从收集数据到使其成为可指导操作的知识并形成对业务决策的影响,这是一条充满挑战的道路,特别是如果组织尚未进行数据驱动的转型或没有完全具备正确支持它的能力。
一 数据的价值意味着什么
当谈到不同行业的业务发展战略时,数据的作用至关重要,并且是创新和可持续发展的催化剂。几乎所有公司现在都在开展数据和分析项目。
“数据是新的石油”这一常见表述将数据定义为推动公司业务发展的重要资源。与石油一样,如果知道如何正确提取和使用数据,数据就会成为非常宝贵的资产。原始数据本身不会带来任何价值。
数据资产是组织拥有的任何数据,如果得到充分和有效的利用,可以为组织创造价值。(Laurent Fayet)
二 3V特征让汲取数据价值变得更难
3V长期以来被用来描述“大数据”的特征:
V(数量大):要收集、存储和分析的数据量大。
V(来源多):各种数据通过不同类型的格式和特征来管理,而且它们的来源也非常多样化。
V(速度快):数据的速度既包括收集的速度,也包括其来源和结构的变化速度。
企业管理的数据的复杂性在这三个维度上从未停止增长。最重要的是,这些数据所代表的业务环境也比以往任何时候都发展得更快。
所有这一切都使得确定正确的关注领域变得极其困难,并且需要推进结构化方法和框架来盘点、评估和从这些数据中创造价值。
三 数据价值有关的业务流程和 3U挑战
数据资产的价值来自于它在组织内的使用方式,使用方式决定了数据资产的重要性,最终决定了数据资产的货币价值。
事实上,数据驱动的成功在于数据影响了与公司目标一致的运营流程,这需要交付的解决方案来解决 3U的问题:
U(可用):数据必须是可用的,集成在技术堆栈中并与操作系统连接。
U(有用):被能够解释结果和建议并采取行动的业务用户理解。
U(被用):实际被业务用户用于决策,并不断改进以遵循业务环境和发展。
四 数据分析必须被视为一种业务能力
数据分析需要全面支持和整合核心业务功能和流程,最终创造可衡量的价值和影响。
只有 32% 的受访企业高管表示他们能够从数据中创造可衡量的价值,而只有 27% 的受访者表示他们的数据和分析项目产生了可操作的见解。(埃森哲)
许多公司在数据驱动的转型中苦苦挣扎,推动业务可持续发展并证明数据的价值,实施全面的价值管理方法来应对挑战并实现收益至关重要。
五 数据创造价值的四大核心要素
数据价值管理依赖于 4 个核心要素,以便连续地处理所有不同的维度:
1.正确的数据战略,以协调工作并支持业务目标。
2.管理和运营数据挑战的正确技术基础和架构。
3.有效设计、构建、部署和运营数据与分析计划的正确运营模式。
4.正确的环境和变革管理,以实现更高的数据素养和数据驱动的决策文化。
(一)调整与业务一致的战略
数据和分析是支持业务战略的推动力,分析本身并不是目标。如果没有这个清晰的对齐框架,在收集、清理、准备和分析数据方面所做的努力都是徒劳的,因为它们不会导致有效的决策制定。最终结果是高管们对缺乏收益与对人员和技术的大量投资感到沮丧。因此,确保数据和分析项目组合完全专注于交付成果并因此与业务战略保持一致至关重要:
1.为了实现这一点,组织需要在企业级有一套明确定义的优先级,并定义将用于衡量成功的 KPI。
2.组织需将所有举措映射到他们的战略优先事项,确定相关风险和预期结果。
3.组织需要意识到当前的成熟度水平,以便预测某些举措的转型影响,并在实施过程中考虑这一维度。
4.可以通过选择正确的计划集、匹配组织的投资能力、对转型的兴趣以及预期的业务影响来优化投资组合。
这个调整过程需要通过收集整个组织的贡献来执行。在这种情况下,需要从一开始就进行协作,以确保可操作性和支持。
还必须确保在计划的整个生命周期中持续可见的蓝图和路径,以免迷失方向。此外,定义一个持续的流程来管理新出现的想法、对其进行限定,并在需要时调整产品组合。
数据和分析战略作为一个框架,可以随着时间的推移选择正确的重点领域和投资,以构建、管理和交付最佳的数据和分析计划组合。
(二)关注前沿的技术基础
数据和分析计划需要经过调整的工具和解决方案来有效管理和使用数据:捕获、存储、转换、分析和可视化它们的所有不同性质,并满足所有用户的不同需求(从偶尔需要报告和自助可视化的用户到需要高级分析能力的专家)。
由于数据和分析的技术市场充满活力,创新频繁,因此在设计架构时需要考虑到灵活性和演进性。我们希望架构随着成熟而扩展和适应,并且绝对不想错过下一波数据技术创新!
理想的数据架构还可以作为更广泛的 IT 转型的基础,通过与操作系统连接,不仅可以作为数据源,还可以用于自动或手动决策。
数据和分析架构的目标是定义关键的组织和运营指导方针,以部署工具、运营和管理数据存储和管道以及发展,类似于城市规划。
部署和利用这些基础还需要对技能进行大量长期投资,以利用新技术并伴随整个组织的数据素养和方法论的演变。
(三)持续改进的运营模式
数据和分析项目不是一次性的,它们需要一个持续的改进周期:
1.它们影响本身需要不断改进的业务流程。
2.它们依赖于各种数据源,它们都有自己的进化率。
3.他们对环境变化(个人行为、经济环境、意外事件等)非常敏感。
4.他们需要适应业务战略的演变。
因此,交付具有影响力的数据和分析计划需要建立适当的运营模型来管理和优化整个生命周期内的投资组合,从计划的出现到其策划、优先级、实施、部署等。
此运营模型需要包括跟踪成本、行为、性能和最终影响随时间推移的能力——以评估价值以及所需的维护和演变:防止模型衰减或漂移,合并额外数据,管理数据源的演变,适应不断变化的业务环境等。
持续监控创建了一个反馈循环,这是确保数据和分析计划随着时间推移的可靠性和准确性的关键,从而实现持续改进。
有效的数据和分析运营模式的关键因素:
1.可见性,在组织内对倡议、贡献者、预期与有效价值和影响的所有维度进行可见性。
2.全面性,涵盖整个生命周期,提供针对每个阶段量身定制的支持和指标。
3.适应性,考虑到组织内成熟度的差异和特殊性:能够结合一个共同的参考框架来跟踪计划和资产。
4.协作性,以便有效地包括在整个生命周期中参与数据项目的所有参与者:目标用户、业务专家、数据提供者、数据和分析团队、IT 团队等。这在某些情况下包括客户或供应商。
5.受治理,以便共享清晰的流程、职责、角色和管理风险。
6.自动化,以便从 XOps 管道连续、轻松地收集所有监控和跟踪信息。
(四)价值驱动的数据文化
虽然组织投资于制定战略、建立正确的技术基础和部署有效的运营模式,但他们需要确保每位员工都具备理解和使用数据和分析的技能。否则,数据驱动的组织概念可能会停留在一个想法而不是现实的阶段。
75% 的员工不喜欢处理数据(来源:埃森哲)
个人不理解或不信任数据和分析的风险是巨大的,这会危及举措的采用和有效部署:他们要么无法正确使用可用数据进行决策,要么恢复到以前的操作方式并忽略可用数据。
数据素养也是创新的关键,使个人能够信任可用数据和交付的计划,识别并提出可以节省成本、提高效率、新收入来源等的新计划。
建立信任对于实现价值至关重要。结合对持续活动的可见性、可访问和可重复使用的知识、员工的技能和数据素养,可以建立信任!有了信任,组织可以完全由数据驱动并提高他们的创新能力。
这种面向数据素养的深刻文化变革需要词汇表,因为必须使用通用语言和定义来建立信任并鼓励团队之间的协作。
招聘和培训,大多数组织已经确定需要聘请数据人才,但也需要为其现有的非数据专业员工提供培训,以培养他们为数据和分析计划做出贡献的技能和能力。
协作,在整个数据和分析计划生命周期中让合适的人参与进来,以便他们以正确的方式提供正确的见解,并建立社区以触发知识共享和丰富。
支持和变更管理,以确保个人获得所需的帮助,以了解如何使用可用工具获得更多自主权,如何依靠现有数据和分析在他们的环境中采取行动,如何改进自己的流程,或确定培训、工具或新举措方面的新需求,以满足他们的需求。
六 小结
既然我们已经了解了通过数据和分析实现价值的关键要求,那么开展路径是什么呢?
最好的方法是从评估组织的数据管理成熟度开始,并在此基础上制定适应本组织的数据开发和分析计划。
数据和分析计划应始终包括以下4 个核心要素:
1.首先将组织的数据战略定义为让每个人都关注目标和关注点的方式。
2.定义和部署强大的技术和架构基础。
3.定义或改进组织的运营模式,以管理和优化您的计划和资产组合,并随着时间的推移监控所产生的价值。
4.投资于数据素养并为强大的社区注入活力,以实现数据驱动的文化。同时,部署一个持续改进周期,随着成熟度的提高、不断变化的业务条件和新的风险或机遇的识别,丰富、发展以适应环境的要求。
——–END——–