猎企如何制定合理的数据战略？（附数据迁移三大注意点）深度干货

在数据爆炸时代，不少企业意识到数据对发展战略的推动作用，数据分析能够帮助业务部门洞悉市场机会，提升企业生产效率。但是，根据美国数据管理权威托马斯·H·达文波特（Thomas Davenport）教授近20年在数据治理和数据战略领域的研究，即使在2017年，全球只有不到半数的公司在积极使用结构化数据制定决策、不足1％的非结构化数据被使用或分析。

数据管理能力如今在企业发展战略中已经变得至关重要，但大多数公司的数据能力仍然未提上组织能力建设议程，数据整理缺乏公司级项目主导人、信息孤岛各自为政、无效数据充斥、数据权限松懈等等问题导致业务部门希望应用数据分析时举步维艰。

部分公司在进行新旧系统切换的过程中，才猛然意识到数据整理的重要性，它是整个数据分析流程中最占用精力的过程。从技术上讲，数据整理包含前期数据解析与结构化处理、数据质量评估与数据清洗、数据集成和提纯等过程。由于问题的复杂性，数据整理过程通常无法做到完全自动化的，是一个需要用户介入的交互过程，并且还需要持续迭代。

近十年来，谷露通过丰富的大型项目经验，以及在和多个大型客户的持续交流的过程中，发现招聘业务数据导入和导出的不确定性在于数据整理的复杂性，而这看似技术的问题又天然无法被业务层面用户所捕捉，容易被简单归结属于技术性和工具性问题。而这一连串问题背后的实质问题其实体现了一个公司的数据战略，制定合理的数据战略以支持自身长远发展对每个企业来说都是必修课。

本文引用了托马斯·H·达文波特教授发表于《哈佛商学评论》的《数据战略之进攻型-防御型二分法框架》一文，结合谷露近年来在服务大客户的过程中总结归纳出的招聘业务数据管理和数据分析实践经验，建议猎企重视工具选择背后的数据战略思考，从数据战略出发，在招聘业务数据的“防御性”和“进攻性”用途之间及在管理业务数据时选择“控制性”和“灵活性”之间进行权衡，明确招聘业务数据的主要用途的同时进行建立数据管理的指导原则，进而做出更适合的工具和技术选择，并且制定新技术在组织内部的推广策略。

招聘关乎企业的终极竞争力，在经济进入下行周期时重新审视数据战略，促进招聘业务数据的最大化利用和资源分配，练好相关组织内功，待到山花烂漫时，必有收获。

图表来源：《What’s your data strategy? The key is to balance offense and
defense》 Dallemule L., Daveport T.

一、防御-进攻型数据战略

1、数据防御vs数据进攻

数据防御和数据进攻共同组成企业的数据战略。但二者的目标不同，进行数据管理的关键目标、核心动作和管理导向性也不同，需要根据企业的主要业务目标来在二者的平衡之间做出选择。

2、贵公