2.1　企业数据能力成熟度评估模型

要评估企业数据能力的成熟度，首先需了解客户数据从采集、存储、分析/解释到被业务激活、利用的全过程，即数据生命周期：数字/数据化→信息化→业务化，如下图所示。在大多数企业中，这是跨职能团队的工作，涉及广告、营销、IT、研究、分析等多个相关业务团队。在数据生命周期的每个重要环节，企业是否能从数据中提取最大价值，是评估其整体数据能力成熟度的关键方向。

数据生命周期框架

2.1.1　采集能力

数据采集能力即企业及时、有效地从所有相关渠道收集所有相关数据点（如客户收藏、加入购物车、购买、投诉等触点）的数据的能力。相关能力成熟度评估标准如下：

1.数据源

通常，同一数据点可能来自多个源系统。了解单个数据点的有效来源和数据采集方式是确保总体数据质量的一个必要步骤。同时，也需关注关键数据点的成本及ROI，以便选取最经济的来源。主要能力层级如下图所示。

数据源能力层级

2.更新频率和周期

一旦数据被采集，数据点会定期更新，最佳更新时间间隔因数据点而异。例如，一个人的年龄需按年更新。市场偏好的任何变化都需尽可能早地被发现和采集。坚持一致的更新频率，将能确保数据的新鲜度和准确度。主要能力层级如下图所示。

3.采集方法

数据点采集数据的机制可能有所不同，这可视为企业数据能力成熟度的指标之一。数据采集通常从一个渠道或一个系统开始（如当用户访问网页时，通过脚本采集数据），随着数据采集的场景扩展到多个渠道和各种源系统时，数据采集就需变得更加自动化和易集成化。采集方法的主要能力层级如下图所示。

更新能力层级

采集方法能力层级

2.1.2　处理能力

一旦采集到数据，就需将其标准化和存储，以便于对其进行查询，并进一步研究、分析和激活。所以，需要精心规划体系结构和制定数据仓库策略，以确保数据能保持效用。相关能力成熟度评估标准如下。

1.标准化、转换和储存

所有采集的数据都必须经过必要的转换和标准化才能创建，包含所有已知的用户信息和统一整体化的数据集。主要能力层级如下图所示。

标准化能力层级

2.细分、分析和解释

在数据被采集、标准化和存储后，需通过细分、分析和解释，将必要的业务上下文和规则应用到基础数据资产中。营销、广告和销售团队根据业务需求创建目标客户群体画像；运营、研究和分析部门将对用户行为和特征进行更深入的分析。主要能力层级如下图所示。

2.1.3　激活能力

数据激活是指使相关数据点在所有适用的下游系统中可被使用。激活可应用的范围非常广泛，涵盖精细化细分目标用户、个性化服务，以及分析和研究等用到数据输入的场景。它还涵盖新兴的场景，如新零售平台。相关能力成熟度评估标准如下。

细分能力层级

1.可行性和数据合规

公司激活和利用数据资产的能力取决于数据的合规性、可行性，以及对数据的认识、理解和评估。哪些数据点可跨业务系统激活？是否具备实施的能力？用户隐私保护方面如何考虑？数据使用权是否具备？等等。主要能力层级如下图所示。

数据合规能力层级

2.合作伙伴生态系统

构建强大的合作伙伴生态系统对数据激活是十分必要的，并且在许多方面会成为数字营销业务成功的重要筹码。主要能力层级如下图所示。

生态构建能力层级

2.1.4　组织支持

组织支持是指支持数字化转型各环节工作的开展，影响数据采集、处理和激活。不同规模的组织会以不同方式体现支持程度，所以建议通过自定义标准进行评估。相关能力成熟度评估标准如下。

1.文化和过程

数据驱动文化需要灵活性和敢于试错，且需对既定流程进行裁剪，以消除任何遗留的组织障碍（包括修改报告结构和为数据计划制定激励措施）。主要能力层级如下图所示。

数据文化层级

2.人力结构和专业知识

了解如何有效构建数据驱动的团队，以及组织需要哪些类型的专业知识。大多数情况下必须通过实践获得这些技能。主要能力层级如下图所示。

团队建设能力层级