【前言】优良的产品架构和销售团队无法使业务领导者做出明智的决策、简化运营和建立更牢固的客户关系，如没有制定相应的数据管理策略，即使是最具组织性的企业也会不堪重负且效率低下。IDC预测，至2025年，数据将从2019年的45字节预计增长到175字节。本文发自VentureBeat，作者Raj Roy，原题为“What is data management? Definition, lifecycle and best practices”，经朋湖网作者唐巧丽编译整理，供业内参考。

01

数据管理可生成单一客户视图，同步营销策划

如今，数据越来越多地被用作实现效益增长和商业资本扩张，早已不仅仅是用于帐户维护或启动多渠道活动。一家数据资源丰富的公司，若能使用有效的数据管理来启动全渠道和统一的营销活动，进而优化客户体验，那便很有可能超越资本更丰厚却数据管理成熟度较低的公司。

数据管理指数据的收集、组织、维护和分析，使业务领导者从无冗余、准确和最新的数据中受益，以产出更好的见解以及执行决策。同时，在数据管理的过程中，需要团队和部门的人员一致遵循清晰的数据管理协议。

公司需要不同级别的数据管理成熟度和复杂性阶段。虽然客户群较小的公司可以使用电子表格轻松浏览客户需求，但大型公司需要更复杂的数据管理成熟度。

以下是三个关键的数据管理成熟度（DMM）阶段，可以被用于确定公司目前所处的位置：

阶段1：数据在项目级别的孤立板块中被存储和管理；

阶段2：数据存储在孤立板块中，但拥有更具潜能的数据治理策略和实践场景；

阶段3：数据统一在单一数据管理框架和平台下。

企业的数据往往存储在公司内容管理系统（CMS）中，在这种情况下，销售团队无法利用数据对潜在客户进行营销外展，并且营销人员不清楚销售主管正在跟进的潜在客户对象，也无法知晓对于客户行程的获取阶段，企业内部的业务处于各自隔绝的孤岛运行境地。数据管理有助于统一来自各种平台和团队的数据，以提供单一的客户视图，该视图可以帮助多部门启动精心的策划和同步营销活动，以实现公司目标。例如，营销参与度数据可以利用广告技术平台进行存储，用以分析流量、通过电子邮件自动化触达消费者。

02

通过数据管理提高业务效率、增长效益

尤其在后疫情时代中，全球企业迅速转向远程协同的工作方式，公司对于数据的需求加大，同时数据也反作用推动着商业数字化的进程。当今的综合知识力量以及知识产权要求着商业资本使用越来越复杂和精密的数据，公司的领导力在很大程度上依赖于企业如何收集、管理和分析数据，以提高业务效率和未来增长效益。2022年，数据管理对于技术决策者而言至关重要。

抢占资本市场先机

基于用户的购买意图、网站使用情况、社交媒体参与度、调查反馈、公司资产参与度等要素，数据库丰富的公司可以在DMM的第三阶段更有效地在线启动重定向广告活动。在此阶段，大多数数据管理平台已允许配置根据特定行为或触发点，针对已识别用户自动触发操作。

提供集成知识库

借助数据管理协议，员工和管理团队可以访问集中式知识库。无论是制定个性化的销售宣传、做出客户参与决策还是推动广告技术，数据管理都是提供综合知识以最大化结果的关键。

如果没有适当的数据管理方法，员工和管理团队访问的数据将从孤立的数据存储中提取，并可能导致战略结果支离破碎。

实现实时更新、轻松访问

数据管理平台同步着员工输入和其他第三方工具集成的实时数据，以生成和提供最新信息。组织可以为员工提供定向角色的访问权限，进而员工得以轻松访问信息。

提升执行效率

数据管理不仅仅包含存储和访问，数据分析是大多数企业投资数据管理工具的关键原因。毕竟，实现组织目标才是一切动作的最终结果导向。

数据管理平台通过双向API链接与第三方系统连接，并将统一数据反馈到项目系统中，以便准确执行销售、营销、人力资源业务和其他业务目标。反过来，项目系统将收集到的最新数据反馈到DMP中，以便对项目结果进行最终分析。例如，HRMS可以获取员工数据以进行员工调查，然后将员工调查结果反馈到DMP中，以便更好地分析项目调查的结果。

03

数据管理的生命周期流程

企业在认识到数据管理的重要性之后，需要进一步了解数据管理生命周期，从而对其进行科学宏观把控。

数据管理生命周期定义为数据从收集到存档或删除的各个阶段。以下是数据生命周期的各个阶段及其重要性：

数据采集

在管理任何数据之前，必须首先对数据进行累积。这个积累的过程可以通过第三方购买或提取组织已经收集的数据来实现。

积累数据的另一种方法是通过第三方集成，这里的第三方可以指客户管理系统（CMS）、营销自动化平台、潜在客户生成平台、人力资源管理系统（HRMS）等。

数据组织和存储

一旦各种来源的数据被集中同步并输入到数据管理平台（DMP），系统下一步将进行数据存储。如今，在大多数数据管理DMP中，此步骤经过系统降减工作量后以少量人工输入完成。

数据分析和编排

任何DMP的核心要求是能够统一和分析数据，并以所需的格式提供输出，以便业务人员进行总结和决策。

DMP基于用户查询，分析集中存储的非结构化、结构化和半结构化数据，以电子表格、图形、图表等形式提供结构化数据，或将数据反馈到第三方平台以供进一步执行。例如，销售团队主管可能会为特定客户获取最新的交互和订单簿，以进行追加销售。在此过程中，CMS 可能是用户界面和查询平台，然后通过API链接将查询发送到DMP进行处理，之后获取、分析数据并将其发送回CMS。期间，如果DMP希望跳过第三方系统的访问，可以使用自身的用户界面。

数据维护

数据管理需要刷新系统中的任何数据的输入、更新或删除，以达到删除冗余数据和存储新信息的目的，从而实现内部业务团队的即时数据交互。

数据存档或删除

在数据管理生命周期的最后阶段，任何带有时间标注数据都将被存档，或被视为不需要进一步存储的信息，从而被删除。

04

2022年数据管理的7大优良战略实践

以下是帮助企业在2022年启动数据管理的七个优良实践：

1、识别数据管理的所处阶段

数据管理策略的第一步是确定组织当前的DMM阶段，对应考虑所涉及的项目团队、数据实践、数据安全质量以及所使用的平台。如果企业计划购买数据管理平台，则必须确保数据与第三方集成平台或其他计划平台相匹配，从而进行迁移、适应新软件。

如果公司仍处于第一阶段，则需要努力制定公司范围的数据治理政策，并确保遵守进入第二阶段。

2、围绕数据战略培养数据文化

数据策略只是纸面产物，而数据文化要求企业对于战略进行坚持。想要数据战略取得成功，必须培养数据集中化的文化。这可能包括确保设置API的步骤、员工拥有对于平台的访问权限、员工手动更新尚无法自动捕获的最新数据等。

3、将组织所有数据插入平台

企业数据管理的目标是统一所有部门和平台的所有数据，这包括公司自身的运营数据（法律和会计）、员工数据（HR）和客户数据（营销和销售）。根据公司的DMM阶段和目标，可以将所有部门的数据定向插入到DMP等集中式平台中，或者使用客户数据平台（CDP）统一面向客户的数据。

4、确保数据具有上下文描述

数据管理和协作的关键性实践之一，是确保每个文件和文档都带有描述性用途。企业需要使用更精细的描述来识别每个数据集，并用上下文描述对其进行标记，这样做的目的是使员工和管理团队能够理解并使用抽调出的数据。

5、使数据策略与公司目标保持一致

数据管理策略是为了更好地实现公司目标。换句话说，数据策略不能指导公司目标，相反，公司目标需要指导数据管理的复杂性。例如，在制定公司的收入增长目标时，可以牢记参考以下因素，例如技术堆栈的预算、产品库存空间、扩张资本、现有和未来的负债等。为了实现增长目标，公司或许不需要一个全速数据管理平台（阶段三DMM），因此，现阶段的数据策略需要以全效率运行，直至第二阶段数据管理达到成熟状态，从而客户群或收入目标达到额外技术堆栈投资的程度。

6、投资数据安全

随着数据收集和存储量的增加，企业需要注重保护数据。数据安全环节不仅需要保护公司自身资产，还需履行对于客户的数据安全所作的承诺。金融机构和银行对于数据安全级别要求尤其高，其他行业的企业也必须确保所管理的数据安全无虞。根据威胁级别和正在处理的数据类型，企业数据安全技术堆栈可能包括欺诈检测、漏洞管理、威胁识别和解决、访问管理和灾难恢复计划 （DRP）。

7、投资优质DMP

对于打算从DMM的第二阶段进入第三阶段的公司来说，数据管理平台的质量是关键选择要素。需要澄清的是，最佳的DMP平台并不意味着最昂贵或功能最丰富的软件，而是最适合公司需求的软件。例如，涉及地理隐私法、数据采集技术或业务，DMP中的个人身份解析功能可能无法实现，因此DMP不被企业所需要。对于这一场景，企业更注重的选择要素可以是判断活动交付的有效性、数据更新的速度、分析的质量和深度、访问控制等。