导语
数据思维是指数据战略驱动组织科学地使用数据，创新社会服务的属性、能力和过程。数据思维代表组织对数据驱动力的承诺程度，即组织是否真正理解数据的价值、接受数据对企业战略的作用并承诺为建立数据能力而投入人力和财力资源。
对数据价值的认知在持续演进，但并不是所有人都能真正接受或理解数据的价值。“在我们公司里，数据的使用和带来的价值可并不明显”，持有这种观点的人绝非少数。这种观点其实很正常，数据治理是一个非常庞大、复杂的系统和工程，没有科学的体系，因此要实现数据价值绝非易事。
英国数据开放研发院提出的“数据光谱”理论，把国家、企业或个人的相关数据分为封闭、共享和开放3 种状态。国家机密数据、企业机密数据和个人隐私数据需要封闭保护；国家、企业或个人的部分数据可以依据法律或授权许可，以共享的方式开放给那些具有相应资格的人；部分公共数据可以依据开放授权声明开放给社会所有人，这一类数据允许每个人自由地使用和分发，以公平地激发更多的人创造社会价值。
把数据作为创新社会服务的基础，让数据由封闭走向开放，实现数据在安全、伦理框架下的自由流动，是当前国家数据治理的重要内容。《中国政务数据治理发展报告（2020 年）》显示，我国的政务数据治理取得了显著的进步，但多数地方政务数据治理指数仍存在较大的差距。在政务数据治理领域，我国正面临着数据开放整体法律框架缺失、数据战略顶层设计不足、数据治理与运营缺乏统筹、数据开放共享执行不到位、数据价值创新有待加强、数据专业人才与能力稀缺等挑战。
看一个组织是否为数据驱动型组织，不要看领导讲得有多好，而要看组织为数据的采集、存储、计算、开发、利用投入的人力和金钱资源。
数据战略
基于大数据在社会治理、公共服务与产业转型等方面的颠覆作用，世界各国都视大数据为重要的战略资源，把发展大数据上升到国家战略的高度，并制定了数据战略。
美国政府的数据战略起源于2012年的《大数据研发倡议》。2019年12月23日，美国白宫行政管理与预算办公室发布了《联邦数据战略与2020行动计划》。美国政府数据战略由3个部分构成：数据原则，确立了政府范围内使用数据的十大框架原则，长期指导其数据建设与利用；数据实践，确立了美国政府在数据文化、数据管理和数据利用等方面的40项具体数据管理举措；行动计划，确立了2020年美国政府在数据方面的20项具体行动方案，包括政府全局的共享行动、跨部门协作的行动及单个部门的行动。
2020年9月9日，英国发布《国家数据战略》，阐明了在英国如何释放数据的力量，为处理和投资数据以促进经济发展建立了框架。《国家数据战略》包括3个方面的内容：五大机遇，明确了英国政府大数据在经济增长、就业、公共服务、研发与社会治理5个方面的发展方向；五个优先行动任务，阐述了英国在数据领域的五个优先行动任务，即释放整个经济中数据的价值、确保促进增长和可信赖的数据机制、转变政府对数据的使用以提高效率和改善公共服务、确保数据所依赖的基础架构的安全性和弹性、倡导国际数据流动；四大支柱，针对英国在数据使用中遇到的诸多障碍，提出了数据基础、数据技能、数据可用性、数据责任四大支柱，以解决问题。
我国政府高度重视数据战略，在2015年国务院印发了《促进大数据发展行动纲要》，部署三个方面的主要任务，明确七个方面的政策机制。
数智化驱动融合发展，无论是政府还是企业，都需要以数据战略开发框架制定组织的数据战略。数据战略开发框架描述了将组织转变为由数据驱动的方法。
愿景规划是对组织数据前景和方向进行高度概括的描述，以明确组织未来10年数据发展的定位、期望与目标。
原则规划明确组织实施数据战略所必须遵循的基础准则，制定组织在治理、投资、数据、技术、运营等方面的指导思想。
能力体系设计明确组织在数据治理与运营、人才能力管理、数据资产管理、数据开发与利用、技术与基础设施方面的能力框架。
关键任务设计识别组织为构建和提升数据能力连续与通用的任务组合，使相关方能广泛、持续地采取相关行动。
行动计划设计明确组织在短期内（如1～3年），在数据方面必须采取的行动与时间安排。
数据能力
数据能力是实施数据战略、任务与行动所必需的行为、技能与知识的总和。数据能力从数据管理的指导目标开始，使组织能够像从其他资产中获取价值那样，从数据资产中获得价值。
组织的数据治理是极其复杂的，实现数据战略目标需要如下四个方面的核心能力。
数据战略与运营能力重点解决的是“谁”“如何”管理与运营数据战略的问题，是组织关于数据战略、数据价值、数据原则及数据管理策略，以及数据管理部门全面治理与运营数据的能力。数据战略与运营能力把数据战略提升到组织战略的高度来构建，是实现数据能力的基础。
数据资产管理能力重点解决的是数据如何存储、计算与访问的问题，是组织通过数据全生命周期管理，满足数据消费者快速、便捷、标准、规范、安全、可靠地访问数据的需求的能力。数据资产管理是一个非常成熟的领域，如《DAMA 数据管理知识体系指南》把数据管理分成数据架构、数据建模和设计、数据存储和操作、数据集成和互操作、主数据、数据仓库和智能、数据安全、大数据和数据科学、文件和内容管理、元数据管理、数据质量11个方面。
数据开发与利用能力重点解决的是数据分析的价值与场景问题，是组织定义数据价值、数据分析主题与场景，快速、持续地开发和部署数据产品，以支持业务需求、创造业务价值的能力。数据开发与利用能力包括数据分析主题、数据分析流程与数据价值体现。
数据技术与基础设施能力重点解决的是采用什么产品和工具的问题，是组织通过构建、部署基础设施及数据技术工具，以支持海量数据采集、加工、存储、运营、运维的能力。数据技术与基础设施工具包括基础设施、数据采集、数据加工、数据存储、数据质量管理、数据安全、数据挖掘、数据可视化、知识与协同。
数据能力可以通过数据成熟度模型进行评价。国际上把组织数据治理成熟度分成5个等级：起步级，缺乏数据应用的基础条件，主要通过报表了解业务运营状况；职能级，组织内存在分散的、自发的关注职能业务的分析，缺乏业务协同；成型级，组织有分散或集中的数据资产平台，设有一定的组织体系，如专门的岗位和专项分析；领先级，组织具有统一的数据资产管理平台，具有专门的人力和技术资源进行广泛的分析，但数据分析是职能活动而不是核心竞争力；卓越级，具有完善的战略、组织、数据、技术与运营闭环能力，通过数据智能实现组织商业模式或产品创新。数据能力通过与数据相关的组织、流程、技术（工具）和绩效指标来落地。
结语
当前，无论是政府各部门之间，还是企业各部门之间，以权力、安全为借口，导致数据封闭的现象绝非个例。数智化转型不仅是技术基础设施建设，还是站在战略的角度，构建以数据为基础设施的组织运营体系、数据资产能力体系，并在组织中树立数据思维。
数据思维最终还是要致力于解决两个重要的问题——数据战略问题和数据能力问题，才能最终实现真正的业务价值。
内容来源：《数智化：数字政府、数字经济与数字社会大融合》
出品人： 阿里云研究院战略总监 刘建强
联系邮箱：liujianqiang.ljq@alibaba-inc.com
阿里云研究院小助手微信：
AlibabaCloudResearch
编辑：阿里云研究院 马骏驰
