本指南解释了什么是数据管理，以及如何让组织捕捉数据的优点，同时消除非托管数据的缺点。

想要保持更新的部分发布，事件和更新? 订阅以下内容以保持联系。

有关部门如何处理您的个人数据的信息，请参阅我们的隐私政策。

想了解更多关于客户数据平台的信息吗？

观看产品之旅，看到部分的 CDP 的行动，并了解如何可以影响您的业务。看好了

保持联系

到2025年，世界上连接的设备将产生79.4 zettabytes (ZB)的数据。那就是79.4万亿字节，而企业将会收集其中的大部分信息。这些原始数据中蕴含着有价值的洞察力，但数字证书认证机构、合规风险和 IT 问题也是如此。

数据管理是一系列业务流程和实践的术语，这些业务流程和实践使现代组织能够捕获他们收集的大量数据的优点，同时消除非托管数据的缺点，如重复记录、过时信息和捕获无用数据。

在本指南中，我们将涵盖以下主题，每个经理都应该熟悉，因为数据作为企业资产的重要性日益增长:

• 什么是数据管理？
• 任何规模的数据管理挑战
• 数据管理流程和系统
• 改进数据管理的五个技巧
• 充分利用客户数据
• 资料管理常见问题

什么是数据管理？

数据管理是确保您的业务处理的所有数据都是准确、标准化、安全的，并且可以为整个组织访问的策略和过程。最终目标是帮助组织从他们的数据资产中提取尽可能多的价值。

将未经管理的原始数据想象成原油，将可操作的商业智能想象成汽油。从石油到汽油是一个包括提取、精炼、质量保证、运输和其他几个步骤的过程。数据管理是原始数据的等价过程。它有助于将原始数据转化为可操作的业务智能。

公司需要在数据的整个生命周期(从创建到处理)中积极地管理数据。积极地管理企业数据有助于公司更好地控制它们收集和存储的信息，这在几个方面使它们受益:

• 减少数字证书认证机构
• 由于有意或无意的不遵守减少了法律风险
• 提高了所有团队在更短的时间内做出更好的业务决策和从数据中提取更多价值的能力，因为数据已经被清理和标准化了
• 为市场营销、销售和产品等团队提供更准确的市场和客户洞察力，减少工程师和分析师的参与

任何规模的数据管理挑战

数据的类型和信息量每年都在增加，即使是小企业也不例外，数据作为公司资产的价值也在增加。这意味着客户数据管理对于那些在技术、法律、战略和运营方面面临挑战的不断发展的公司来说是一项越来越重要的职责。

缩放存储、标准和性能

在大多数情况下，当涉及到数据存储和扩展时，您最好不要只考虑大的方面。在估算设备、数据仓库存储空间和业务在未来几年将需要的流程时，预测的内容比你预期的要多。

随着您的扩展，请注意数据不一致性，因为这些不一致性通常会随着您使用的数据源和工具数量的增加而增加。团队倾向于跟踪太多的事件，每个事件命名不同，有时跟踪重复的事件。

第三方云服务和像 Segment 的客户数据平台(Customer Data Platform，CDP)这样的平台可以帮助您以较少的努力快速扩展规模。CDP 允许您尽可能快地增长，而不必为难以理解和预测的数据量计划精确的存储和数据库系统性能需求。您也不必手动强制执行数据隐私和其他标准，这在一个快速增长的公司中可能很难做到。

跟踪数据遵从性

与几年前相比，监管机构现在更加关注数据管理实践。欧洲的 GDPR 和加利福尼亚的 CCPA 等法规旨在让消费者对自己的数据有更多的控制权，并打击隐私不当行为。还有针对特定行业的保护措施，如 HIPAA 对医疗数据的保护，PCI 对信用卡数据的保护。

这些法律迫使处理客户数据的企业监控不同地区不断变化的合规要求。您需要确保只捕获和存储法律和消费者允许您捕获和存储的数据类型。

如果没有自动化，确保大规模的遵从性几乎是不可能的。使用类似 Segment 的 CDP，您可以自动对客户数据进行分类，执行隐私策略，并为客户提供隐私控制。

使整个业务的数据具有可操作性

如果您希望最大化数据对您的业务的价值，那么您的数据需要对所有团队都具有可操作性。为了实现行动准备，信息总是需要为整个组织实时更新和访问。

在太多的公司中，每个部门都捕获和管理自己的数据，创建其他团队无法访问的竖井。

例如，营销团队可能在新闻通讯工具中存储电子邮件地址，销售人员可能在 CRM 中放置联系信息，产品团队可能在应用程序数据库中收集客户使用情况和帐户数据。团队通常以不同的格式存储这些数据，因此只有在工程师或分析人员手动清理并准备好信息之后才能进行交换。

使用 CDP 作为数据的存储点，您可以为客户信息创建一个中心真相源，每个团队都可以独立地连接到这个真相源。类似 Segment 的 CDP 确保所有数据始终是最新的，并以相同的格式存储，而不需要任何清理工作。

为数据管理选择正确的工具

您需要为数据管理选择一组工具，但是存在的存储、管理和分析数据的解决方案的数量几乎与数据本身的数量相当。有 CDP、客户关系管理系统(CRM)、数据管理平台(DMP)和数据科学平台。对于存储，您拥有数据仓库和数据湖，以及大量用于分析和数据建模的数据仪表板和工具。

为了使工具选择更加复杂，每个组织的数据需求是不同的，因此不可能提供一个明确的指南或完整的选择过程来选择正确的工具。尽管如此，这里还是有一些重要的指南和更详细的指导链接，帮助你走上正轨:

• CDP 帮助您处理第一方数据ーー您直接从客户收集的信息。DMP 主要处理第三方数据。
• CDP 与 CRM: CDP 跨所有渠道和平台捕获客户数据。CRM 主要关注销售团队及其客户信息。CRM 的技术架构也使它们不太适合为整个组织形成单一的真相来源。
• 数据仓库与数据湖: 原始数据(通常没有清晰、直接的用例)进入数据湖，而数据仓库保存可供使用或分析的信息。

对于大多数企业来说，从像 Segment 这样的 CDP 开始管理第一方数据是一个很好的起点。您确保跨所有接触点捕获并标准化有价值的客户数据。与此同时，您仍然可以灵活地研究和测试其他工具，并在需求变得更加明显时慢慢构建数据基础结构。

数据管理流程和系统

为了向业务中的所有团队提供准确、标准化、安全和可访问的信息，您需要一套跨组织的广泛流程、系统和资源。

数据治理

数据治理涉及规划、创建、实现和执行策略，这些策略概述了组织如何管理其数据。它的最终目标是确保高质量数据的广泛可用性ーー即标准化、安全、兼容和最新的信息。

数据体系结构、建模和设计

数据体系结构涉及设计满足公司数据管理目标和标准所需的基础设施。

数据建模和数据设计涉及到数据的组织，例如数据库的布局和设计，以及用于管理数据库中数据的编程语言，例如 SQL。

数据存储和集成

数据存储包括实现和维护用于收集、存储和管理数据的物理硬件或基于云的基础设施，例如服务器、数据管理平台、数据仓库和数据湖。数据集成实践确保在数据库中以结构化形式组织和维护原始数据。

实际上，您使用数据存储来实现数据体系结构和数据集成来实现数据模型。

数据质量和安全

数据质量负责处理您正在捕获、存储和分发的信息，以确保它的完整性和最新性。它有助于防止重复记录、版本不一致、信息丢失和数据损坏等问题。

数据安全性处理通过加密和其他方法对数据的保护。其目的是确保您的组织的信息仅对授权用户可访问，并防止由于意外移动或删除而丢失数据等问题。

数据分析

数据分析通常形成数据管理过程中的信息的端点。这是数据科学家以商业智能和洞察力的形式挖掘数据的黄金所在，从而为决策、个性化、营销活动和智能客户支持等提供信息和支持。

改进数据管理的五个技巧

要立即扩展数据管理最佳实践的集合，请添加以下五个提示。

制定计划并记录变更

要从数据中提取业务价值，需要规划数据管理活动。在我们的 CDP 成功指南中，我们概述了一种方法，您可以使用它来规划为什么以及如何管理您的组织的数据:

1. 设想结果：形成一个清晰的图景，说明您希望通过组织中的数据实现什么目标。
2. 制定需求:概述数据的业务和技术需求，并将这些需求与期望的结果联系起来。
3. 使用 CDP 价值生成模型创建焦点:价值生成模型帮助您将数据的用例映射到结果、涉众和 KPI。

这三个步骤可以构成记录更详细的数据治理策略和过程的基础。您需要将这些文档存储在一个中央知识管理系统中，在这个系统中，整个组织可以使用 Confluence 或 Notion 等工具轻松访问这些文档。您还需要定义保持信息更新的过程，因为人员和他们的知识可能会离开组织，而且您的数据管理需求无疑将不断发展。

通过培训员工创建数据文化

当您定义标准时，您还没有完成数据的标准化; 您需要人们来实现和维护它们。正如 Segment 咨询服务负责人塞思•法米兰(Seth Familian)喜欢说的那样: “每一份好数据背后都有一个伟大的人，他采用了一个伟大的标准。”

您需要教授和培训人员按照您的数据治理策略和流程来管理数据。

• 在新员工入职时包括数据管理主题。
• 将有关数据管理的信息添加到内部 wiki 或知识管理系统。
• 通过电子学习平台开发和分发数据管理课程。
• 将数据管理策略的更新作为定期会议的一部分，如市政厅会议或组织领导团队的季度更新。

优先考虑数据安全性和遵从性

数据安全性和遵从性就像是一种保险，可以防止数据泄露和有意或无意的违规行为给您的业务带来巨大的财务和声誉损失。就像保险一样，你可能在一段时间内得不到它，但有一天它可能会成为你的毁灭。通过对整个组织的安全和法规遵循实践进行优先排序，您将最小化风险，并能够及时有效地处理威胁、破坏和其他此类挑战。

经常进行数据审计

定期的数据审计可以确保服务器和数据库上的实际情况与作为数据治理的一部分而记录的理论标准和策略相匹配。此类审计应包括以下内容:

• 通过检查每个团队存储了什么数据以及存储在哪里，并确保所有部门都可以访问和使用这些数据，从而确保没有数据竖井。
• 检查团队存储的数据的预期用途。如果在可预见的将来没有明确的用例，可以考虑删除信息，将其移动到数据湖，或者一开始就不捕获它。
• 在所有与数据相关的基础设施上运行技术性能测试。这应包括基于未来数月和数年预测数据量的压力测试。
• 检查遵从性和安全性检查，例如是否使用了加密，是否阻止了未授权的访问，等等。

审计的频率取决于组织的规模、处理的数据量以及行业的性质。例如，软件即服务(SaaS)或电子商务业务可能会发现每两年或每年进行一次数据审计就足够了，而银行可能会每季度或每月进行一次检查。

使尽可能多的任务自动化

您现在可以自动化数据管理的许多方面。事实上，有些任务在没有自动化的情况下实际上是不可能处理的，比如在大型数据集中强制执行标准化和隐私遵从性。

你应该考虑自动化的一些任务包括测试基础设施的性能水平、加强标准化和合规性、进行部分审计、生成预测分析报告、在源头测量数据质量，以及定期进行安全检查。

充分利用客户数据

部门学院将客户数据定义为“任何表明你的客户是谁以及他们如何使用你的产品或服务的数据。”对于大多数公司来说，这些信息已经成为他们管理的最有价值的数据之一。它可以帮助您更好地了解客户，并提高业务关键方面的性能，如运营、营销、产品和支持。

像 Segment 这样的客户数据平台(Customer Data Platform，CDP)通过自动化执行诸如实时获取、标准化、观众创建、细分和隐私遵从等许多任务来减少管理此类信息的难度。这反过来使所有部门更容易从客户数据中访问和提取尽可能多的价值，而不需要工程师这样做。

例如，您的营销团队可以独立地尝试新的工具，并在获取客户数据后立即使用这些数据发起营销活动。支持代理可以在为客户服务时实时看到整个客户流程。管理人员可以查看完全最新的仪表板，而不是根据几天甚至几周前的报告做出决策。