设计数据策略的六个步骤

随着 AI 的崛起，一套清晰且可落地的数据战略从未像现在这样重要。

差异化是不可或缺的；每个 AI 用例都有其独特的数据需求。例如，要充分发挥生成式 AI 的价值，就需要妥善管理非结构化数据。

无论您的目标是什么，成功的数据战略首先要理清您的数据环境：包括数据资产、数据基础设施和企业数据使用情况。您还需要培育数据素养、数据民主化及 AI 应用能力的文化，为组织内所有团队赋能。

以下六部分框架将帮助您设计数据战略，培育可在全业务范围内规模化应用的 AI，助力您实现业务目标。

利益相关者有关的主要问题

1. 应优先考虑哪些业务计划？
2. 是否存在可能减缓 AI 采用率的数据问题？
3. 哪些挑战会危及优先目标的实现？
4. 通过更好地获取高质量数据，可以改善哪些问题领域？
5. 组织如何衡量成功？

“在与利益相关者会面时，确定整个企业的数据需求，以展示数据作为战略资产的价值。”
 

Jo Ramos
数据与 AI 解决方案工程负责人

IBM

确定最具价值的用例
 
IBM 数据战略、咨询及转型业务负责人 Tony Giordano 表示，将合适的数据与业务目标对齐 “始终围绕一个核心问题：您想要解决什么业务问题？”
 
在寻找具有价值的用例时，请牢记与业务优先级一致的清晰、可实现的成果。¹

保护您的投资


利用现有基础设施、技术和技能，确定数据在哪些方面、通过何种方式能帮助实现业务成果。当您真正了解自己的数据后，就能精准识别过时的数据架构，更好地利用已获资助的计划，并明确需要改进的领域。

识别障碍与缺口

一旦您明确了目标并获得领导层支持，就需识别打造真正数据优先体验的各类障碍。数据孤岛往往会阻碍数据整合、数据管理与工作流程效率提升。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

确保数据便捷访问

用户应能无缝访问可产生卓越成果的数据。他们无需担心数据的存储位置，也无需顾虑数据是否经过治理且符合合规要求。

将设计思维应用于数据战略


设计思维方法有助于挖掘组织痛点，进而在多个用例、业务线及各团队中创造战略价值。它通过观察、反思与迭代的持续循环，助力制定可落地的解决方案。

评估人才与技能储备

确保您的组织提供持续培训，以紧跟 AI 与 IT 领域的发展步伐。IBM 商业价值研究院 (IBV) 的一项调查显示，85% 的领先 CDO 正在扩大培训覆盖范围，77% 正在对内部员工进行技能重塑，70% 正在招聘新人才，以提升整个组织的数据素养。³

优先推进治理工作

要在系统运行中避免出现重复错误、不可靠的搜索或隐私泄露，就必须掌握关键的、受监管的数据元素。需明确数据政策的所有者、管理者与制定者，以及该治理机制是否会影响安全性、隐私保护或合规性。确保相关方拥有必要的决策权、问责框架与外部资源，以实现数据的有效管理。

定义数据的目标状态

Giordano 表示：“许多数据环境已过时，在当今的数字化环境中几乎缺乏演进的灵活性。”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。


衡量目标达成进度

数据领导者需要推动长期转型，但衡量其绩效的往往是短期业务成果。AWS 的一项调查显示，74% 的 CDO 表示其成功与否取决于业务成果，或业务与技术目标的结合，而仅有 3% 的 CDO 表示其成功仅以技术成就为衡量标准。⁴

“董事会希望 CDO 在上任之初就‘创造奇迹’，而 CEO 则认为大型企业可以在六个月或更短时间内完全实现数据驱动，这些期望导致 CDO 面临前所未有的压力。”
 

商业价值研究院首席数据官研究（2023 年）³

聚焦您的数据目标。借助数据使用者的洞察，探寻通过 AI 加速实现商业价值的最佳路径。


制定数据治理政策纲要


完善的治理框架将保障数据质量、隐私保护与安全性。无论数据存储在何处，元数据与治理层都将提升整个组织的数据可见性与协作效率。此外，您的数据治理政策将指导数据的管理、安全防护与隐私保护方式，同时帮助您跟踪 AI 对合规工作的支持情况。

识别数据倡导者

寻找热衷于利用数据提升工作成效的核心人员。这些核心合作伙伴能够助力数据实践标准化，推广良好的数据使用习惯。可在数据团队中发掘倡导者，例如数据工程师、数据架构师或构建 AI 模型的数据科学家。对于依靠数据分析的团队，其业务领导者也是不错的候选者。

设置冲刺周期

要嵌入数据和 AI 战略，首先要设定明确的、可实现的目标。围绕这些目标组建跨职能团队，开展短期冲刺周期，设定可落地的里程碑以展示进展。确保高管层、技术团队与业务用户秉持一致的愿景。

积累阶段性小胜利

聚焦简单且具影响力的用例，快速彰显您的数据与 AI 投资价值。切勿一开始就着手解决最棘手的问题。在 AI 应用初期开展试点项目，积累经验，为后续交付更大规模的成果奠定基础。

创建中央数据目录

中央数据目录以原始数据和经过整理的数据两种形式存储并共享数据，便于用户访问与使用。它可以跟踪数据的使用状态及产生的洞察，助力用户在整个组织内做出明智决策。

赋能数据使用者采纳新框架

鼓励在企业范围内推广采用新的数据框架。这将改善沟通效率、简化工作流程、优化安全防护，同时催生新的业务模式、市场机会，提升运营效率。

成果展示与推广

您的用例是展示业务价值的有力方式。正如《哈佛商业评论》一篇颇具洞见的文章所指出的：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

用例可覆盖数据科学、运营分析、数字化转型、商业智能、生成式 AI 计划等多个方面，为多个团队提供利用数据创造实际业务价值的机会。

招聘与技能重塑

缩小技能差距需要跳出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。当培训和招聘仍无法满足需求时，可考虑借助 AI 与自动化技术解决劳动力短缺和技能不匹配的问题。

建立稳固的合作关系

作为数据领导者，您的职责是帮助组织在数据收集、管理和使用方面做出明智决策。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。当人们有动力学习新知、主动担责并接纳新角色时，数据优先文化才能蓬勃发展。

让数据成为您的差异化优势

当您升级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升效率、挖掘新洞察。您实际上是在打造一种热衷于充分发挥数据潜力的文化。