隨著智慧型物件、人工智慧運用場景的普及，根據業務策略而制定的大數據策略變得尤為重要，明確了業務的長、中、短期目標，以及實現這些目標將會面臨的障礙之後，還得理解數據能力對這些目標有何貢獻。
大數據時代衍生的變化，體現在資訊的產生及獲取變得更為快捷，溝通（包括發布、傳播、互動）從單點到互聯，資訊變得更網狀、無序和碎片化。然而，獲取速度又快、數量又多的資訊，很容易被錯誤地解讀為唾手可得，而且成本越來越廉價。如果你目前有這種想法，那你可能已經在不知不覺間被捲進了「數據越多越有用」的誤區。
在資訊爆炸時代，擁有大量資訊可能是災難而不一定是好事，也不等於你有能力用好它。暢銷書《大數據》（Big Data）的作者邁爾荀伯格（Viktor Mayer-Schönberger）在最近一次演講上也強調了數據相關性的重要性。簡單地說就是，收集、儲存和管理數據的綜合成本不菲，是每個企業必須面對的問題。
根據業務策略而制定的大數據策略變得尤為重要，我們首先需要重新審視或辨識有用資訊，並判斷哪些數據可以放棄。一切數據收集活動的出發點都來自業務需要，或者可以應對未來的業務發展。例如，阿里巴巴的電商數據策略就離不開「人、貨、場」的組合。接下來，就是以短期問題作為出發點，並以中長期的發展趨勢為準來決定資源的優先分配順序。
從業務過程中收集資訊、分類資訊、整合資訊，必須成為日常思維的一部分，這是成為數據驅動型公司的必要條件。例如，在產品設計環節中，除了加入產品需求文件（PRD）之外，還要加入數據需求文件（DRD），以重點描述數據相關的需求及變更。
以此類推，在業務的各個環節中，都要考慮數據的收集、匯總及使用，並評估所收集的數據與主體業務之間的相關性。但目前大部分企業依舊秉持「取之所用，無用則棄」的傳統資訊理念，而不會同時考慮長遠數據策略所需要的積累。僅僅服務於當前，為短期目的所收集的數據肯定會偏於狹隘，大數據更需要為未來業務方向做好儲備，換句話說，數據策略的目的就猶如「養兵千日，用兵一時」。
明確了業務的長、中、短期目標，以及實現這些目標將會面臨的障礙之後，還得理解數據能力對這些目標有何貢獻。作為策略部署，我們還需要系統思考（Systems Thinking），去發現周邊生態的數據與主體業務之間的關聯。
舉個例子，要真正了解淘寶的商品交易細節，除了買家的需求之外，物流、支付、競爭對手、賣方營運等數據，都是整體必不可少的一部分。有了大方向之後，從數據策略到數據落地策略，大致可分為四個步驟：
確定業務目標與資訊缺口之間的關係，明確數據收集的方向。
尋找相關資訊的同時，評估零散資訊整合的難度及數據源的品質。如果數據來自外部，應優先考慮元數據（metadata）較完整的資訊來源。
關注各種數據資源的使用情況及在場景中的回饋結果，同時盡可能記錄下數據從產生到應用的過程，這是從「計畫經濟」到「市場經濟」的落實點，數據必須運用才有價值，以點帶面地經營數據會更穩健。
最後回到第一步，識別資訊來源與業務目標的關係，優化資訊收集、儲存、整合的過程。
隨著智慧型物件、人工智慧運用場景的普及，資訊產生的形式和速度也變得難以預測。我們需要更便捷、成本更低的方法尋找及收集多源異構的零散資訊，並把它們縫合起來。所以我一直以來都致力於建立大數據的技術平台，促進以上各個環節都能更自動化地完成。
從我在阿里巴巴管理大數據的第一天開始，我就感受到，數據開發的速度是營運大數據的必然瓶頸。不要小看這個縫合的技術，它是細節上的魔鬼，做好它，才能稱得上真正做好了大數據營運。 （相關報導： 《大數據的關鍵思考》(3)：CEO關心那3項數據？ ｜ 更多文章 ）
＊作者為清華大學經管學院及歐洲工商管理學院（INSEAD）雙碩士，先後任職於支付寶、淘寶，並擔任阿里巴巴集團副總裁及首任數據委員會會長，曾任滙豐銀行IT部高級管理人員、香港電訊PCCW產品經理、微軟搜尋總監、eBay產品總監，以及敦煌網首席產品官，創立世界首家跨境交易的B2B電子商務平台。著有《大數據的關鍵思考：行動╳多螢╳碎片化時代的商業智慧》、《數據的商戰策略：建立以數據驅動為核心的營運關鍵》等書。本文選自《數據的商戰策略：建立以數據驅動為核心的營運關鍵》
