事故数，以及回答一个业务问题所需时间的中位数。

五步写出数据战略

1. 访谈管理层，问他们最重要的决策是什么、哪里缺信息。记下问题，而不是工具需求。
2. 梳理现有数据： 来源、负责人、质量、缺口。一页清单就够。
3. 给使用场景打分，按价值和可行性选出未来两个季度的三到五个。
4. 定义这些场景需要的最小基础： 要埋的事件、口径、管道、权限规则。不要为假想的未来需求建设。
5. 发布一页纸的战略： 目标、选定的场景、负责人、90 天路线图和成功指标。每季度复盘。

常见错误

• 从工具开始。 还没就使用场景达成一致，就先买数仓或 BI 工具。
• 「以防万一」什么都采。 没有用途，却抬高了成本和隐私风险。
• 没有负责人。 每个使用场景、每个核心指标都要有一个人负责。
• 忽视防守。 隐私和质量问题以后会以法律风险或对数字失去信任的形式冒出来。
• 衡量产出而不是结果。 「我们做了 40 个看板」不算成功，改变了决策才算。
• 一份 50 页、没人读的文档。 战略要短到大家记得住。

用 TapCub 落地

TapCub 覆盖数据战略里产品和网站这一侧：带数据质量页的埋点方案，用于统一口径的目标和自定义指标，用于试用转化这类场景的漏斗，以及防守一侧的隐私控制（无 Cookie 计数、采集分级、IP 截断）。当数仓是中心存储时，导出原始数据，再和计费、CRM 关联。

另见：数据成熟度模型。

参考资料

• DalleMule, L. and Davenport, T. H. (2017). What's your data strategy? Harvard Business Review, May–June 2017.
• Marr, B. (2021). Data Strategy, 2nd ed. Kogan Page.
• DAMA International (2017). DAMA-DMBOK, 2nd ed. Technics Publications.