数据与人工智能失败的根本原因
Wave by CLEANPNG
揭开数据战略的神秘面纱
成功所需的战略性基础工作的指南
https://medium.com/@jens-linden?source=post_page---byline--0095a73cf5ab--------------------------------https://towardsdatascience.com/?source=post_page---byline--0095a73cf5ab-------------------------------- Jens Linden, PhD
·发表于 Towards Data Science ·阅读时间：26 分钟·2024 年 11 月 19 日
–
通过数据和人工智能创造商业价值。每个人都在谈论它，但大多数公司在将数据变现方面都在挣扎。我认为在大多数情况下，这是由于缺乏有效的商业战略所致。本文展示了激活公司数据资产所需的战略基础工作。
这是 一系列文章的第二部分，在这篇文章中，我揭示了数据战略——这是任何希望成为数据驱动型组织、在当今数字化世界中保持竞争力的企业所必需的核心要素。
我是 Jens，一位具有近 20 年实践经验的商业导向数据专家，专注于实施数据与 AI 应用案例。我为来自各行各业的领导者提供建议，帮助他们设计战略并培养数据文化，以利用数据、分析和 AI。
tl;dr
-
缺乏真正的商业战略是许多组织在数据、分析和人工智能方面失败的根本原因，也是它们难以成为数据驱动型企业的原因。
-
因此，组织应首先投资于其商业战略的设计。
-
之后，与数据相关的决策应该在整个组织中绘制出来。
目录
1. 数据出了什么问题？
1.1 数据价值创造失调的症状
1.2 根本原因
1.3 问题有多大？
2. 赢得胜利的策略
2.1 它的起源
2.2 战略就是做出选择
2.3 战略选择级联
2.4 备忘单
2.5 做出综合选择
2.6 制定选择方案
2.7 将战略付诸实践
3. 数据业务需求
3.1 没有明确的数据需求
3.2 数据作为运营职责
3.3 数据作为战略差异化因素
3.4 数据作为业务
3.5 为什么了解你的数据业务需求如此重要？
4 何时需要专门的数据或人工智能战略？
4.1 数据战略之谜
4.2 数据或人工智能职能的战略
4.3 建立数据能力的计划
5 将一切整合在一起
5.1 为数据奠定战略基础的过程
5.2 制定数据相关选择的示例
6 结论
参考文献
1. 数据出了什么问题？
不论是大组织还是小组织，公共还是私营机构，都在努力成为数据驱动型。成为数据驱动型意味着，数据——由内部运营过程生成——被*‘再利用’*以支持人类决策、自动化决策，并促进数字化商业模式。
通常来说，利用数据可以带来：
-
更多收入
-
降低成本，提高效率和利润
-
更好的风险管理
-
更多创新，以及基于数字产品和服务的新商业模式的可能性
有关数据驱动型组织的动机和背景的更多细节，请参见本系列文章的第一部分[1]。
数据咨询行业、众多数据专家（包括我自己）和技术供应商不厌其烦地重复强调组织领导者为何应投资于数据能力，包括技能、能力、方法论、文化以及——当然——相应的 IT 工具和平台。以下是从[2]翻译过来的一个引用，点明了要点：
“通过数据创造持续价值已经成为当今企业的决定性竞争优势，且在不久的将来，这将成为生存的必需条件。”[2]
这个话题近年来引起了广泛关注，原因在于生成型人工智能（GenAI）技术的显著进展，以及由此带来的媒体炒作，这些内容已经出现在主流媒体中，并且——至少对我个人而言——甚至成为了许多私人场合中与家人和朋友的对话话题。
尽管当前有生成型人工智能的热潮，但数据价值创造的理论和实践并非新鲜事物。它在过去以不同的名称出现过，如分析、商业智能、统计建模、数据科学、机器学习、大数据，如今主要被称为人工智能。所有这些术语或多或少描述了从数据中提取洞察的不同技术，而当这些技术得当应用时，就能够显著提升商业表现。
作为一名数学家，我在数据科学家的角色中度过了许多年，应用统计方法来发现模式，这些模式可以被企业用来增进对消费者、市场或竞争的理解，进而可以用来增加收入或减少成本和风险。每个行业和价值链的每个环节都有经过实践验证并且为人们所理解的数据价值创造应用案例。
尽管“再利用”数据来创造额外商业价值，甚至转变现有商业模式的应用和益处是显而易见的，但我也观察到一种截然不同的商业现实：
许多组织仅仅在努力有效且高效地利用数据来创造商业利益。
数据在组织中出现了什么问题？
1.1 功能失调的数据价值创造的症状
组织在数据方面的问题清单可能很长[13]，每个组织的情况肯定不同。然而，问题通常归结为一些典型的症结：
-
职责不明确：在数据解决方案的协调和开发以及支持活动（如数据治理或数据架构）方面，责任不清。
-
数据、分析或人工智能项目失败：分析和人工智能项目往往耗时长且成本高，或者在没有与特定商业目标紧密联系的情况下启动，导致项目无法带来可衡量的价值。
-
数据意识缺乏：员工和高管对将数据作为资产加以利用的潜力和益处认识不清。数据当前和未来的角色根本没有被理解，导致错失机会。这通常还伴随着高层管理的忽视。
-
孤岛有两种形式：组织孤岛阻碍了协作、创新和效率，而数据孤岛则使得人们无法访问、结合和利用来自组织不同部分的数据，导致碎片化的视角和冗余或矛盾的结果。
-
缺乏熟练的人员：组织内缺乏数据倾向的业务用户或数据专家。
-
数据质量差：团队经常报告数据的准确性、完整性或一致性问题，导致对基于这些数据的洞察和决策缺乏信任。
这些是许多组织都非常熟悉的症状。那么，所有这些痛苦的根源是什么呢？
1.2 根本原因
曾经并且现在依然存在一种普遍的误解，即数据价值创造是一个技术挑战。如果我们只引入合适的平台并提供所需的培训，组织就能够有效且高效地利用数据来创造商业价值。但这是一个谬论。
IT 平台、工具和算法库已经存在了一段时间，成熟且可以使用，并且持续改进。虽然数据的技术提取和准备应该‘正确’完成，以实现高质量数据以及可扩展和灵活的数据模型，但已有经过验证的框架和最佳实践可以精确实现这一目标。
选择和实施 IT 平台、工具、最佳实践和算法库来处理数据是一个复杂但并不复杂的问题，实际上已经解决了。
组织要么具备选择和实施内部技术的专业知识，要么可以轻松获得可靠的外部专家咨询。
我认为，功能失调的数据价值创造的根本原因是缺乏一致的商业战略：
缺乏商业战略是许多组织在数据、分析和 AI 方面失败的根本原因。
如果商业战略没有明确定义，组织在构建和维护他们需要的数据能力时会遇到困难，这些能力对于有效和高效地发现、创新、构建和维护数据驱动的解决方案至关重要。
图 1：战略是大多数公司在数据方面失败的根本原因。植物图片来自 CLEANPNG。
例如，成功实现数据价值生成所需的一个核心数据能力是（数据）文化 [3, 4]，它确保员工：
-
理解数据能实现什么
-
想要利用数据改善业务
-
可以使用数据来实现这一点
-
必须使用数据，因为这是他们领导者所期望的
然而，为了创建有效的数据文化，你需要知道你的目标文化应朝着哪个方向发展。你必须了解数据业务需求，这些需求指引你需要在何种方向上发展你的目标数据文化。这些数据业务需求正是由战略提供的。
没有明确的商业战略，组织很难就数据、分析和 AI 的需求达成一致。数据价值创造的角色也因此不明确。然而，要构建量身定制和可持续的数据能力，你需要了解在组织中数据的主要用途，是否是例如为 CFO 提供一组报告，还是数据是推动竞争优势的一种手段，比如通过数字产品和服务。
通过有意识的战略设计，将隐含的选择变得显而易见，你便构建了一种沟通方式，来达成关于数据业务需求的共识。
正确构建数据和 AI 能力无疑并非制定稳固战略的唯一好处。这更像是一个副作用。虽然这应该是不言自明的，但为了完整性，拥有一个明确且精心设计的商业战略的好处包括：
-
竞争优势
-
明确的方向和目标
-
聚焦与有效的资源分配
-
员工对齐与士气
-
长期成功与可持续性
-
有效的风险管理
1.3 问题有多严重？
当我开始与新客户合作，帮助他们解决与数据相关的问题时，我通常会进行的首要信息请求之一就是索要相关的战略文档，尤其是（企业）商业战略。我经常收到模糊的回应，例如：
-
“我们的战略尚未文档化。”
-
“我们的战略已经过时，需要更新。”
-
“我不确定，我需要做一些研究。”
-
“我们有一种行动导向的战略。”
在提供战略文档的情况下，通常这些文档最终变成了一份松散的倡议清单，所有倡议听起来都不错，但整体上并未达到常见的战略标准[5a]。
虽然我并不清楚有关此问题的代表性统计数据，且一个好的商业战略可能确实依赖于组织的规模以及其他因素，如行业等，但我个人对德语市场的印象——我最为活跃的领域——是，许多公司缺乏一个扎实、明确且设计良好的战略。
很少有组织能够制定出明确、扎实的商业战略，从中可以推导出所需的数据、分析和 AI 能力。
根据我的经验，小型和中型企业，“Mittelstand”，即德国经济的支柱，面临的挑战尤其严峻大约 56%的员工在这些企业工作 [6]。
通过本文，我旨在通过澄清组织战略工作中需要做的事，来解决数据作为资产的根本性问题。
为了开始，我们先仔细看看什么是真正的战略。
2. 玩转成功
2.1 它的起源
玩转成功是一种由罗杰·马丁 [7]提出的战略框架，他在 2017 年被评为全球#1 管理思想家，是全球各大公司 CEO 的可信顾问，曾任 Monitor 咨询公司顾问，且曾是罗特曼管理学院的教授。
这一框架是在 1980 年代和 1990 年代开发并不断完善的[5b]，并最终形成了罗杰·马丁和宝洁公司前 CEO A.G. 拉夫利的合著书籍 [8]。该书于 2013 年出版。
这一框架成为宝洁公司的标准战略方法论，并且自那时以来已成功应用于许多行业。此外，玩转成功框架也通过罗杰·马丁的一系列战略实践者见解不断得到详细阐述[5, 5c]。
虽然市面上可能存在其他合适的战略框架，我之所以选择“玩转成功”方法，是因为它被广泛知晓和应用，并且配套有完整的流程、模板、资源和培训体系，可以帮助设计任何类型的战略。
2.2 战略就是做出选择
在“赢得竞争”框架中，战略的定义如下[8]：
“战略 是一个整合的选择集合，它在行业中独特地定位企业，以便相对于竞争对手创造可持续的优势和卓越的价值。”
所以，战略是关于做出（通常是艰难的）选择，以赋予公司竞争优势。然而，这些选择是否正确并没有万无一失的保证。结果总是一次战略性赌注。战略设计过程的目的是缩短你的赌注，即在已有信息的基础上，最大化成功的可能性。
请注意，这一定义的战略与计划有很大不同，计划常常被误解为战略[9, 5d]。
“规划是制定项目的时间表、交付物、预算和责任的行为。”[5d]
然而，战略和计划并不是互相排斥的。制定计划是战略设计过程的自然部分，目的是建立实施战略所需的能力（参见下文 2.7 节）。
还有一种我特别喜欢的战略定义，即：“战略是决定你选择做什么和不做什么，以实现特定目标的逻辑”[10]。
因此，每个组织都有一个战略，无论它是否被写下来。这种隐性战略可以从公司采取的行动中推断出来。隐性战略的问题在于，组织内可能没有共识，无法确定这种隐性战略是什么，并且这些行动可能无效。
2.3 战略选择级联
在“赢得竞争”框架内，每个战略设计者必须做出五个关键选择。这些选择被结构化为所谓的战略选择级联，这是该框架的核心工具之一。
图 2：战略选择级联有助于结构化战略设计过程中需要回答的战略问题。
战略的实际核心由第二和第三框中所做的一致选择构成：何处竞争与如何取胜。
如何应用这个级联，最好通过一个现实世界的例子来说明，该例子来自[9]，描述了西南航空的公司战略选择。
图 3：西南航空的战略选择级联示例。该级联总结了大多数相关的战略决策。
该级联不会仅仅填充一次；它将在战略设计过程的多个使用场景中反复审视和应用：
-
通过观察竞争对手的行动来重建他们的战略：这是一个很好的练习，可以帮助你熟悉框架，是一种破冰活动[5e]，用于开始战略设计过程。
-
记录当前的战略：这是建立对现状的共同理解的好方法，并将你当前的隐性选择变为显性选择，前提是之前没有进行过此操作。
-
记录新的战略可能性：设计战略的过程[5f]包含了一个创造性元素，在这个过程中，会生成多个未来目标战略的可能场景，并进行系统的评估。这些场景会通过战略选择级联进行记录和详细描述，每个可能性都有一个对应的级联。
2.4 备忘单
当我使用选择级联时，我的《赢得竞争备忘单》对我有所帮助，其中包含了有关每个框的进一步信息以及框架的主要来源。
图 4：赢得竞争备忘单，提供有关战略选择级联每个元素的详细信息。
2.5 制定集成选择
在制定战略选择级联时，框框不应单独填写[5g]，而需要将它们作为整体来考虑，因为真正的战略选择应当相辅相成，互相强化。
这尤其适用于“何处竞争”和“如何竞争”这两个不可分割的部分，它们始终需要一起考虑[5h]。
但在考虑必须具备的能力和管理系统时，你需要时刻牢记你的“何处竞争”和“如何竞争”。能力和系统是一种现实检查：如果你无法建立所需的能力和系统以实现你的战略，你需要考虑采取不同的方式取胜，有时甚至需要换一个竞争领域。
图 5：在处理选择级联时，这是一个来回的过程，你需要在关注前景的同时，也要始终牢记背景。
从这一点来看，应该明确，填写战略选择级联的过程可以是一个相当迭代的过程，反复推敲，直到你得出一组符合选定竞争领域的胜利理论，并且能够实现赢得愿景，且这些愿景可以通过所需的能力实现，而这些能力是通过所需的管理系统来构建和维持的。
2.6 确定选择
战略选择在整个组织中进行，并且并非所有选择都在最高层（公司层）做出。
选择制定[5i]是一个结构化过程，旨在定义、传达并委派战略选择，确保在各个层级上都能做出一致且有效的决策。
因此，在大型组织中存在嵌套的战略和相应的选择级联，例如国家、类别、品牌或业务单元的战略。
不仅各个业务单元需要做出自己的战略选择，从而制定嵌套的选择级联，职能部门[10]，如信息技术（IT）、人力资源（HR）、财务、市场营销、研发或数据与人工智能（Data & AI）等也需要做出战略选择。
图 6：展示了一个职能战略的嵌套选择级联。
功能性战略的一个特点是，它们可以被视为自然垄断[5j]，在这种情况下，（内部）客户通常没有其他选择，只能使用该职能提供的服务。
2.7 将战略付诸实践
一个好的战略设计过程并不区分创意阶段和随后的执行阶段，而是从一开始就将激活融入到战略过程当中[11]。
战略激活的目标是让每个人理解所做的设计选择，并使利益相关者能够做出支持战略的选择。
战略激活包括创建利益相关者的参与，以使战略具体化，并通过建立必备能力和相应的管理支持系统，推动从设计到行动的转变。
图 7：通过构建所需的能力和系统，战略被付诸实践。
一旦能力和系统被定义，它们就需要被构建和维护。对于每个能力或系统进行适配差距分析（通常称为成熟度评估）后，将为创建构建、购买或借用所需能力和系统的计划提供输入。
有趣的是，（数据）咨询公司通常会提出通过成熟度评估作为进入客户的敲门砖。然而，从上述内容中应该可以清楚地看出，任何适配差距活动只有在战略工作基础完成后才有意义。
将战略付诸实践还为规划提供了联系，规划通常被与战略混淆：战略选择通常要求建立新的能力，因此需要行动计划，一旦现状评估完成。
3. 数据业务需求
一旦你明确了你的商业战略，应该清楚数据、分析和人工智能在你组织中的作用，也就是说，你的（企业）数据业务需求是什么。
就是这么简单：
商业战略必须回答如何使对组织或业务单元相关的数据变得重要。
在使用“Playing to Win”框架时，只需一眼望去，你的商业战略选择级联应能清晰地显示数据对你业务的重要性。
数据业务需求可以采取四种不同的形式。
图 8：概述了四种可能的数据业务需求，并在浅黄色中突出了数据、分析和人工智能在商业战略选择级联中的相关元素。
让我们深入分析这四种情景。
3.1 没有明确的数据需求
在这种情况下，组织内部对数据价值创造是否有必要为取胜提供共识。这意味着，数据似乎与战略选择瀑布的五个框架无关。
示例
一个例子可能是一个专注于手工艺品的小型传统手工业企业，该企业依赖手艺技能、声誉和客户关系。
建议
虽然我相信数据、分析和人工智能并非宇宙的中心，并且并非每个组织都依赖这些来取胜，作为一个可能有偏见的数据专业人士，我自然会通过提问来挑战这种观点：
-
当前的业务痛点和收益可以通过数据分析和人工智能得到解决吗？
-
数据、分析和人工智能在创新中能扮演什么角色？
-
竞争对手或本行业/其他行业的公司已经采用了哪些解决方案？
-
潜在的收益是否值得投入更多的精力和资源？
组织应当明确潜在的数据使用案例及其对业务的重要性。
3.2 数据作为运营职责
在第二种情况下，数据、分析和人工智能是运营性能力，但不是战略性能力和/或系统，因此应尽可能实现成本效益。相关的数据元素可以在瀑布图的第四和第五框中找到，即必备能力和启用管理系统。
示例 1
对于上面提到的西南航空例子，业务需求是有效且成本效益高地管理航空公司运营的复杂性。
公司需要建立、运行并维护启用管理系统，以确保运营效率[12]：
-
一个实时跟踪飞机准时表现的绩效管理系统
-
一个监控和优化登机口等待时间的系统
-
一个最小化燃料成本的系统
-
一个用于规划新车站和航线的决策支持系统
这意味着对于西南航空的例子，数据、分析和人工智能的业务需求主要体现在最后一个框框——启用管理系统。
示例 2
一家地区性公用事业公司使用数据、分析和人工智能来监控能源使用、预测维护需求并生成内部报告。与示例 1 类似，数据有助于实现运营效率和满足合规要求，但并未提供战略性差异化。
因此，数据、分析和人工智能是能力（第 4 框）或系统（第 5 框），代表着运营上的迫切需求，而非战略性能力。
与数据相关的启用管理系统的例子可能是需要提供管理洞察的数据报告系统、商业智能工具或相应的数据平台。
建议
在构建和维护与数据相关的能力和系统时，成本效益应该是确定是构建、借用还是购买所需能力和系统的关键维度，以确保在指定的竞争领域中取胜。
虽然仅仅将数据用于运营效率没有错，但组织应定期评估是否忽视了战略机会。当然，作为一名数据专业人士，我会通过以下问题来挑战这一点：
-
数据、分析和人工智能能为创新发挥什么作用？
-
现有的产品和服务能否通过基于数据的洞察力延伸，从而为客户带来附加值和/或与竞争对手的差异化？
再次强调，组织应该力求明确潜在的数据使用案例，以及这些案例对当前商业模式的战略相关性，或者现有的商业模式是否可以通过数据、分析和人工智能进行扩展。
3.3 数据作为战略差异化因素
在这种情况下，数据、分析和人工智能作为核心差异化因素，直接影响公司在市场中如何获胜。它们是实现公司价值主张的关键部分，帮助公司创造竞争优势（框 3：如何获胜），或是实现竞争优势理论的关键战略能力（框 4：必备能力）。
示例
这个示例，借鉴自[5k]，是 Frito Lay 的案例，Frito Lay 是一家咸味零食生产商（Lay’s、Doritos 等），它采用了一种直接门店交货系统，即产品直接配送到便利店，并由配送司机将其摆放在货架上。
这种直接门店交货系统劳动密集，因此成本较高，但它使 Frito Lay 区别于其竞争对手。拥有大量知名产品为 Frito Lay 的配送系统创造了巨大的成本优势（一次性采购多种产品），从而产生了独特的竞争优势，是竞争对手无法匹敌的。
构建数据和人工智能解决方案，预测商店库存并为每个销售点生成最佳产品订单，有助于降低直接门店交货系统的成本。因此，数据、分析和人工智能是战略性能力（框 4：必备能力），直接支持竞争优势（框 3：如何获胜）。
建议
使用商业战略级联来传达数据在组织中的战略重要性。确保高层管理人员和所有相关利益相关者理解数据、分析和人工智能对业务的影响和价值。这为必要的数据文化和数据素养发展以及为完全建立所需能力以赢得竞争所需的组织变革奠定了基础。
最后，这也有助于关于资金讨论以及设定正确的优先事项。
严格质疑是否有必要外包任何数据能力，因为它们对组织具有战略重要性。
推动你的思维，考虑是否存在额外的数据货币化机会[16]，这可能会导致“数据即业务”的模式。
3.4 数据即业务
这是大多数人感到兴奋的情境：数据扩展甚至根本性地改变了当前的商业模式，组织进入了数字经济。
在这种情况下，数字数据驱动的产品或服务是公司产品的一部分（框 2：在哪里竞争），甚至可能是愿景的一部分（框 1：胜利的愿望）。
示例
这个示例同样借鉴自[5k]，讲的是 Westlaw，一家提供法律搜索服务的数字平台。Westlaw 的战略资产之一是一个包含自 1975 年以来法院案件记录的数据库，允许律师根据实际案件查阅历史案例。
数据是公司产品的一部分（框 2：在哪里竞争），其在市场上的独特性确保了其竞争优势（框 3：如何取胜）。
建议
由于数据显然是公司的一项资产，能够确保竞争优势，因此必须对数据予以相应的重视。例如，它需要关心、培育、保护和质量保证。
因此，数据治理（框 4：必备能力）和相应的系统（框 5：支持管理系统）是必不可少的。
3.5 为什么了解你的数据业务需求很重要？
每个组织都是不同的，具有独特的数据业务需求。
你的组织需要了解数据、分析和人工智能在业务战略中的角色，以便确定需要投入多少资源来创建和维护与数据相关的能力和系统。
许多高管仍然受到围绕数据和人工智能的炒作困扰，这导致了怀疑、不确定性，甚至是无思考的投资。
因此，稳固的业务战略和对数据业务需求的透彻理解能够提供指导，并帮助传达数据在组织中的重要性和角色。
因此，我主张：
成为数据驱动的第一步是制定坚实的业务战略设计。
4 何时需要专门的数据或人工智能战略？
4.1 数据战略之谜
如果你已经觉得“战略”这个词带来了混乱，那让我告诉你，“数据战略”这一术语的问题更大。我阅读的几乎每篇文章或书籍对其定义都有所不同——如果它们有定义的话。这让我在深入研究这一话题时常常感到头疼。
在大多数情况下，“数据战略”一词用于指代在组织内部构建数据相关能力的计划。
这被称为构建分析 IT 平台的计划，推广新的 BI 工具，建立数据治理，提升数据素养，发展数据文化，或为数据管理、分析和 AI 构建运营模型。
在我看来，“数据战略”这个术语应仅用于描述一个功能的战略，该功能为主要面向内部数据客户，偶尔也面向外部数据客户提供数据服务。
4.2 数据或 AI 功能的战略
在许多情况下，组织将需要一个与数据相关的功能，提供以下服务：
-
为业务自助服务用户提供集成的、建模的和质量保证的分析准备数据（例如，以数据集市的形式，通过数据目录浏览）
-
开发和维护 BI 仪表板和报告
-
为业务用户进行分析，这需要专业知识，如数据科学或机器学习
-
提供关于数据使用案例的创新、发现和评估的咨询，或与买与自建决策相关的咨询服务（例如针对 GenAI 解决方案）
-
创建和进行数据、分析或 AI 的教学和培训
-
为内部或外部利益相关者提供持续的信息请求，例如与供应商的数据交换或满足监管数据需求
如果一个组织有或将拥有一个数据管理、分析或 AI 的功能，为（内部）数据客户提供服务，那么它只需要如第 2.6 节所述的战略。
如何将战略选择级联应用于设计这样的数据战略，是本系列第一部分的主题 [1]。
图 8：数据战略选择级联的可视化 [1] 展示了如何将级联翻译到数据功能的上下文中。
明确的战略使功能能够明确自己该在哪些领域发挥作用，以及如何与数据客户共同取得成功。它还引导并对齐其行动，有效分配资源，并提升为组织提供的价值。
如果你的数据功能没有明确的战略，它很可能会默认采用一种有害的隐性战略，这种战略要么是“奴性战略”（试图满足所有可能的业务需求），要么是“帝国战略”（仅仅为了数据、分析或 AI 而做）[10]。
根据该功能所提供的服务和产品的性质及重点，您可以称其为数据战略、分析战略、BI 战略或 AI 战略。
功能的数据战略通常包含跨越或存在于组织多个部分的能力和系统，例如企业分析数据平台。在战略语言中，这些能力和系统被称为增强性支撑 [8, 5l]。
4.3 构建数据能力的计划
构建与数据相关的能力和系统的计划是大多数公司在数据、分析或人工智能方面最感兴趣的话题。
制定这样的计划可能是一个具有挑战性的任务，因此值得投入时间。我所说的只是，您需要确保在此之前已经完成了战略基础工作，这样您就知道实际需要什么样的能力和系统来取胜。计划的性质和许多设计选择的要求取决于这一战略基础工作。
这种“数据规划”的范围可能会根据组织的数据业务需求而有很大差异：从仅为控制目的构建报告系统和相应的数据格局，到使多个业务单元和职能部门能够广泛利用整个价值链中的数据使用案例的潜力。
后者通常与公司范围的转型计划相伴随，而构建数据能力的计划可以作为整体数据驱动业务转型路线图的一部分，由专门的领导者负责数据、分析或人工智能[14, 15]——有时被称为首席数据官。
5 整合所有内容
构建数据或人工智能能力和系统的计划应该放在最后，作为一个适配差距分析的结果，其中目标状态由前面的战略选择提供。
因此，组织需要明确他们的数据业务需求，即数据、分析和人工智能将在未来业务中扮演什么角色。最重要的是：您需要从战略基础工作开始。
5.1 为数据奠定战略基础的过程
一个设计有效的数据和人工智能能力的过程可能如下所示：
图 9：为数据、分析和人工智能奠定战略基础的四步流程，为数据驱动型组织提供基础。
1. （重新）设计您的业务战略
-
确定现有的战略选择，无论是隐性还是显性
-
确定您所在组织或业务单元的数据业务需求，并确保与数据、分析和人工智能相关的战略选择在您的业务战略中得到清晰表述
-
确保高层管理人员和相关利益相关者对数据、分析和人工智能在您组织中未来的角色达成一致
2. 制定相关选择
-
为数据职能制定战略选择，并为该职能设计您的数据战略
-
为相关业务单元和/或职能部门制定其他相关数据选择
3. 评估与规划能力和系统
-
这适用于组织内所有层次的战略
-
对每个与数据相关的能力和系统进行成熟度评估，以确保您的战略得以落实
-
制定构建、扩展或维护每个能力和系统的计划
-
对于您的数据战略，这可能包括：组织设计、数据目标运营模型、技术和工具、数据管理、数据集成、数据建模、数据架构、数据治理、数据民主化、数据质量管理、主数据管理、数据创新管理、BI、数据科学、数据素养和数据文化
4. 构建能力和系统
-
执行项目，建设和维护赢得数据竞争所需的能力和系统
-
衡量战略的成功并监控进展
通过奠定战略基础，您将解决组织中功能失调的数据价值创造的根本原因。
奠定战略基础确保高管和员工理解数据在组织中的角色。反过来，这将有助于建设有效且可持续的数据能力，并为开发和维护这些能力所需的资源提供指导。
在第一步中，我们已经在本文第三部分中看到了相关示例。那么第二步中的决策授权应该是怎样的呢？
5.2 数据相关决策授权的示例
让我们将过程的第二步应用到 Frito Lay 的上述示例中，其中店铺库存预测支持直接门店配送系统的竞争优势。
销售部门的店铺库存预测案例可能是 Frito Lay 众多 AI 应用案例之一，因此 AI 能力在公司许多部门中都是必需的。假设 Frito Lay 决定建立一个中央 AI 能力，从而设立一个专门的 AI 职能部门。
图 10：组织中数据和 AI 相关决策授权的示例。
AI 功能负责人需要设计一个支持公司战略并直接促进 Frito Lay“如何取胜”（How to Win）的 AI 战略。AI 战略中的一个“Where To Play”可以是为销售部门提供预测解决方案。
为了确保 AI 预测解决方案产生影响，还需要将与数据相关的决策交给销售负责人，以便销售部门承诺在其规划过程中使用 AI 驱动的洞察。这意味着“AI 驱动的销售规划”将成为销售战略的必备能力。
6 结论
良好的商业战略对成功的数据价值创造似乎被低估和忽视了。公司必须有一个明确定义的、明确的商业战略，从中可以明显看出任何数据、分析和 AI 需求。这一战略基础是授权数据相关决策的起点，无论是在专门的数据管理、分析或 AI 职能中，还是在跨业务单元构建必要能力时。
为了让你的组织成为数据驱动型的，确保你有一个稳固的战略基础。否则，你很可能会遇到问题，并经历我们都熟知的功能失调的数据价值创造症状。
展望未来，竞争格局正在迅速变化。未来最成功的组织将是那些将数据视为战略资产，而不仅仅是运营副产品的组织。随着人工智能技术的成熟并进一步融入商业流程，那些拥有连贯战略的公司将准备好充分利用这些进展，创造新的收入来源，推动创新，并保持对竞争对手的可持续优势。在未来几年，我们将看到已经为数据和人工智能奠定战略基础的公司与那些继续按常规运营的公司之间的鸿沟逐渐加大。前者将蓬勃发展，而后者可能在一个日益以数据为驱动的世界中挣扎求生。
现在是行动的时候了：优先考虑你的战略（重新）设计，统一你的数据业务需求，并建立赢得数据所需的能力。只有这样，你才能真正利用数据、分析和人工智能的变革性力量，取得长期成功。
参考文献
[1] Jens Linden, 数据战略选择级联 (2024)，在Towards Data Science上发布的 Medium 文章
[2] Sebastian Wernicke, 数据启示 (2024)，由 Vahlen 出版的德语书籍
[3] Carsten Bange, 数据文化：定义、挑战与措施 (2022)，文章
[4] Jens Linden, 数据文化——什么与为什么？ (2024)，LinkedIn 帖子
[5] Roger Martin, 赢得胜利/ 实践者洞察 (2024)，列出文章的网页
[5a] Roger Martin, 从值得称赞的清单到如何真正赢得胜利 (2020)，Medium 文章，属于‘赢得胜利实践者洞察’系列
[5b] Roger Martin, 赢得胜利的起源 (2023)，Medium 文章，属于‘赢得胜利实践者洞察’系列
[5c] Roger Martin, (赢得胜利) x 5 (2024)，Medium 文章，属于‘赢得胜利实践者洞察’系列
[5d] 罗杰·马丁，战略与规划：互为补充而非替代（2024），Medium 文章，属于“玩得赢实战见解”系列
[5e] 罗杰·马丁，最佳战略破冰者（2024），Medium 文章，属于“玩得赢实战见解”系列
[5f] 罗杰·马丁，战略选择结构化过程，Medium 文章，属于“玩得赢实战见解”系列
[5g] 罗杰·马丁，克服整合战略挑战（2024），Medium 文章，属于“玩得赢实战见解”系列
[5h] 罗杰·马丁，论“在哪里竞争”与“如何赢”不可分割性（2020），Medium 文章，属于“玩得赢实战见解”系列
[5i] 罗杰·马丁，战略选择指导（2024），Medium 文章，属于“玩得赢实战见解”系列
[5j] 罗杰·马丁，自然垄断的战略（2024），Medium 文章，属于“玩得赢实战见解”系列
[5k] 罗杰·马丁，区分战略选择中的“如何赢”与“能力”（2021），Medium 文章，属于“玩得赢实战见解”系列
[5l] 罗杰·马丁，企业战略与业务单元战略（2022），Medium 文章，属于“玩得赢实战见解”系列
[6] statista，作为经济支柱的中小企业（2024），德语网站
[7] 罗杰·马丁的网站（2024）
[8] A.G. 拉夫雷和罗杰·L·马丁，玩得赢（2013），由哈佛商业评论出版社出版的书籍
[9] 罗杰·马丁，计划不是战略（2022），视频
[10] Roger Martin, Jennifer Riel, 关于管理职能，你需要知道的唯一一件事（2019），发表于《哈佛商业评论》的文章
[11] IDEO U, 激活战略（2024），网站
[12] Tableau, 西南航空利用 Tableau 保持准时航班并优化机队表现（2024），网站
[13] Jens Linden, 数据急救包（2022），LinkedIn 帖子
[14] Caroline Carruthers 和 Peter Jackson, 《首席数据官的操作手册》第 2 版（2020），Facet Publishing 出版的书籍
[15] Caroline Carruthers 和 Peter Jackson, 《数据驱动的商业转型》（2019），Wiley 出版的书籍
[16] Jens Linden, 数据货币化——数据战略的‘Where to Play’（2024），LinkedIn 帖子
除非另有说明，所有图片均为作者提供。
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
1
0- 0
已为社区贡献259条内容
所有评论(0)