数字化转型大趋势下，如何通过数据分析助力

编辑导语：若想推动企业进行数字化转型，数据分析将是有利武器。利用数据和分析，企业可以更好地做出决策，挣脱传统业务模式。那么，企业应当从哪些角度切入数据治理？本篇文章里，作者总结了数据分析的有利之处，以及数据治理的几个关键基础，一起来看一下。

信息作为资产仍处于“早期采用”阶段，这使其成为专注于数字化转型的领先组织的竞争优势。反过来，数据和分析成为战略重点。

数据和分析是组织数字化和转型工作的关键加速器。然而如今，只有不到 50% 的企业战略提到数据和分析是交付企业价值的基本组成部分。

每个行业的领先组织都将数据和分析作为竞争武器。

Gartner 预测，这将很快改变。到 2022 年，90% 的企业战略将明确提到信息是一项关键的企业资产，而分析则是一项基本能力。

“一家公司在新兴数字经济中的竞争能力将需要更快节奏的前瞻性决策，” Gartner 的副总裁分析师莱尼说。“数据和分析领导者需要将自己纳入企业战略规划，以确保将数据和分析能力纳入最高级别的面向公众的企业计划。”

一、扩大数据和分析讨论

将数据分析策略作为常规的董事**讨论主题。每个行业的领先组织都将数据和分析作为竞争武器、运营促进剂和创新催化剂。

数据和分析将成为企业战略、重点和投资的核心。

尽管如此，许多公司继续在传统业务模式和模拟业务流程的重压下苦苦挣扎，这些业务模型忽视了数据和分析的潜力。其他人认识到他们的潜力，但无法进行文化转变或致力于实现该潜力所需的信息管理和高级分析技能和技术投资。

二、提升企业价值的策略

随着首席数据官（CDO）的角色占据主导地位——获得与其他高管同等的权力和影响力——组织将不再仅将数据用作资源，将分析用作报告和决策支持工具。数据和分析将成为企业战略、重点和投资的核心。

• 从组织（或其他类似组织或行业）产生的数据和分析中收集内部和外部经济利益的示例并将其可视化。
• 提供或坚持参与企业战略规划，以确保将数据和分析能力纳入这些计划中。如果还没有的话，在内部和在年度报告、投资者**议等中公开传达这些信息。
• 衡量和传达组织信息资产的价值，以帮助将文化转变为将信息视为实际资产的信念和行为。
• 构建、购买和借用传统商业智能之外的高级分析能力（例如数据科学或机器学习），并将其嵌入到整个业务中。

三、7个数据治理关键基础

1. 使数据和分析治理与业务成果保持一致

治理工作应与业务战略和优先事项直接相关。然而，组织通常将其 D&A 治理实践定位于数据而非业务，这使得 D&A 领导者很难与业务领导者进行有意义的讨论。

为了更好地支持业务成果，将治理政策和标准与业务优先级、业务流程指标和 D&A 指标保持一致。

将业务价值和优先结果放在治理章程的中心，并为成功制定明确的业务指标。确保这些指标归属于指定的利益相关者并与 D&A 指标相关联。最后，与关键决策者一起组织研讨**，并考虑改进业务成果的策略。

2. 维护问责制和决策权的模型

问责制和决策权模型对于任何成功的 D&A 工作都至关重要。这提供了必要的监督，以确保合适的人对他们所做的决策负责，并且利益相关者对治理决策过程有信心。

3. 实施基于信任的治理

数据和分析资产存在于整个企业的任何地方，并且性质各异，因此基于“所有信息均等”的假设做出业务决策不再是一种好方法。相反，建立一个基于信任的治理模型：

• 支持分布式 D&A 生态系统；
• 承认资产的不同血统和管理；
• 帮助商业领袖更有信心地做出与情境相关的决策。

评估数据目录等技术如何帮助发现、评估和管理整个企业生态系统中的数据和分析资产。

4. 重视数字道德和透明度

为了成功实现数字化，必须基于透明度和数字道德原则。数据和分析治理决策应该清晰、可辩护并记录在案。作为数据和分析领导者，应该建立一个可以在整个企业中实施的数字道德框架。

确保数据和分析治理章程符合组织的商业价值以及道德原则。确保它指定了相关的权力和责任，并解释了做出决定的基础。

数据和分析治理操作程序应展示清晰的审计线索，突出显示做出的决策、采取的行动、相关投资和支出以及对数字道德的遵守。

5. 考虑风险管理和信息安全

表现最好的组织具有风险意识，而不是规避风险。这意味着他们将数据和分析创造的机**与风险一起解决。通常，组织将业务机**和风险分开管理，并且在评估业务成果时，他们也不将信息安全视为关键组成部分。

D&A 治理机构应该拥有多学科团队，能够做出平衡的决策，对机**、风险和安全给予必要的重视，并牢记组织的长期利益。

评估治理决策的指标应该表明业务价值、未来的风险和机遇，以及信息安全方面的差距。为实时解决D&A风险，建立控制环境并将企业信息安全框架与其集成。

6. 部署治理培训和教育

D&A 治理计划要求人们遵循政策和标准设定的期望，以不同的方式行事，但并不总是清楚这些新行为应该是什么。与 HR 合作并规划学习和发展制度，以支持数据治理最佳实践。

分析与治理相关的角色以了解所需的技能集，并开发由网络研讨**、博客或指南组成的培训模块，以提供相关和更新的学习材料。评估它们在帮助人们做出更好的治理决策和进行必要的改进方面的影响。

为数据和分析角色设定明确且可衡量的目标。例如，完成有关数据治理最佳实践的特定培训模块可以成为年度员工目标的一部分。

7. 鼓励文化变革和合作

因为 D&A 治理决策是在整个企业范围内做出的，所以关注协作而不是集中化。D&A 治理不能被视为官僚活动；相反，它应该侧重于人与人之间的互动、讲故事、知识共享和创新。

通过参加执行**议、全体**议和其他**议，首先了解组织中当前如何看待数据。找出需要在文化上改变什么，并制定基于故事的叙述，以解释数据和分析治理如何解决导致数字疲劳的真正挑战。

本文由 @阿木木 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议