【编者按】在 5 月“未来 CIO 峰会”上，大家讨论了这么一个话题：CIO 的下一站是什么？有人说是“成为 CDO”，有人说是“成为更好的 CIO”。每个企业都在谈“数字化转型”，但情况却各不相同，在这当中，CIO 这个角色仿佛陷入了尴尬的境地。不可否认的是，所有人都意识到了数据的重要性。

CIO 如何能帮助企业让数据流动起来，像 CDO 一样思考，让企业由内到外成为数据驱动型公司。这篇文章里，作者从他对优秀数据公司的观察，找到了数据驱动型企业的三个特征。希望对于数据驱动型企业的构建有所参考和帮助。

以下为正文：

从应该（和不应该）做出决策的方式，到领导者如何塑造可持续的数据驱动文化，在这里分享给大家。强调一点，分析是数字化转型的关键。

今年，Gartner 研究公司称，面向业务 KPI 的 CDO 们做出了这样的贡献：在持续创造清晰的业务价值方面，效率提高了 1.7 倍；有效缩短上市时间的可能性提高了 2.3 倍；数据商业化效率提高 3.5 倍。

对于那些认为数据应该成为组织变革中心的人来说，这是个好消息。在过去一年半的时间里，CDO 有机会制定并推动公司的议程：72% 的 CDO 表示，他们正在领导或大力参与数字化转型计划。

然而，知道如何将数据作为资产进行管理并利用它来推动创新的企业是个例，而不是普遍现象。

《哈佛商业评论》的一项调查显示，近七成的企业仍在数据里苦苦挣扎：

· 只有 29.2% 的高管表示取得了转型业务成果；

· 30% 的人表示已经制定了一个清晰的数据策略。

或许更令人震惊的是，“数据驱动力”正在下降：调查显示，数据驱动能力下降了 13 个百分点，从 37.8% 下降到 24%。
那怎么办？

或许，过去的策略已经失效了。也或许，快速发展的技术颠覆对很多公司来说是一个挑战。数据库管理就是一个转变得出人意料的好例子。今年的发布会上，Gartner 表示：

2020 年，数据库管理系统市场总收入增长的 86% 是基于云计算；到 2023 年，75% 的数据库将在云平台上。

如果公司存储和使用数据的方式在未来 24 个月内将发生巨大变化，那么还需要构建哪些能力来利用这一新的发展？

我曾有机会与企业领导者和数字原住民合作并研究他们成功的方法，他们通过数据实现了突破。我观察到“数据领导者”所展示的3个特点：

1. 数据即能力

2. 数据即生态系统

3. 数据即结构，支撑企业决策系统

数据即能力（Data as a competency）

人们常说，要构建“数据文化”，要建立科学的决策机制。关于这个话题，可以推荐两本书：一是《Framers》，由Kenneth Cukier / Viktor Mayer-Schönberger / Francis de Véricour 所写；二是《Noise》，由Daniel Kahneman / Olivier Sibony / Cass R. Sunstein所写。

对于 CDO 来说，这两本书都是必读的。

将这些书中的知识与分析训练和“数据导师”（ “data mentors”）等最佳实践相结合，可以帮助企业建立“数据文化”的基础。然而，评估企业维持这种文化的可能性的一个好方法是计算企业里“数据员工”的占比。

想想这一点：领导者经常说，他们的竞争优势来自员工，而不仅仅是产品或服务。若果真如此，那么，了解公司核心能力的最好方法是看员工情况及其职能。

DBS 银行 CEO 皮尤斯·古普塔（PiyushGupta）说：“我们现在越来越认为自己是一家提供金融服务的科技公司，而不是传统银行。我们拥有的工程师数量是银行家的两倍，这或许是我们公司性质转变的一个证据。”

鉴于此，我在月初通过 LinkedIn 发起了调查，并询问“你应该雇佣多少数据员工，占员工总数的百分比”。调查引起了广泛关注，收集了近 8 万人的意见和 625 张投票。

其中一位受访者柯克·伯恩（Kirk Borne）是加州理工学院（Caltech）受人尊敬的数据科学家和博士，他围绕“数据员工”（ “data employee”）一词提供了有用的指导：

· 企业所有员工都该具备数据素养（即“识别、理解和“谈论”数据”）；

· 保持“数据流畅”（即“分析、创建论点，并用数据呈现结果”）；

· 10% 的人应该是数据专业人员或“通过为组织的数据资产（数据科学家、数据分析师、BI 专家、数据/AI/ML 工程师、数据库/数据仓库工程师）创造价值而酬劳”。

你公司目前“数据员工”的百分比是多少？建立“数据文化”需要书本、培训等途径不断强化，也需要在墙上打标语。但它是由公司的组织来维持的。所以，要确保数据能力配得上企业的雄心壮志。

数据即生态系统（Data as an ecosystem）

在构建“数据文化”时，另一个重要的考虑因素是员工接触的数据类型。在很长一段时间里，领导们一直抱怨员工难以获得公司提供的数据。然而，这只是问题的一小部分。

正如伦敦劳埃德银行（Lloyds of London）数据产品主管尼克•布莱登（Nick Blewden）前段时间在 LINKEDIN 上说的，“对数据目光短浅”的问题可能比你想象的更严重。他贴在下面的图片讲述了整个故事：红点代表你公司的数据（同样，你的团队可能看到的是很小一部分数据），灰色区域是你能看到的数据。

（截图源于LINKEDIN ）

这些信息表明了一个值得关注的趋势：数据交换兴起。从宏观层面看，最先进的公司把数据看作是一个“生态系统”，其洞察力来自相互关联的“数据网络”产生的数据组合。思考如下：

① Gartner 称，数据分析领域的领导者已经确定了他们优先考虑的三件事：数据质量（51%）；D&A 投资的投资回报率（44%）；数据共享（43%）。

② Gartner 预测，到 2023 年，促进数据共享的组织将在大多数商业价值指标上超越同行。

③ 德勤的研究显示，92% 的受访者希望自己的公司增加外部数据源的使用。

然而……目前只有 5% 的数据共享程序能够正确识别可信数据并定位可信数据源。这就引出了第三个主题：数据结构。

数据即结构（Data as a fabric）

Data Fabric（“数据结构”）一词并不新鲜。根据维基百科的说法，它已经存在了至少 20 年，从那时起它的意义多次改变。今年，Gartner 公布了 2021 年十大数据和分析趋势，“数据结构”引起了极大关注。该研究公司预测，Data Fabric 可以：

① 缩短 30% 的集成时间

② 缩短 30% 的部署时间

③ 缩短 70% 的维护时间

同样值得注意的是，“数据结构”目前位于研究公司数据管理炒作周期(Hype Cycle for Data Management)的顶端，这一阶段表明客户期望和解决方案现实之间存在最大差距。这些预测涉及很多内容，可以参考Gartner的研究，了解什么是数据结构，什么不是。

数据结构是计算机存储、组织数据的方式。数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。通常情况下，精心选择的数据结构可以带来更高的运行或者存储效率。数据结构往往同高效的检索算法和索引技术有关。（源自百度百科）

公司希望部署数据结构的根本原因是众所周知的：数据越来越分散（跨数据湖、数据集市和数据仓库），类型（结构化、非结构化）和位置（本地和跨云）高度多样化，数据和分析领域的领导者在管理数据访问和治理方面面临着挑战。

当 IT 部门不能有效地管理数据，用户不能及时访问他们需要的信息时，创新就会受到影响。根据 Dimensional Data research 最近的一项调查，68% 的数据分析师有推动利润增长的想法，但没有时间实施。

越来越多的分析师应该能帮助你形成自己的观点：IDC关于公司所谓的“数据控制平面”概念的论文是一个很好的参考资料。

Chandana Gopal、Stewart Bond 和 Dan Vesset 很好地解释了这种跨集成、访问、治理和保护的新体系结构，并解释了其3层的作用，即：

o 智能层，用于数据配置文件、分类、质量、位置和上下文的透明度

o 治理层，控制数据可访问性、移动、可用性和保护的策略引擎

o 数据工程层，用于数据集成、接收和转换、内存数据虚拟化、联合、复制和流媒体