亚马逊创始人兼CEO杰夫·贝索斯(Jeff Bezos)曾在年度致股东信中用了将近四分之一的篇幅评论数据、数据库和机器学习。即便在科技密集型行业中也很少有首席执行官能够精通低延迟键值数据库、MySQL、内存能力或专业数据库,即使也许他们应该熟悉这些内容。

不管你的专业水平如何,当一家年收入超过2000亿美元的公司创始人如此专注于技术话题时,都值得关注。

关于大数据规模化,管理层应思考四大关键问题-建智汇

我们把这封信视为一个“号召”,表明数据和数据管理能力将是未来几年大多数企业成功的关键,我们认为领导者和落后者之间的差距将持续扩大。更具体地说,我们认为:

  • 数据和利用数据的能力将成为各类公司之间的关键差异化因素,并将逐渐成为首席执行官和董事会层面的第一要务。
  • 数据技术提供商将大幅提升数据和分析工具的可用性,降低其成本。对于任何企业来说,人工智能、机器学习和其他强大的工具都将成为其筹码。
  • 为特定数据问题定制的解决方案会激增,一刀切的方法在许多领域都将丧失竞争力。
  • 通过混合和匹配供应商提供的功能,公司可以以低得多的成本在数据和分析中试验和发现更多价值,从而更快地进入市场,尽管他们可能会遇到供应商封锁和将试验转化为可扩展解决方案的挑战。

同时,我们意识到许多公司都在努力做出明智的、及时的数据分析和投资。然而一些公司收效甚微,整体投资回报率也很低。

领导者之间有一套新做法,但并不容易梳理出来。其中包括搭建正确的数据架构和治理模式、解决人才需求、满足数据和个人信息方面的监管要求和防范相关风险。所有这些都是成功的关键——任何一个错误都可能导致方法失败。

我们认为每位首席执行官、首席财务官、首席信息官和首席数据官都应该就组织的数据战略以及团队建设思考以下四大关键问题:

问题一:我们在数字化工作上究竟是全力以赴作为主要项目,还是将它们当作辅助项目?我们的数据策略是否与整体战略紧密结合并起到关键推动作用?

根据我们的经验,利用数字技术寻求变化的公司都有一个清晰的愿景,并且在围绕数据构建他们的战略和业务。麦肯锡最近对各行各业1000多家公司所做的调查表明,67%的领先企业表示高管们对数据和分析的愿景和战略完全一致。企业将从自身拥有的或外部获取的数据中获得竞争优势,这些数据将让企业取得成功,这些都是众所周知的。许多公司正从每个可能的接触点收集数据并将其快速整合到客户互动和决策当中。事实上,调查显示87%的领先公司将大部分数据和分析工作都花在了“最后一公里”的问题上。

因此数据被视为一种重要资产,大量可用数据源源不断产生。最重要的数据资源被解析并有明确的归属,特别是关键领域的数据,比如对客户的360度视角。

领导者还基于规模来思考数据——千兆字节的数据(当涉及到数据流时可能更多)。我们从人工智能和机器学习的最初结果中发现,这些算法需要大量的数据才能成功,而且没有几家公司拥有所有所需形式的数据,也没有几家公司具备处理数据、获得见解并将其集成到工作流程、应用和渠道时所需的基础设施和人才。领导者已经思考过如何收集和管理数据以推动洞察力和再利用,以及如何借助正确的领导力和人才来扩大影响。

高管们不需要确切地知道关系数据库是如何工作的,但他们应该了解业务策略(以及他们竞争对手的策略)和数据之间的关系。

问题二:我们的行动够快吗——我们是否利用了测试、学习和扩展的方法来快速发现和交付价值?我们是否恰当评估试图解决的问题,还是被小的用例所淹没?

从理论上说,分析可以快速带来机会。但在现实中,捕捉价值是一个缓慢的过程。收集、清理数据和解析结果都需要时间,而许多公司都有一个严重的“最后一公里”问题——他们只能通过改变从呼叫中心脚本到生产步骤的底层流程来实现价值。数据解决方案提供者和供应商将帮助公司“漫游”于数据之间,但是改变公司的业务方式需要的不仅仅是软件。

但对于采用正确方法的公司来说,试验成本和上市时间将大幅缩短。我们的研究表明,数据和分析领域的领先者拥有强大的实验和数据驱动文化。他们做与业务相关的工作,以保持业务相关性并加快迭代速度。将“民主”引入数据和分析——将它们交给真正的决策者和一线经理——是成功创新的关键。这些公司像对待水一样对待他们的数据:干净、流畅,有助于激发新想法。

公司需要快速试验——我们称之为“敏捷数据试验室”。探索关于团队正在学习什么、哪些数据对每次使用最有价值,以及他们如何调整方法的问题,可以揭示组织是否正在足够快地行动和改进。

此外,我们看到领先公司集中力量从数据和分析中获得最大价值——他们将精力集中在需要解决的五到七大“领域”上,并且正在以整体的方式解决这些问题。例如,一家银行可能会决定,它想要解决的大问题是获得一个真正的360度客户视图,提供个性化的建议,为客户关系经理提供生产力工具,获得近乎实时的风险/财务信息,以及使用数据和指标来改进和实现自动化操作。然后,它将建立包含业务/流程所有者、IT和数据资源以及其他功能的团队来解决这些问题——以迭代的方式定义他们需要的数据、流程改进以及IT技术,从而快速学习并展现短期结果。

问题三:我们是否将产品思维引入到了数据工作当中——并衡量数据投资回报?

如果数据是一种宝贵的资源,那么应该根据它们所增加的价值来衡量该资源的管理人员。太多的数据管理组织只关注治理(当然,治理是一项重要的职能),而没有花足够的时间考虑如何使数据对不同的用户具有可访问性和价值。不这样思考通常会导致移动和转移数据的高摩擦成本并限制创新。最好的组织将他们的数据经理转变为产品经理,以期望产生前瞻性的产品路线图和可用性/附加值指标。例如,客户数据的数据产品负责人会考虑构建/获取的新数据集,如何减少分析的准备时间,以及如何减少数据获取和交付的时间/成本。

问题四:我们如何利用合作关系?

由于初创企业和老牌企业都在增加相关能力,数据和数据管理技术发展十分迅速。许多公司,特别是那些缺乏相关领域人才的公司,需要在平台工程、数据工程、数据质量和分析这些专业领域建立一个合作关系网。传统的承保/采购(以及合同时间)是不够的。我们合作的一家银行通过投资、正式合作和个人关系建立了广泛的合作伙伴生态系统。最好的组织正综合运用内部和外部资源来快速覆盖相关领域,通过创造性的人才引进战略和在重点领域的持续教育,打造更持久的能力。高级领导应该向团队询问他们最重要的合作伙伴,前瞻性的规划,以及可以留在最前沿的三四个合作伙伴。

前所未有的技术进步给各家公司带来了新的压力。那些已经将数据和分析作为其战略重点的公司将很快拥有新的工具和能力来加速相关进程。但对于落后的公司来说,也有好消息:他们可能具有后发优势,从而跳过一些开发步骤,快速利用新功能。

(文章来源: 麦肯锡咨询公司 ,版权归原作者所有)