在海量數據面前，是否具有管理大量數據流的能力攸關企業成敗。企業需要連貫一致的戰略來組織、治理、分析和利用組織的信息資產，在以安全和治理為代表的防守戰略與以預測性分析為代表的進攻戰略之間取得平衡，是企業實施數據戰略的關鍵。

數據防守戰略包括保證合規，使用分析工具檢測和防范欺詐，構建系統來防止數據失竊，識別、標準化和治理可靠數據來源，以保證公司內部系統中數據流的完整性。

數據進攻戰略包括數據分析建模、整合不同顧客和市場數據等產生顧客洞察的活動，以支持增加收入、提高盈利率及顧客滿意度等商業目標。

企業選擇進攻戰略還是防守戰略取決于迥然不同的商業目標及為達成商業目標設計的行動。

企業的數據架構描述的是如何收集、存儲、轉換、分配和消費數據，包括管控結構化形式的規則以及連接數據和消耗數據商業流程的系統。信息架構支配將數據轉化為有用信息的流程和規則。在現實應用中，數據和信息架構方法包括單一真相源（single source of truth, SSOT）和多版本真相（multipleversions of the truth，MVOTs）。

SSOT作用于數據層面。SSOT是有邏輯的、虛擬的和基于云的數據倉庫，包含所有關鍵數據的權威副本，比如客戶、供應商和產品細節，必須具備堅實的數據來源和治理控制，所有數據必須利用統一的語言，而不能只適用于特定的業務部門或職能。

MVOTs支持信息管理。MVOTs產生于特定業務的數據到充滿“相關性和目的”的數據轉換，隨著部門或職能中各種團體轉變、標注和匯報數據，它們也會創造出不同的、被管控的數據版本，當被詢問時，這些數據版本能根據這些團體預先確定的需求產生連貫的、定制化回應。

企業的CEO需要關注公司整體戰略、公司法規環境、競爭對手數據能力、數據管理實踐成熟度，以及數據預算多少等要素來決定其公司目前及理想的攻防定位。攻與守往往需要IT部門和數據管理組織采取不同的方式，數據防守是日常性的運營工作，數據進攻涉及與商業領導者在戰術和戰略計劃上合作。在多數組織設計中，數據管理職能可以按職能或部門成立，采用中心化或者去中心化的方式。去中心化設計適合進攻型戰略，中心化設計適合防守型戰略。

如今，管理數據的重要性與日俱增，企業需要構建數據戰略和強大的數據管理職能。未來，機器學習等新興技術可能催生下一代數據管理能力，或將簡化攻守戰略的實施。