数字化转型需要重新定义数据治理的角色 by陈晓峰编译

陈晓峰,湖北省科技信息研究院副研究员,长期从事媒体融合领域数字化研究。今天由陈主任给大家带来了一篇关于数字化转型的重磅思考,以期为大家对数字化转型产生全新的认识。


本文原作者:Bill Schmarzo;编译:陈晓峰。

组织在管理和治理数据方面的投资与在数据货币化方面的投资之间存在着悲剧性的不匹配。各组织在企业、社交和移动系统上投入了大量资金,以获取、管理和治理客户和运营数据,但在将上述数据货币化方面却缺乏有凝聚力的业务战略(见图1)。

图1 数据采集与数据货币化策略的惨烈错位

这种不匹配的情况之所以存在,是因为大多数组织缺乏一个关键角色–首席数据货币化官(CDMO),他负责指导组织的数据和分析发展,以获取和推动新的客户、产品和运营价值来源……以业务成果为中心的方法。

如果我们真正相信数据是新的石油——数据将成为21世纪经济增长的催化剂,那么我们就需要花费更少的时间和投资来管理和治理数据,并大幅增加时间和投资来实现数据货币化。如果你不知道该花多少钱,我可以告诉你一个参考:贝壳的“楼盘字典”到2017年就花了4、5个亿。

重新定义数据治理实践

数据治理/数据管理实践在支持现代企业方面,今天的数据治理和数据管理实践必须重新定义,以支持组织的业务需求,并最终支撑组织的数据货币化战略。数据货币化实践必须:

  • 传播有关数据和分析资产的经济潜力具有令人信服的愿景,以推动组织的数字化转型。

  • 教育高级管理人员、业务利益相关者和战略客户如何“像数据科学家一样思考”,以确定数据和分析可以在哪些方面以及如何提供实质性的业务价值。

  • 在与业务利益相关者的合作中,应用设计思维和价值工程的概念来识别、验证、评估和优先考虑组织的高价值用例,以推动组织的数据和分析发展路线图。

  • 倡导数据科学团队“设计”可重用的、不断学习和适应性强的分析资产,以支持组织的高优先级用例。

  • 发展一种分析文化,协同AI/ML模型到人的合作,在客户参与和运营执行点赋予团队权力。

CDMO需要拥有数据货币化实践;了解组织所期望的业务和运营成果,然后创建一个务实、可操作、可迭代的计划,提供必要的数据和分析输出(见图2)。

图2 定义数据货币化角色

数据货币化实践必须将组织从仅仅创造数据和分析输出,转变为提供有意义和可衡量的商业价值的业务和运营成果。

数字货币化工具

以下是CDMO可以使用的一些工具,以推动组织的数据货币化实践。

1)数据湖3.0:协同价值创造平台

如果您想利用数据的独特特性–这些资产永不枯竭、永不磨损,并且可以在无限多的用例中以零边际成本使用,那么您必须打破阻碍数据经济乘数效应的数据孤岛。我们可以通过将组织的数据湖转化为一个“协同创造价值”的平台,支持组织数据和分析资产的采集、共享、重用和不断完善,来释放数据经济乘数效应(见图3)。

图3 数据湖3.0:协同价值创造平台

注:数据经济乘数效应推动了以近乎零边际成本在无限数量的用例中共享、重用和完善组织数据资产的能力。

2)可重复使用、持续学习和适应性强的分析模块

关于“孤儿分析”(Orphaned Analytics)的挑战,这些ML模型是为一次性业务或运营需求而建立的,但从未为共享、重用和不断完善而“工程化”。孤儿分析是数据和分析的经济价值的巨大破坏者,因为它们阻碍了组织建立分析资产的能力,这些分析资产在使用越多的情况下,价值就会升值,而不是贬值(见图4)。

图4 工程化的可重用、持续学习和适应性的分析模块

可以针对组织最常见的分析需求(即异常检测、行动倾向、剩余使用寿命、操作员有效性)创建可重用、持续学习和适应性强的分析模块,然后可以将其链接在一起(使用Docker容器和Kubernetes等技术),以解决更高价值的业务和运营用例,如减少运营停机时间、提高准时交付、减少库存和提高客户保留率。

3)数据科学价值工程框架

如果您的组织的数据货币化治理工作的目标是衍生和推动新的客户、产品和运营价值来源,那么这些工作必须从关注对组织重要的事情开始;也就是说,在未来12到18个月内,组织最重要的业务举措是什么,以及数据和分析如何帮助确保这些举措的成功。

价值工程框架指导业务与数据科学合作,以识别、验证、评估和优先考虑组织需要解决的关键业务和运营用例,以支持目标业务倡议(见图5)。

数据科学价值工程流程提供了一种简单而有效的方法论,用于挖掘您的数据和分析的经济价值;推动业务和数据科学合作,应用数据和分析来提高运营和业务效率。

4)假设开发和服务设计画布

设计思维提供了宝贵的工具,可以推动跨组织的合作和协调,以支持组织的数据货币化工作。特别是两个基于数据科学的设计模板——假设开发画布和服务设计画布——在确保组织的数据货币化工作专注于提供有意义的业务和运营成果方面非常宝贵(见图6)。

这些设计工具有助于识别、验证、评估和优先考虑组织最重要的业务和运营用例,以及支持数据和分析需求。

数据(治理)货币化总结

现代数据(治理)货币化实践必须寻求推动跨组织的共同创造,以发现、编纂和运营客户、产品和运营价值的新来源。这意味着要掌握四个基本概念。

  • 基本概念1:识别价值创造的来源。利用设计思维和经济学来识别、验证、评估和优先考虑客户、产品和运营价值的来源。

  • 基本概念2:编纂价值创造的来源。使用AI/ML来发现并将客户、产品和运营洞察力(倾向性)编纂成可重复的、不断学习和适应的分析档案和分析模块。

  • 基本概念3:将创造价值的源泉运营化。通过将客户、产品和运营洞察力嵌入到组织的运营系统中,建立持续学习的反馈循环。

  • 基本概念4:数据(货币化)治理。创建数据货币化治理纪律,优化ML模型到人的协作,随着每一次客户参与或操作互动而学习和适应。

您的数据货币化实践需要花更少的时间思考数据管理和数据治理,而花更多的时间思考数据货币化治理。这是确保你的组织共享、重用和不断完善数据和分析的独特经济特性,以衍生和驱动新的客户、产品和运营价值来源的唯一途径。

最后一点,治理,要想成功,需要露出獠牙。治理必须包括对合规的奖励(如资源、投资、预算和高管关注),以及对不合规的惩罚(如扣留甚至收回资源、投资、预算和高管关注)。如果你的治理做法依赖于哄骗和乞求他人遵守,那么你的治理做法就已经失败了。

来源:https://www.linkedin.com/pulse/digital-transformation-requires-redefining-role-data-bill-schmarzo/


扩展阅读:《华为数据之道阅读分享》,公众号“大数据架构师”后台回复“数据货币化”即可下载。

今天的分享就是这样。欢迎大家加我个人微信号:shirenpengwh ,一起探讨大数据、数据分析相关知识。每天分享一篇原创内容给大家,我们一起学习,共同进步。

配合以下文章享受更佳

热文 | 如何搭建一个数据分析体系

下载 | 大数据职业发展体系全解

干货 | 什么才叫做懂业务?分析的5个层次

思考 | 为什么说你的运营团队一定要有一名女生?

干货 | 月薪3000和30000的数据分析师差在哪?

我需要你的转发,小小的满足一下我的虚荣心

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注