每一个用例都需要数据战略的支撑，而人工智能 (AI) 的快速演进更是大大提升了清晰制定战略的重要性。
所有 AI 能力均由数据驱动，因此您可能会以为仅凭一种 AI 就绪的数据战略，就适用于每一种 AI 用例。但传统 AI 和生成式 AI 具有不同的数据需求。要充分发挥生成式 AI 的价值，您的数据战略必须有助于管理非结构化数据。
首先要理解您的数据环境：数据资产、数据架构，以及当前业务流程中数据的使用情况。此外，您还需要在组织内灌输数据素养文化，赋能员工，促进数据民主化和员工对 AI 的基础认知。这一任务虽然难度颇高，但至关重要且切实可行。以下框架将帮助您设计合适的数据战略，助力实现组织的业务目标，并借助 AI 取得成功。
了解企业数据的质量，以及数据如何在不同业务领域之间流动，将有助于您解锁未发掘的商业价值。
在数据战略的成形过程中，请随时与利益相关者沟通，将其优先事项和痛点放在首位。
确定最具吸引力的用例
为了找到与您的业务目标一致的合适数据，“始终贯穿的一个问题就是：您想要解决哪些业务问题？” IBM 数据战略、咨询和转型业务负责人 Tony Giordano 说道。
当您搜索最具吸引力的用例时，请始终将清晰务实的目标牢记于心。优秀的首席数据官 (CDO) 深谙业务发展的驱动要素，并始终将数据与分析同核心业务目标紧密关联。¹
保护您的投资
利用现有基础设施、技术和技能，将您的数据战略提升到新的水平。熟悉组织的技术生态系统，以确定组织的数据在哪些方面以及如何帮助实现业务成果。当您真正了解数据时，您就能找出与业务战略不符的过时数据架构，更好地利用已获资助的计划，并确定需要改进的领域。
识别障碍和差距
一旦设定最终目标并获得领导层的支持，您就可以识别真正实现“数据为先”的体验过程中面临的障碍。孤岛往往是数据集成、数据管理和工作流程挑战的症结所在。事实上，81% 的 IT 领导者表示，数据孤岛正在阻碍其数字化转型进程。²
数据访问不应成为障碍。
用户应能够访问可产生良好结果的数据。他们应该无需考虑数据的驻留位置，或数据是否受到治理且合规。他们应该能够放心地使用所需数据。
数据战略的设计思维
设计思维方法有助于发现组织痛点，从而为多个用例、业务线或各个团队带来战略价值。这个过程有助于在观察、反思和创造的连续循环中生成可实现的解决方法，并将问题和解决方案作为持续的对话来处理。
盘点人才及其技能
您无法靠一己之力开展数据变革。要确保您的组织提供持续培训，以跟上 AI 演变和整个 IT 行业发展的步伐。IBM 商业价值研究院的一项调查发现，85% 的优秀 CDO 正在扩大培训范围，77% 正在对内部员工进行再培训，70% 则正在招募新人才以提高组织的数据素养。³
优先治理
生成式 AI 时代，您必须实现端到端的治理。有效把控有监管要求的关键数据元素，对于稳定运行系统而言至关重要，有助于避免重复错误、不可靠的搜索或隐私泄露。审视当前哪些人员负责管理和制定数据政策，以及这一治理方式是否会影响安全、隐私或合规性。要确保相关方具备有效管理数据所需的决策权、问责框架和外部资源。
定义数据的目标状态
“许多数据环境已经过时，很少能够在当今的数字环境中灵活发展，”Giordano 表示。现代数据架构需要进行管理、治理和保护，以确保一致的数据质量。它需要与数字渠道一起灵活发展。
衡量目标的进展情况
虽然数据领导者总是肩负着推动转型变革的期望，但他们的成功与否却是用战术性的短期业务目标来衡量的。根据 AWS 开展的一项 CDO 调研，74% 的 CDO 表示，他们的成功是以业务成就为衡量标准的，或是业务目标和技术目标各占一半；只有 3% 的人表示，其成功与否完全根据技术成就来衡量。⁴
专注于您的数据目标。考虑借助 AI 加速商业价值的最佳方法时，充分利用来自数据用户的洞察。
制定数据治理政策
强大的治理框架以数据的质量、隐私和安全为基础。为所有数据、分析和 AI 举措建立元数据和治理层，可提高组织的可见性和协作性，无论您的数据位于何处。您的数据治理政策将影响与数据质量、数据隐私、数据安全和数据管理相关的行为，同时向您展示 AI 在哪些方面精简了您在监管方面的工作。
发现您的数据倡导者
寻找组织中热衷于利用数据推动其工作进程的员工。他们正是您取得成功的合作伙伴。让他们参与定期会议和标准化工作。
您可以在数据团队中寻找成功合作伙伴——招募正在构建 AI 模型的数据工程师、数据架构师或数据科学家。对于依靠数据分析的团队，其业务线负责人也是不错的候选者。他们可能拥有使用新技术改进业务流程，并优化数据价值的经验。
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文化。
首先设定可快速实现、有价值且可行的目标。根据这些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。最后，确保您的高级管理层、技术团队和业务用户都有相同的目标。
收集小型成功案例
可重复的小型用例，有助于快速证明数据和 AI 投资的价值。您不必一开始就着手解决最困难的问题。有影响力但操作简单的用例，让您有机会收集有关技术的洞察，尽早积累成功案例。在采用 AI 的初始阶段，投资试点项目获得所需的经验，以便在未来交付更大的成果。
创建中央数据目录
中央目录可存储并分享洞察分析，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互相补充，并具有适合用途的存储方式。数据访问工具不仅要考虑各个应用程序或流程，还要评估数据的使用方式以及正在涌现的知识。这种详细程度能助力用户考虑组织各部分的数据，做出实时决策。
赋能数据消费者，推动采纳
使用新的数据管理框架来鼓励在整个企业范围内采用。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。
展示和讲述
您的用例将成为赋能的重要来源。正如《哈佛商业评论》近期一篇文章所指出的：当 CDO 和 AI 领导者“让利用数据成为每个人的任务”时，他们就能取得更大的成功。⁵因此，要善用这一优势——用例可涵盖数据科学、运营分析、数字化转型、商业智能、新的生成式 AI 举措等多个领域，让不同团队都能借助数据推动企业变革。
聘用（并重新培训）人才
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，请考虑您的组织如何利用 AI 和自动化来弥补技能差距。
在整个组织内建立牢固的合作关系
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作关系时，请对反馈和协作持开放态度。
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。
您的组织将在身后为您提供支持。当您增强现有技术并引入新解决方案以简化数据访问时，请记住，您所做的不仅仅是提高效率和推动获得新的洞察分析，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《将数据转化为价值》，IBM 商业价值研究院，2023 年 4 月。
² “85% 的 IT 领导者认为 AI 能提升生产力……”，Salesforce，2024 年 1 月。
³ 《2023 年首席数据官研究》，IBM 商业价值研究院，2023 年 3 月。
⁴ “CDO 的 2024 议程”，AWS，Thomas H. Davenport、Randy Bean 和 Richard Wang，2023 年 10 月。
⁵ “为什么首席数据和 AI 官正在……”, Randy Bean 和 Allison Sagraves，2023 年 6 月