我們曾介紹過，企業決策者與員工都應該具備「數據素養」；也說明了為何企業提升數據素養，能對於內部營運和向外開發績效都大大幫助。數據資料能幫助業者根據不同客戶，制定更加精實的合作方案；並且能提高企業內部的合作效率和風險管控。
我們可以說數據是一種武器，擁有數據素養，等於擁有這項武器；而對於「怎麼運用」這項武器，則是一門專業方法論：「數據管理」。
數據管理是什麼？以實做上來說，可以把數據管理定義為：
企業決定「如何蒐集數據、如何分類分化數據；以及如何根據各種目標，來分析提取哪些對應合用的數據資料做使用」的一套方法。
方法沒有定論，而是根據每個企業自身的目標規劃、市場定位、可動用的資源及獲利方式來建構。企業應該要投注資源、有些甚至專門成立一個團隊在做數據管理。才能幫助企業內上上下下，可以有效地搜集、定義、存儲、整理、保護、分析數據，以確保企業蒐集數據時，是有目標地蒐集，並且後續能妥善運用這些數據、發揮最佳功用。
根據軟協常務理事 張榮貴博士 提出的洞見，我們應該先從「資料準備」和「資料情境化」兩條線雙向思考。因為一筆資料會被人蒐集，一定是因為有原因、有需求；所以除了資料本身，「為什麼要蒐集」這一點，我們也同樣要去思考，避免盲目貪吃，反而無法消化，企業決策的目標還被帶偏。
在硬體條件上，首先建立夠大的儲存空間來保存資料；保存的資料以原始未加工分析過的為主，包含企業營運時產生的內部資料與外部資料。
「內部資料」例如：交易資料、與客戶聯繫的紀錄、潛在客戶名單、企業內部資源盤點、人力資源名單、內部專案合作紀錄…等。「外部資料」例如：企業在同質市場中的輿情監測、產業環境趨勢、客戶／消費者的網路行為追蹤、社群媒體曝光成效統計……等等。這些資料不一定是具體的文字、報表和圖片；也包含訊息、連結、日期等非結構化資料。兩者混和呈現出這些資料的完整意思，簡單舉例來說，單一張業務成交率結算表，儲存在企業內部雲端中，並不夠完整；還要加上確切的統計日期、有關業務們的服務提案資源連結……等等，才會更完整地呈現企業內部資料，以便日後參考使用。
「資料情境化」意思是，「規劃這筆資料使用的情境」，把前段敘述的資料跟何時要使用、為何要使用、要用到什麼程度連結起來。對企業來說，理想狀態是先有具體的目標，根據這些目標延伸規劃「所以我們要蒐集什麼資料」，因此資料情境化其實已經具備在資料蒐集的階段裡了，只是我們不一定有意識到。
我們要注意的是，資料的情境會隨著人的需求、企業需求而不斷改變，因此會建議在開始蒐集資料、使用資料時，要不斷再度錨定企業的目標，和達成目標的策略可行性；我們才能確保情境符合目標，藉此蒐集到對應的數據資料，做出正確的分析，並且在後期分析數據資料時，能更輕鬆順利。
在開始抓資料做分析之前，使用者一定要先確定「資料是中立的，只反映出客觀事實」；什麼是中立資料？假設我們知道一位籃球選手投進 10 顆球，覺得他命中率很高；但只說「命中率很高」就不客觀，忽略了整體基數：他是在總共投了 10 顆球中進了 10 球？還是投了 100 顆中進10 顆？而且，怎麼定義「命中率很高」，是跟所有台灣的球員比嗎？
以上，總歸只有「某球員，在某場比賽中，共投了 XX 顆球，投進 10 顆球」是中立資料；至於命中率高低與否，則取決於實際要提取數據來使用時，根據不同的分析情境，對該數據下定義。
企業應該先盤點：日常中，各別是哪些部門人員常用到什麼數據資料？最常用什麼方法去蒐集到這些資料？以及每個部門人員使用數據資料於做什麼事（目標）……等等這些細節。不是所有數據資料都同等重要，亦非所有數據都值得存取；數據管理要以「最終使用為目標導向」的方式判斷，才能真正從數據中獲益。
將所有數據資料根據類型、相似性、關聯性和重要性，建立適當的數據分類系統、企業內部查詢系統，使數據易於管理和應用。例如產品屬性，就能拆分不同的商品用途、種類、顏色、尺寸、品牌等，以便了解特定產品品項的銷售情況。
如果是小型或微型公司，使用市面上許多有兼具儲存空間的協作系統、加上串聯資安防護其實就夠用了，若是大型企業，則比較適合在自架的資料湖中，建立管理分類系統、以及決定資料及之間的共享權限。
建立企業內的品管規範來監測、維護數據的品質，包括數據完整性、一致性和準確性，定期清理更新數據，確保數據持續具有參考價值。
例如零售業的銷售庫存就是一種重要數據資料，每日進貨賣貨會讓數據不斷改變。因此零售業者可能就會制定規範要求每天統計、核對各品項的銷售數量與庫存數量，才能隨時發現是否需要補貨調貨、出清哪些品項；確保未來銷售過程順利。但若是其他產業，就不一定要每天追蹤庫存數，這回歸到不同企業的性質與目標差異，以「最終使用為目標導向」來制定規範，才是把人力運用在有意義的數據管理工作上。
企業擁有的數據資料是最重要的知識資產之一，數據管理工作必須包含「防範數據資料被盜取、造假或不當分析利用」，並且配合企業的產業類型、服務項目，制定合乎政府法規的數據資料使用措施（例如 GDPR），避免法律風險。
保護企業的數據資產，企業對內可以透過雇傭合約、防火牆、公槽共享的分級制度等等，約束每個數據使用者會觸碰到的數據內容。而企業對外時，要注意提供資料給外部對象之前，必須將原始數據經過篩選調整、適當匿名與隱蔽，並相互簽署該資料的使用規範，避免企業資料遭外洩或曲解。
Digti Spark 運用數據科技的模式，聚焦於「數據行銷」；我們日常在蒐集數據、管理數據、分析數據上，都是以「助長品牌行銷」為核心，再針對不同的行銷計畫、手法策略、行銷成效統計等等，去延伸各種行銷專案任務的子目標；數據在專案應用上產生魚幫水、水幫魚的效果。
蒐集的對象包括：品牌的消費者、潛在消費者大眾、競業們的數據。而我們要蒐集的數據包括：網站分析、社交媒體數據、客戶關係管理數據、市場聲量研究……等等。
最常見是透過 GA4、Meta Business Insights、Ahrefs Rank Tracker 等工具抓取數據。最重要的是，在著手抓取數據之前，行銷人員先全盤了解品牌在行銷上的痛點、該品牌目前在市場上的定位，規劃行銷活動策略後；根據策略來抓取數據、並為數據分析意義。
使用數據分析的 Martech 工具和視覺化報表工具 Tableau、Power BI、Google Data Studio ……等等，將提取的數據資料歸類，並從每個中立資料中，分析出它們之間的關聯性、以及針對某個行銷目標來說，它們反應的意義是什麼。
▼ 利用 Martech 工具整理、分析數據
這樣的數據分析，需要由專業的行銷顧問透過他們對消費者、市場上各家企業的認知，精準地解讀數據，並幫助企業利用數據來下更好的行銷策略；且決定應該追蹤行銷活動哪些指標，才最具關鍵性意義。
（想知道「行銷顧問如何解讀數據？歡迎來 Digit Spark 的數據行銷知識庫吸收知識！）
行銷顧問可以從數據的意義，進一步為品牌的消費者定制個性化的行銷方法、CRM 方案，藉此提高消費者對品牌的注意力、促進品牌與消費者深度互動，增加銷售轉換率。
利用數據資料，我們能抓出不同消費者群在網路上發生的行為，搜尋什麼關鍵字、對哪些議題內容有興趣、在電商下單之前會比較什麼資訊……等等；有了數據資料，行銷顧問能分析出「消費者的潛在意圖」，藉此來創造、優化針對不同消費者的「個性化行銷策略」，達成吸引並鞏固消費者的效果。
數據管理的思維，從「我要達到什麼目標」出發；我們要懂得問對問題，才能知道該怎麼獲取數據、要獲取什麼數據，讓企業與個人把心力花在對的地方，真正享受到數據帶來的價值；並驅動企業，往越來越數據使用友善的方向成長。
延伸閱讀：
Digit Spark 活用數據科學，結合商業行銷邏輯；協助企業創造更貼近消費市場的數位內容、服務流程體驗；同時善用 AI 活化品牌的營運策略，幫助全面提升企業的數位化、數據化與品牌績效運營。
