数字化转型六图法：数据地图

当企业完成战略、业务、需求、(数智)应用、算法地图的梳理后，需要进一步构建数据地图。数据地图作为一种以图形为表达形式的数据资产管理工具，可以对数据中台汇聚的所有数据进行统一查询、管理。

如今，各行业业务数据激增，企业越来越重视数据赋能业务的价值，数据中台的重要性尤为突出。企业需要搭建数据中台，基于数据地图对数据做管理、规划，达到技术降本、应用提效、业务赋能的目的。

数据是各行业不可或缺的重要资产，在应用过程中需要企业从数据资源规划、数据类目盘点、数据模型管理三方面入手，制定一套详备的数据地图，为后期利用数据中台架构实现数据赋能业务的目标奠定基础。

规划数据资源，保障数据应用效果

企业构建数据地图首先需要规划内外部数据资源，包括梳理数据类型、管理数据模型、调整数据资产、规范数据指标体系等。数据资源规划对构建数据地图、搭建数据中台起着至关重要的作用。在规划数据资源的过程中，管理人员和技术人员要紧密协作，调研、分析业务需求，明确需要获取的数据资源，以便保障数据应用的预期效果。企业完成内外部数据资源的规划后，需要对这些数据进行盘点，提高数据应用的效率。

盘点数据，提高数据应用效率

01盘点数据，高效应用数据

企业完成战略地图、业务地图、需求地图、（数智）应用地图、算法地图的梳理后，便会对未来6个月内的转型工作安排有一个清晰的了解。通过盘点内部数据，数字化团队可以掌握公司的数据情况，合理规划需要治理的数据。

这些不同类别的数据可用于打造数据地图，并据此梳理出数据高效应用模式。数据高效应用模式可以帮助团队快速匹配数据与业务人员之前的需求，解决数据适用的领域，挖掘相关数据的问题，从而提高数据的有效性，体现数据资产的价值。

02数据应用模式的误区

传统的数据应用模式首先是梳理数据地图，利用数据地图构建应用系统。然而，领导者单纯地凭借个人经验梳理数据地图，通常会忽视将数据应用模式与实际的数据情况相结合。在传统数据应用模式下，数据团队花费大量的时间治理数据、清洗数据、管理数据，导致所开发的数据应用系统无法及时满足业务部分的需求，企业投入的成本不能实现战略价值和业务价值。

采用盘点数据划分治理数据构建数据地图梳理数据应用模式的新型数据地图构建方式，可以帮助企业有效提高挖掘数据价值的效率。

管理数据模型，提高数据质量

企业可以通过构建数据地图管理数据模型，解决数据地图和数据模型开发不一致的问题，使数据模型的应用与数据资源相匹配，提升数据资源的利用率。

数据在实际应用过程中难免出错，比如因数据异常、代码逻辑错误导致数据结果错误，所以提高数据质量、确保数据的正确性是十分必要的。企业首先需要确定数据质量方向，制定完整的数据改善计划；其次要对数据进行分析、评估、清洗、监控，做数据错误预警，多方位把控数据，保障数据质量。

在传统数据应用模式下建立的大数据平台系统较为落后，无法满足用户的需求。因此，企业需要构建数据中台，依靠数据中台汇聚而成的数据地图对数据资源进行管理。

企业在打造战略地图、业务地图、需求地图、（数智）应用地图、算法地图和数据地图后，便形成了数字化转型的数据运用系统。当企业需要不同方向的模型算法、不同种类的数据资源时，便可利用六大地图实现快速匹配，提升数据利用价值。

按照战略、业务、需求、应用、算法、数据由上到下的顺序进行梳理是企业进行数字化转型时构建六大地图的正确方式。但一些企业选择从下到上梳理这些资源，即从有何种数据、有何种算法到实现何种需求等流程进行梳理，这种梳理方式以技术思维为导向，存在一定误区。

从下到上的数据资源梳理方式周期长、技术投入大，企业在梳理底部数据时容易走偏，尤其是当CEO对数字化转型流程不太清楚时，很容易变成数据“建治用”的模式，先进行数据建设、数据治理，再进行数据应用。