關于數據戰略，管理層應思考四個問題

Antonio Castro Tony Ho Jorge Machado Allen Weinberg

亞馬遜創始人兼CEO杰夫·貝索斯曾在致股東信中評論了數據、數據庫和機器學習。我們把這封信視為一個“號召”，表明數據和數據管理能力將是未來幾年大多數企業成功的關鍵，我們認為：

數據和數據管理能力將成為各類公司之間的關鍵差距。數據技術提供商將大幅提升數據和分析工具的可用性，降低其成本。對于任何企業來說，人工智能、機器學習和其他強大的工具都將成為其籌碼。根據具體數據定制的方案會激增，通用方法將喪失競爭力。

通過混合和匹配供應商提供的功能，公司能夠以更低的成本在數據和分析中發現更多價值，從而更快地進入市場。同時，我們意識到許多公司都在努力做出明智且及時的數據分析和投資。領導者之間有一套新做法，其中包括搭建正確的數據架構和治理模式、解決人才需求、滿足數據和個人信息方面的監管要求和防范相關風險。我們認為每位企業領導者都應該就組織的數據戰略以及團隊建設思考以下四個問題：

問題一：數字化工作對于我們來說究竟是主要項目還是輔助項目？我們的數據策略是否與整體戰略緊密結合并起到關鍵推動作用？

據了解，利用數字技術尋求變化的公司都有一個清晰的愿景，并且在圍繞數據構建他們的戰略和業務。麥肯錫最近對各行業1000多家公司所做的調查表明，67%的領先企業表示高管們對數據和分析的愿景和戰略完全一致。許多公司正從每個可能的接觸點收集數據并將其快速整合到客戶互動和決策當中。事實上，調查顯示87%的領先公司將大部分數據和分析工作都花在了“最后一公里”的問題上。

我們從人工智能和機器學習的最初結果中發現，這些算法需要大量的數據才能成功。領導者已經思考過如何收集和管理數據，以及如何借助正確的領導力和人才來擴大影響。高管們不需要確切地知道關系數據庫的運作方式，但他們應該了解自身以及競爭對手的業務策略和數據之間的關系。

問題二：我們的行動夠快嗎？我們是否利用了測試、學習和擴展的方法來快速發現和交付價值？我們是否恰當評估試圖解決的問題？

從理論上說，分析可以快速帶來機會。但在現實中，捕捉價值是一個緩慢的過程。收集、清理數據和解析結果都需要時間，而許多公司都有一個嚴重的問題——他們只能通過改變從呼叫中心腳本到生產步驟的底層流程來實現價值。而對于采用正確方法的公司來說，試驗成本和上市時間將大幅縮短。根據研究表明，數據和分析領域的領先者擁有強大的實驗和數據驅動文化。他們做與業務相關的工作，以保持業務相關性并加快迭代速度。將數據和分析交給真正的決策者和一線經理是成功創新的關鍵。

了解團隊正在學習什么、哪些數據最有價值，以及他們如何調整方法，可以揭示組織是否正在快速地行動和改進。

問題三：我們是否將產品思維引入到了數據工作當中，并衡量數據投資回報？

如果數據是一種寶貴的資源，那么應該根據它們所增加的價值來衡量該資源的管理人員。不這樣思考通常會導致移動和轉移數據的高摩擦成本并限制創新。最好的組織將他們的數據經理轉變為產品經理，以期望產生前瞻性的產品路線圖和可用性/附加值指標。

問題四：我們如何利用合作關系？

由于初創企業和老牌企業都在快速發展，數據和數據管理技術發展十分迅速。許多缺乏相關人才的公司，需要在平臺工程、數據工程等專業領域建立一個合作關系網。我們合作的一家銀行通過投資、正式合作和個人關系建立了廣泛的合作伙伴生態系統。最好的組織正綜合運用內部和外部資源來快速覆蓋相關領域，通過人才引進和在重點領域的持續教育，打造更持久的能力。領導層應該清楚團隊最重要的合作伙伴，前瞻性的規劃，以及可以留在最前沿的三四個合作伙伴。

新的技術進步給企業帶來了新的壓力。已經將數據和分析作為戰略重點的公司將很快擁有新的工具和能力來加速相關進程。對于落后的公司來說，也有好消息：他們可能具有后發優勢，從而跳過一些步驟，快速利用新功能。