关于数据师的目标，这里就先从"目标"的概念入手，强化其内涵的的认知。为什么这样做呢？说下笔者的理解，"目标"作为连接数据师的战略和数据师的日常行为活动的中间环节，其关键性不言而喻！一方面对接数据师战略，保证其价值、愿景、使命的一致性，另一方面则指导数据师的日常行为准则，使其不偏离轨道。

"目标"的定义：1.射击、攻击或寻求的对象。2.想要达到的境地或标准。定义来至"百度百科"。

可见"目标"的定义，就是聚焦、穿透的行动准则。数据师运用目标理论能够很好的达成目标，完成数据师战略，从而提升企业的数据优势，获得企业的有效竞争。接下来，再看下经典的SMART目标管理原则吧！

"SMART"，分别由"Specific、Measurable、Attainable、Relevant、Time－based"五个词组组成。这是订定工作目标时，必须谨记的五项要点。

  • S（specific）明确性，指绩效考核要切中特定的工作指标，不能笼统；
  • M（measurable）衡量性，指绩效指标是数量化或者行为化的，验证这些绩效指标的数据或者信息是可以获得的；
  • A（attainable）可实现性，指绩效指标在付出努力的情况下可以实现，避免设立过高或过低的目标；
  • R（relevant）相关性，指实现此目标与其他目标的关联情况；
  • T（time－based）时限性，注重完成绩效指标的特定期限。
  • Smart是确定关键绩效指标的一个重要的原则。

一句话，没有计量就无法管理。强调以数据管理为核心的数据师们，更是需要经过严密的设计和计算获得支撑战略的目标体系。

这里给出转换目标体系的简单方法"平衡计分卡"，它简单、有效，支持数据师战略到数据师目标体系转换。相关详细内容，大家百度下就好，这里就不再重复讲述了。再次强调下，设定目标是开始执行的前提，其前置活动就是必须制定正确的战略，否则一事无成。这一点数据师应当审慎，好的做法是从可识别的备选战略方案中精选出最符合企业优势的目标体系，之后就是不懈的追求企业战略竞争优势。还有就是，目标、战略、价值评价三个方面是循环体系，还需适时应机不断更新演进，确保组织体内每项数据资产，均能在方向一致的努力下，实现企业数据价值的最大化，突出企业数据优势。

数据师的原则

继数据战略之后，建议首先确立的就是行为准则，即原则。数据师的核心原则有三个方面：

  • 关注数据；
  • 数据资产获得独立；
  • 提升数据管理成熟度。

关注数据，就是指数据师应当专注致力于对数据的理解、管控及应用，核心在于数据需求管理。
数据资产获得独立，是指去掉数据的隐匿性，将它从应用组件的包裹中释放出来，充分的发挥数据作为资产的价值。
提升数据管理成熟度，这里可参考基于CMM能力成熟度模型方法开发的DMM数据管理成熟度模型，主要有五大方面：数据管理、数据治理、数据架构、数据开发、数据质量。成熟度等级分为五级：初始级、可复用级、被定义级、被管理级、持续优化级。

数据师的目标

数据师的目标来源与数据师的战略的理解，上一篇已经对数据战略进行了说明，其本质是企业通过数据资产的管理，获得组织体基于"数据"方面掌控能力，支撑企业的的总体战略，持续提升企业竞争优势。围绕数据资产管理业界对于数据师的通用目标框架（DAMA数据管理知识体系）给予了初步界定，大家在实践中可以结合企业的优势进行裁剪优化，俗话说："万事万物都在运动中成长，此消彼长，适时事也！"。参考的目标体系框架如下：

  • 数据治理
  • 数据架构
  • 数据质量
  • 元数据
  • 主数据和参考数据
  • 文档和内容
  • 数据开发
  • 数据操作
  • 数据仓库和商务智能
  • 数据安全

数据治理包括战略、组织和角色、政策和标准、项目和服务、问题、估值；
数据架构管理包括企业数据模型、价值链分析、相关数据架构；
数据质量管理包括规范、分析、度量、改进（PDCA）；
元数据管理包括架构、整合、控制和交付；
主数据和参考数据管理包括客户数据、产品数据、维度管理、外部规范和内部规范；
文档和内容管理包括获取和存储、备份和恢复、内容管理、检索、保留；
数据开发管理包括分析、数据建模、数据库设计、实施；
数据操作管理包括获取、恢复、调优、保留、清除；
数据仓库和商务智能管理包括架构、实施、培训和支持、监控和调优；
数据安全管理包括标准、分级、管理、授权、审计。

数据师的责任

明确了以上的目标和任务，依据组织分工理论，数据师们就需要结合自身的专业优势特点，承担其相应的责任啦！相对于不同专业数据师任职差异，这里仅对CDO首席数据官提出相关描述：

  • 领导数据师团队开展数据资产管理工作，设计、制定和执行数据战略，确保促进企业业务战略实现；
  • 将数据治理工作作为企业数据架构的主要基础载体，开展行之有效的数据资产管控，持续提升数据架构优化、保障能力；
  • 灵活适应企业数据需求的复杂、多变，确保数据交付能力；
  • 建立健全的数据管理人员保障体系，持续获得数据关键能力的提升；
  • 不断提升数据问题解决的有效性和效率，持续支撑企业数据资产的设计和开发；
  • 确保已评估的数据风险下，数据资产的持续可用。

小结：数据师的目标本质在于聚焦集中于解决数据管理的每一个部分，将高层的战略转化为详细的数据师的战术、操作决策。这里结合自身经验提醒各位朋友，目标太多会使人"一叶障目，不见深林"，目标太少又会使你丧失全局观。个人在这方面走的弯路不少，消耗了大把的青春，今戒述诸君"保持目标的动态平衡：前瞻性和滞后性，外部和内部..."要覆盖整体企业，而非部分领域，要突出企业优势，而非整体优势。最后，以"拓荒者"的名义，在这片充满"数据"的土地上，翻耕、播种，待到"滚滚麦浪"时，这就是我的价值。
数据小兵 http://www.fuduo.wang