在董事会会议室和高层管理论坛上，数据通常被描述为企业的生命线或数字化转型的基石。衡量数据重要性的最明显指标之一，就是企业为保护数据愿意投入的资金数额。全球范围内，网络安全、数据保护以及备份与恢复方面的年度支出现已超过2000亿美元，且仍在持续攀升。

这些投资并非旨在创造新价值，而是为了防止数据丢失、损坏、滥用和长时间中断。随着数字风险加剧、云服务普及、AI相关威胁涌现以及监管压力增大，预计支出将进一步加速，鲜有其他企业资产能吸引如此高水平的持续性防御投入。除非失败不可接受，否则企业不会如此积极地保护某样东西。数据之所以成为关键任务要素，并非靠空谈，而是出于必要。

数据管理的重要性日益凸显

随着数据重要性的提升，对数据管理的投资也在增加。全球在数据管理软件、平台和服务上的年度支出现已超过1500亿美元，且逐年递增，这些投资涵盖数据集成、治理、质量、主数据、元数据以及生命周期管理，涉及日益复杂的数据体系。

企业之所以进行如此大规模的投资，并非因为数据管理是时髦之举，而是因为，没有数据管理，数据就无法可靠地集成、信任、治理，也无法为分析、AI和运营决策提供支持。在企业级层面，数据管理不善不仅会限制洞察力，还会阻碍执行。

数据管理仍未得到充分理解

在高层关于数据管理的讨论中，最持久的挑战之一是对数据管理实际含义缺乏共识。在实践中，数据管理往往通过两种相互竞争的视角来看待。

第一种视角将数据管理视为基础设施和控制问题，重点关注平台、存储、集成、安全和合规，其成功标准在于稳定性、成本效益和风险降低，这些基础固然重要，但这种观点往往将数据管理等同于托管和保护数据。

第二种视角则将数据管理视为企业能力，这里强调的是，数据能否在企业范围内可靠地获取、集成、治理、信任和一致使用，其成功标准不在于正常运行时间，而在于采用率、一致性和运营影响。

大多数企业之所以挣扎，是因为它们在第一种视角上投入巨大，却期望得到第二种视角才能带来的结果。实际上，数据管理并非一个系统或支持功能，它是一种企业能力，确保数据质量、完整性、可用性和一致性贯穿整个企业。没有这种能力，数据就无法为分析、AI或决策提供可靠信任、扩展或应用的基础。

数据管理能力为何重要

将数据管理视为企业能力，最能解释为何拥有相似数据管理技术和专家的企业，在实现的价值和绩效上却大相径庭。尽管这些技术和专家日益商品化且易于获取，但数据管理能力却受企业结构、专业知识和工作方式的影响，这些都需要时间来培养，因此，竞争对手难以轻易观察、复制或模仿这种能力，而且，这种能力越完善，带来的价值、绩效和优势就越大。

是什么促成了数据管理能力

促成因素是影响数据管理能力发展和持续的企业因素，它们指出了CIO应集中精力和投资的方向。

在十多年的数据与分析项目合作经验中，结合金融、医疗、政府、能源与公用事业、电信和零售等行业案例研究，我们发现了一个一致的模式：有效的数据管理是通过长期持续的纪律、领导和企业实践构建的，而非通过孤立的项目或一次性投资。

将数据质量纪律融入运营

有效数据管理能力中最常见的促成因素之一是数据质量纪律，将数据质量作为持续责任来运营，而非视为下游技术问题，这样的企业能发展出更强、更具韧性的数据管理能力，这通常涉及明确的数据质量责任、贴近数据源的数据管理角色以及持续监控，而非定期修复。

如果数据质量得到早期且系统的处理，数据管理的其他方面就更容易扩展。如果忽视数据质量，问题会迅速在系统和流程中蔓延，无论平台多么先进。

在金融服务和医疗等高度监管行业，外部监管和报告要求往往作为催化剂，促使企业在数据质量、定义和可追溯性方面加强纪律，然而，受益最大的企业是将这些纪律融入日常运营，而非仅视为合规驱动的活动。

通过领导力实现数据标准化

与数据质量纪律紧密相关的是一致的数据定义和共享理解的重要性，制定、维护和传达数据定义的正式流程能减少企业内的歧义和摩擦。数据字典和元数据存储库很重要，但其真正价值在于定义如何达成一致、治理和重用的纪律。投资于这种纪律的企业能避免反复争论“谁的数据正确”，并能更好地跨职能和系统集成数据。

除了这些基础，观察到的最强促成因素是企业性的而非技术性的，高层领导和企业关注起着决定性作用，当领导者明确将数据视为受管理的企业资产，并通过优先级、资金决策和行为来强化这一框架时，数据管理能力发展得更快、更一致，如果领导关注是零散的或完全委托给技术团队，进展就会脱节且容易逆转。

将数据所有权和决策权制度化

明确的数据所有权是有效数据管理能力的关键促成因素，高绩效企业明确谁拥有数据领域、所有权包含什么以及如何行使数据质量和定义的责任，所有权通过明确的决策权得到强化，包括谁有权在出现权衡和冲突时做出决策，这种清晰减少了重复工作、限制了局部变通方法并加速了决策。如果数据所有权不明确或存在争议，企业几乎总是会遇到数据不一致、解决方案冲突和对决策数据信任度下降的问题。

经验和时间也很重要，数据管理能力并非来自单一项目或系统实施，它是通过反复使用、学习和改进逐步积累的。认识到数据管理是持续旅程的企业，会更一致地投资于培训、知识共享和能力建设，使用测试学习方法和有针对性的快速胜利来建立势头。

早期进展往往由关键个人推动，但可持续的数据管理能力只有在知识、实践和决策权制度化，而非依赖个人专业知识时才会出现。

企业数据平台和AI作为能力加速器

另一组重要的促成因素位于业务和技术的交汇点，跨边界角色和IT与业务团队的紧密协作始终支持更强的成果，数据卓越中心等结构有助于将数据管理能力与公认的业务需求对齐，确保数据管理支持决策而非作为独立的技术功能运作。

数据卓越中心和现代平台仍然重要，但其贡献常被误解，它们的价值不仅限于存储、性能和韧性，真正的好处在于它们如何支持企业范围内的集成、重用和一致性。如果没有上述企业促成因素，基础设施投资很少能转化为实质上更好的数据管理成果。

AI越来越多地用于自动化数据验证、对账和元数据生成，其影响日益普遍，然而，经验表明，AI是数据管理能力的加速器，而非替代品。在这种情况下，AI作为加速器的有效性取决于基础数据质量纪律、治理和企业准备度的强度。

这对CIO意味着什么

当这些促成因素薄弱或缺失时，企业会经历所有权分散、定义不一致、数据质量工作被动以及对数据信任度低的问题。

技术基础是必要的，但它们不是成功的主要驱动力。最大的杠杆在于加强领导意图、所有权和问责制、数据质量纪律、企业专业知识和将数据管理能力嵌入日常实践的工作方式。随着这些促成因素更加完善，数据管理能力增强，企业从数据中获得的价值和绩效也随之提升。

CIO的关键要点

• 当数据管理被视为企业能力而非基础设施功能时，它能创造价值。

• 数据质量、数据定义和所有权必须融入运营并制度化，而非通过定期修复或合规活动来管理。

• 领导框架、决策权和工作方式决定了数据管理能力是扩展还是碎片化。

• 只有当强大的企业基础已经存在时，企业数据平台和AI才能加速数据管理能力。

• CIO通过将数据管理能力嵌入日常实践，而非追求孤立的技术项目，能产生最大影响。