当今的数据领导者将他们的关注点从商业智能扩展到了单一领域，他们致力于建立实时决策和预测性模型，以帮助组织保持领先地位。
但要实现这一目标，您的数据策略必须定义正确的方法，以理解数据、与业务策略保持一致并构建跨越整个组织的 AI 和数据分析解决方案。从传统分析和数据科学到运营分析、数字、物联网传感器数据、数据可视化、AI 计划和新产品开发，您必须赋予员工权力，并定义符合业务需求的用例。明确的数据策略是扩展 AI的重要第一步。
但是，要充分发挥数据和 AI 的潜力，需要创造性的决策、有说服力的故事和跨职能的支持。这六步框架融合了行业数据领导者的真知灼见，将帮助您设计和实施数据策略，最大限度地发挥您的团队、人才和组织优势。
了解 watsonx
注册获取 AI 更新
将您的数据和 AI 战略与业务战略联系起来
对于任何良好的数据战略，获得认同都很重要。为了协调业务和数据优先级，您需要清楚地了解组织和高级领导层的目标。与高级管理层和业务利益相关者会面是帮助您的组织通过将数据视为真正的竞争优势来实现目标的第一步。“这一切的开始和结束都在于，您想解决哪些业务问题？”Inari 首席信息和数据官 Rania Khalaf 博士说道。
最终，连接业务和数据战略将意味着合并跨部门存在的框架和指南，以获得每个人（理想情况下）都认同的数据环境的单个统一视图。
事实上，根据 Gartner® 的报告，对于将数据和分析与经过优先、量化的业务结果和指标联系起来的 CDO，他们会比不这样做的同行更成功。¹
但保险业企业数据和分析负责人 Srinivasan Sankar 表示，在开始时要现实一些。为了帮助领导层了解数据和 AI 举措的战略优势，首先要确保在数据驱动的协作环境开始形成时明确优先事项并达成一致。
确定最吸引人的用例
如果您可以更好地访问高质量数据，您可以解决组织中的哪些问题？“当您与利益相关者会面时，确定业务线内或跨业务线的多个业务目标的数据需求，以展示数据作为战略资产的价值，”IBM 客户设计和实施数据战略专门负责人 Jo Ramos 表示。
从各个方向扫描数据环境。如果您可以通过更新过时的应用程序来降低供应链成本，会怎样呢？或者，也许如果您可以利用 AI 实现风险和合规自动化，以获得更快、更完善的洞察分析，又会怎样呢？通过更好地了解数据的质量以及数据如何在财务、销售和营销等组织领域之间流动（或不流动），您可以更全面地了解运营情况，并发现新的机会来增加收入、提高盈利能力并降低企业风险。
了解工具包中的工具
与 IT 携手合作，利用现有基础架构和技术以及新的前沿技术，将您的数据战略提升到新的水平。了解组织当前的技术生态系统和战略（以及子战略和子战略的子战略）可以帮助您制定明确且可实现的行动方案，以使用数据、AI 和应用程序帮助实现业务结果。这些知识至关重要，利用计划和资助的举措有助于确保您能够实现数据战略。
熟悉组织的数字化转型和 AI 战略
Ramos 指出，除非首先考虑公司当前的数据环境，否则更新应用程序和实现旧系统创新并不会带来价值。“许多组织都在谈论应用程序现代化并将应用程序迁移到云端，但他们忽视了数据本身，”他说，“当谈到集成数据和执行分析时，并不是要将所有应用程序迁移到云端，而是要弄清楚数据将如何在新的现代架构中生存。”
剖析痛点，揭示障碍和差距
现在您已经了解最终目标并拥有领导者（您确实拥有领导者，对吧？），是时候审视您的生态系统并评估其是否有效。构建真正的数据优先体验有哪些障碍？
组织孤岛通常构成了数据集成、数据管理和工作流程挑战的基础。事实上，82% 的企业受到数据孤岛的约束。²为了提高工作效率，员工需要自助数据和 AI 驱动的应用程序或解决方案，并进行适当的控制。仅仅拥有访问权限永远不应该成为障碍。
您希望您的用户能够访问数据并使用它来获得良好的结果。他们不必考虑数据的驻留位置，是否应用了治理或其背后的元数据是否合规。他们应该能够放心地使用所需数据。
检查数据以发现您拥有的数据和需要的数据
数据拓扑显示信息的曲线和轮廓，看上去就像地形图中显示的山脉、丘陵和山谷一样。它可以对包含任何组织的竞争性优先事项和需求的数据场景进行分类、确定集群和管理。当您了解公司的数据拓扑时，您可以识别约束并查明过时的数据架构，例如与业务战略不相符的技术。您还可以确定逻辑升级的领域，例如采用更强大的 AI 和自动化技术的机会，以及阻碍数据集成的危险信号。
盘点以了解参与的人员以及他们带来的资产
无论您多么聪明和有才华，您都无法独自设计大量数据更改。确保您的团队（是的，包括您在内）拥有跟上 IT 行业快速发展步伐所需的特定技能和持续培训，尤其是在 AI 方面。超过一半的组织正在提高内部员工的技能，以提高他们的数据素养和专业知识，而五分之一的组织正在招聘毕业生并进行培训。³利用智能技术，打造智能企业。
优先考虑关键数据元素以进行治理
掌握受监管的关键数据元素（例如姓名、地址、社会安全号码等）对于运行各种业务系统，同时避免重复错误、不可靠的搜索或隐私泄露至关重要。在保护数据和促进创新之间取得微妙的平衡。思考当前拥有、管理和定义数据相关政策的人员，以及该治理是否影响安全、隐私或合规性。确保组织内合适的人员拥有决策权、问责框架和外部资源，以确保在数据和分析的评估、创建、消费和控制方面采取适当的行为。同时，不要忘记对您在此阶段使用的任何 AI 技术进行治理。
要了解更多信息，请查看有关数据拓扑的 IBM 课程
深入了解免费的企业设计思维课程和工具包
定义数据的目标状态
概述您的全面愿景，以便数据战略对话以及由此产生的业务流程变化对于应用程序工程师和业务分析师以及 HR 和销售人员来说都同样有意义。“许多数据环境现在已经过时，并且很少能够在当今的数字环境中灵活发展，”IBM 数据战略、咨询和转型业务负责人 Tony Giordano 表示，
“但数字化需要实时决策能力，而提供这些实时决策能力的预测性模型需要数据科学环境。现在，运营数据越来越多地成为数据生态系统的关键部分。现代数据架构需要一个集成式数据生态系统，该生态系统具有需要管理、治理和保护的功能，以确保提供一致的数据质量以及随着数字渠道的发展而演变的灵活性。”
这种详细程度使得改变业务流程变得较为轻松，因为您已经准备好通过详细的说明来解决问题，了解解决方案如何使特定用户的生活变得更轻松。这是一件大事 – 在最近的一项调查中，37% 的受访者表示，数据安全是他们面临的首要挑战，其次是数据隐私问题和管理数据管道。⁴
具体说明应用程序现代化、自动化和 AI 可以在哪些方面可以提升您的战略
通过数字化转型和 IT 战略了解的知识越多，就能更多地改善数据战略。这些洞察分析有助于提高效率、增加收入增长幅度并降低风险，尤其是在使用应用程序现代化、自动化和 AI 进行扩展时。
Lufthansa 与 IBM 团队合作，试点基于 AI 的新业务理念和服务，以增强客户体验。以前不同的数据源现在可以使用自然语言和航空术语进行搜索，以便更轻松地解决每年近 100,000 个客户查询。“对于 Lufthansa 来说，AI 非常重要，因为它实际上打开了我们拥有的数据世界，”Lufthansa Group 跨领域解决方案高级总监 Mirco Bharpalania 说道，“它实际上帮助我们释放了我们数据库中以某种方式或在某个地方已经拥有的所有潜力。”
衡量目标的进展情况
我们了解您面临的挑战。作为数据领导者，您通常需要在三个竞争性方面交付并量化主要结果：收入增长、运营效率以及降低安全和隐私风险。使用数据取得成功，直接为公司的发展做出贡献。通过建立成功指标，您可以根据此时对您的组织最重要的任务来确定工作的优先级。
别忘了回顾与利益相关者的初次会议记录，了解他们如何定义关键绩效指标和目标，以及这些指标和目标与当前的数据架构和 AI 战略相比较的情况。您的指标是否实现了当时制定的大胆计划？如果没有，是时候重新连接和重新调整了。“CDO 的角色往往非常短暂。原因是没有设定期望。确保您设定了这些期望并通过行动交付结果，”Sankar 说。
捕捉您的数据战略亮点并进行分享
此时，您应该非常清楚组织的优先事项以及如何使用数据和 AI 来交付和加速实现业务价值。您接下来要缩小哪些差距？纵观全局（您所处的位置以及未来的发展方向），您可以了解战略背景，从而制定可行的交付和扩展计划。如您采取此类行动，请纳入使您步入正轨的结果、目标和措施，以便您可以在旅程展开时与您的企业进行分享。以下是数据战略概述中应包含的一些内容：
- 观察结果、挑战和建议
- 目标、结果和措施
- 跨职能数据需要支持多个用例
- 数据隐私和安全需求
请记住：战略不仅仅是纸上谈兵，而是一种活生生、不断演变的方法。所以要有创造力。根据不断变化的业务目的和目标经常进行审查和优化，并始终确保您的战略考虑到灵活性、敏捷性和人性化创新。
下载六步式数据战略框架
绘制并浏览现实世界场景
无论是实现陈旧系统创新、抛弃旧产品、委托给精通数据的合作伙伴，还是在整个业务范围内应用人工智能，您的任务都是专注于您的数据目标，尽可能少地偏离目标。您可以从数据用户那里获得洞察分析。考虑使用 AI 加速实现业务价值的最佳方法。实施您在战略阶段创建的数据拓扑可以帮助您密切关注用例并监控多个业务线的各种控制。
概述基于数据和 AI 的质量、隐私和安全的数据治理政策
作为现代数据管理方法的一部分，强大的治理和隐私功能可帮助组织在数据量不断增长的环境中蓬勃发展。适用于所有数据、分析和 AI 举措的元数据和治理层可以提高整个组织的可视化效果和协作，且无需考虑数据位于何处。数据治理政策可以塑造数据质量、隐私、安全和管理相关的行为，并显示 AI 在哪些方面简化了这些监管工作。无论执行什么政策，都应该有助于实现结构化和非结构化数据的术语标准化，以便组织中的每个人都可以使用相同的语言。所有这些都应由专为特定环境设计的应用程序提供支持，符合安全和监管要求，并采用混合多云方法构建平台，以确保提供最佳保护。
确定您的数据倡导者
在您所在的组织中，您视为数据战略和倡导盟友的人员是您取得成功的合作伙伴。找出哪些人员最热衷于研究数据对其工作的影响，并让他们参与定期会议和标准维护工作。“我从确定产品推广人开始，”Sankar 说，“可以从一个业务部门开始，一旦该业务部门取得成功，就会出现连锁反应。”
作为一家数据优先的企业，IBM 拥有一支数据倡导者团队，他们专门致力于帮助组织在各个层面更好、更普遍地使用数据。
这些数据倡导者在 IBM 内部得到了充分的授权，例如，如果他们在应收帐款或供应链中找到志同道合的群体，并且想要推进数据和 AI 功能，他们就可以向前推进，而不必回来获得许可或资金。
实现术语命名标准化
到 2024 年，有效利用活动元数据的组织将把集成式数据交付时间缩短一半，并将数据团队的工作效率提高 20%。⁵
为了使用元数据来帮助实现术语命名标准化，许多人都会实施知识目录。知识目录允许用户访问、管理、分类和共享数据、知识资产和合规信息，就像跨组织的通用术语表一样。目标是确保每个人在治理、数据质量和合规方面达成共识。
设置冲刺周期
为了落实数据和 AI 战略，组织通常需要重新设计有关新概念和环境的整体文化。这听起来让人望而生畏，但也不是不可能实现的。
首先思考您可以在短时间内实现哪些有价值且可行的目标。根据明确的目标组建跨职能团队。然后，设置较短的冲刺周期，其中包含有助于证明结果的可操作里程碑。一种方法是遵循 IBM 数据专家使用的这个可重复的简单流程：
- 计划用一到两周的时间举办探索研讨会和数据策略规划会议，其中包括数据拓扑图绘制工作。
- 通过客户驱动的用例集以及可操作和可学习的里程碑在六周内进行验证。
- 通过内部利益相关者跟踪测试产品，进行采用并扩展以确保转化。
最后一部分至关重要。为了促进对任何战略的优点的清晰理解，请确保高级管理层、技术团队和业务用户都有相同的目标。
以 MVP 的形式收集取得的小胜利
有时，您可以用最少的投资获得最大的收益。Experian 的 IT 团队不知道他们的后台提供数据分析的地方；他们只知道自己正被信息淹没。在不到一秒钟的时间内汇编一份信用报告需要不少于 3,000 个数据源，每月不断更新 2 亿条记录，以及跟踪存档历史数据和衍生数据集的数十亿行额外数据。
Experian 与 IBM 合作实施了 MVP，让用户能够以最少的投资和功能来思考和测试新想法。在许多情况下，这是最具成本效益的最快方法，可以检验假设并确定持续投资是否有意义。在这种情况下，确实如此。“在 90 天内，我们就获得了概念验证，结果表明我们可以将覆盖范围提高 500%，并将成本降低 80%。”Experian 首席数据官 Joni Rolenaitis 表示。
通过集成新兴技术和系统，组织的自动化水平、数据驱动程度、风险承受能力和安全级别变得更高。因此他们可以更加智能地工作，而不是更努力地工作 – 毕竟，通过 AI 驱动的工作流程提供的洞察分析可以提升效率和改善收入流。考虑过时的数据生态系统和管理实践如何影响员工的决策能力。研究表明，在大多数组织中，多达 68％ 的数据没有经过分析。⁶随着计算能力、更智能的算法和经济实惠的存储取得的惊人进步，整合数据是面向未来的组织的基础。
创建集中式目录以查找和共享洞察分析
您有望利用集中式目录来存储和共享洞察分析，从而简化数据消费。在该目录中，数据以原始和经整理的形式进行扩充，并具有适合用途的存储，允许在整个组织内发布和订阅数据。数据访问工具不仅要考虑各个应用程序或流程，还要考虑数据的使用方式以及正在涌现的知识。这种详细程度使用户能够做出实时决策，同时考虑业务线以及分析师、数据科学家、监管机构和联邦机构的数据。
通过为数据消费者赋能，鼓励全方位采用
这不仅仅是低头研究数据的问题。您可以使用新的数据管理框架来鼓励全方位（而不仅仅是自上而下）采用组织的数据和 AI 战略。通过这种方式，您将影响业务沟通方式、改进关键工作流程、优化安全并解锁新的业务模式、市场机会和运营效率。
传达结果以最大限度地提高可视化效果
让大家知道您的付出得到了多少回报。“通过业务流程和数据连接以及通过数据进行吸引人的情境叙事来建立可信度，”Sankar 说。通过快速更新和定期报告在整个企业范围内（向上、向下、横向、对角线）实现此目标，这些报告可以衡量新战略如何推动增加收入并使每个人的工作变得更加愉快，尤其是在 AI 方面。
雇佣（和重新培训）人才以保持敏捷
人才短缺是真实存在的，但大多数组织不知道该怎么做。缩小技能差距意味着超越传统的招聘和培训策略。在公司争相满足人才需求的同时，许多公司正在调整对教育和经验的要求，只是为了填补职位空缺。当培训和招聘都不够时，您能做些什么？请考虑 IBM 企业指南中的这些技巧来缩小技能差距，并深入了解通过 AI 和自动化来弥补技能差距的方法。
始终培养数据素养
Gartner 预计，到 2023 年，数据素养将成为商业价值的重要且必要的驱动力，这一点可以从其正式纳入超过 80% 的数据和分析战略以及变革管理计划中看出。⁷但跟上数据素养不应该是每年或每季度的努力，而应该是公司策略的持续组成部分。Bhandari 说：“如果你想建立一种数据驱动的文化，却不赋予员工权力，这从某种意义上来说是一种矛盾。”“如果这是一种数据驱动的文化，那么人们应该关注数据。”
在整个组织内建立牢固的合伙关系
在最基本的层面上，作为数据领导者，您的工作是帮助组织在数据收集、管理和使用方面做出最明智的决策。当您在各个层面建立和加强合伙关系时，请对反馈和协作持开放态度，并期待出现意外情况。因为当您发展数据优先型组织时，会发生一些有趣的事情。您的愿景越是融入组织的 DNA 中，只需支持建立一种激励人们学习和承担新角色的文化，能“放手”的事项就会越多。通过这一切，继续清晰地传达目的和目标，着眼于未来。
Gartner 预计，到 2023 年，数据素养将成为商业价值的明确且必要的驱动力，这一点可以从其正式纳入超过 80% 的数据和分析战略以及变革管理计划中看出。⁷
您的组织将在数据策略的激励下团结在您的身后。当您增强现有技术并引入新技术以简化每个组织级别的数据访问时，请记住，您所做的不仅仅是提高效率和推动新洞察力，您还在建立一种由热衷于充分发挥数据潜力的员工组成的文化。
脚注
1“2022 年 CDO 议程：关注价值、人才和文化，推动发展，”Gartner，2021 年
2“IBM Garage 的总体经济影响，”Forrester Consulting 委托进行的一项研究，2020 年 10 月
3“Tableau 加强其数据素养举措，以解决数据技能差距，扩大市场，”IDC 文档 #EUR148573521，IDC，2021 年 12 月
4“深入了解数据湖 — VotE 要点：2021 年数据与分析、数据平台，”S&P Global Market Intelligence 旗下机构 451 Research，2021 年
5“新兴云数据生态系统的影响：架构视角，”Gartner，2021 年 9 月 9 日
6“重新思考数据：让更多业务数据发挥作用 — 从边缘到云，”Seagate Technology，2020 年 7 月
7“数据和分析领导者的数据素养指南，”Gartner，2021 年
GARTNER 是 Gartner, Inc. 和/或其附属公司在美国和国际上的注册商标和服务标志，经许可在本文中使用。保留所有权利。