【数据战略】数据战略是破碎的

随着将公司转变为数据驱动型公司的愿望，在数据和机器学习方面也进行了巨额投资。

最初，这项投资只在大型科技公司进行，但很快，剩下的行业看到了这一转变的潜力，以及它可能为公司的增长和发展带来的好处。

有了这笔投资，数据科学家、数据工程师、数据领导者、数据高管和其他数据专业人士的新时代已经出现。一套新的数据工具和框架也出现了。

但今天我们可以说，大部分投资更多的是战术性的，而不是战略性的。这项投资没有产生预期的影响。

• 虽然建立了仪表盘，但该公司仍在继续使用其单独的excel文件。
• 有一些流数据管道正在部署中，但没有人理解它们为什么相关。
• 虽然实现了一些机器学习模型，但决策过程是一样的。

当今组织中的数据战略已经崩溃。它被设计成在筒仓中运行。

它关注的是结果，比如模型的准确性、这些仪表盘的美观程度，或者这个数据堆栈的现代化程度。

没有实际关注结果，如组织中的采用程度、员工访问数据的容易程度、他们对数据的满意度以及数据对组织的影响。

根据我的经验，造成这种危机的一些原因是：

• 目前尚不清楚数据将如何为公司的目标和结果做出贡献。
• 该组织缺乏数据扫盲举措。
• 没有实验的空间。这意味着没有失败的空间。没有创新的空间。没有持续改进和长期增长的空间。

如果你深入研究一下共享的3个主要原因，你会注意到，这些原因可以适用于组织中的所有业务计划。数据也不例外。你需要管理的期望和结果是不同的，专业人士也不同，但其他人不同。

那么，为什么组织将数据团队视为二等公民，同时表示他们希望成为面向数据的团队呢？

对任何人来说，没有平等的旅程。即使是同行业的公司。到目前为止，我们还无法像软件工程师对待传统应用程序那样标准化流程。高管们仍然不了解数据是如何工作的。

数据专业人员需要意识到这一点，并将这些事实作为旅程的一部分。将这些问题作为数据路线图的一部分来解决。

此外，数据专业人员可以遵循这7个简单的步骤来增加数据在组织中成功的概率。

1. 了解公司的愿景和战略。
2. 确定数据和人工智能如何为这一愿景做出贡献。
3. 定义数据和人工智能将执行的角色以及预期的结果。
4. 将实验成本作为MTP(mid-term plan)（中期计划）的一部分
5. 确保数据团队了解其日常工作的影响。需要时提醒他们。
6. 教育高级和中级管理人员。指出对他们的期望以及他们应该得到的回报。让他们成为计划某些部分的所有者，以确保参与。
7. 边走边重塑和调整战略。继续在整个组织中传达变化。

实施数据战略不仅仅是技术。这与它执行业务任务或使业务任务自动化的程度无关。这一切都始于教育、期望管理、清晰的路线图、透明清晰的沟通，最重要的是，对内部用户习惯和问题的真正兴趣。

我知道，写起来容易，写起来难。但是，没有聪明和努力的工作，就不会有好的结果。

所以，别忘了用真实的事实、能量、同理心武装自己，大胆一点。