強大的數據分析是數字業務的當務之急，這一切都始于數據治理，正確的策略以及對具有數據意識的文化的重視。

[[332610]]

《2020年首席信息官現狀調查》指出，數據和分析仍然是數字時代企業的重中之重，IT領導者中有37%的人指出，今年數據分析將先于安全和風險管理成為其最大的IT投資推動力。

隨著用于分析的支出水平不斷增加，交付成果的壓力越來越大。然而，這一領域的專家表示，首席信息官及其行政級別的同事無法滿足這樣的期望。畢馬威(KPMG)的合伙人兼美國負責人Brad Fisher表示：“要使這些計劃達到目標并不容易。”

以下是阻礙分析獲得成功的四個關鍵原因：

糟糕的數據基礎

研究和咨詢公司Gartner的統計數據證實，大多數組織都認為數據非常重要。近80%的高管在2019年的調查中表示，如果他們的公司沒有高效地使用數據，那么他們將失去競爭優勢。但是Gartner還發現，逾半數組織沒有正式的數據治理框架和專門的預算。

缺乏這樣的基本要素會阻礙組織實現宏圖大略。

貝恩公司(Bain&Co.)的合伙人兼高級分析和企業技術業務成員Roy Singh說：“你必須有很強的目的性。如果目的性不強，你也許發現不到價值。”

如果沒有一個得到充分實施的數據治理計劃，組織就不能指望有健全的數據衛生習慣。它們就無法訪問或集成自身所掌握的數據，因為這些數據始終困在部門的孤島中。它們甚至不知道自己需要什么樣的數據才能獲得成效。

“他們擁有大量孤立的信息并且他們公司中的某些部門也在做某些類似的事情。其他人則沒有達到目標，因為它們要么沒有整潔的數據，要么沒有獲取合適的數據集或沒有以正確的方式將其饋送到儀表板。“這些公司認為自己制定了不錯的計劃，直到他們研究框架時才意識到自己并沒有這樣的計劃。”

Matthews說，此外，許多組織沒有合適的基礎技術來實現目標，因為他們尋求的是可能會帶來豐厚回報但并不適合自己的需求的工具。或者，他們堅持使用無法實現增長的工具，因為他們從一開始就沒有制定可靠的戰略。

只要為數據程序制定戰略(或更為理想的情況下，打造一個卓越中心)，IT領導者可以設法獲得成功所需的基本要素，包括數據治理、問責制、各種數據程序組件的所有權、所需的基礎架構、培訓要求、戰略目標和領導力。

Matthews指出，他曾經工作過的慈善機構所采取的方法就是一個很好的例子。該機構致力于適當地為其分析計劃提供資金，成立了一個分析小組并任命一名高級副總裁來領導該計劃。

“他們先于他人不斷研究實際存在的各種功能并向公司提供信息，以此來證明自己的價值。團隊不斷地壯大，不斷地適應環境。但他們沒有局限于某個數據集并忽略其他數據，而是一直在思考檢查數據的新方法并且一直在考慮采用新技術。在這種情況下，這樣的首席信息官就具備創建團隊并聘請合適的人來領導團隊的先見之明。”

錯誤的戰略

另一方面，組織也不應將分析視為一項整體任務。經驗豐富的分析領導者表示，他們已經發現，很多首席信息官一下子變得好高騖遠，例如建立數據湖和實施昂貴的基礎設施來啟動分析項目。他們確實交付了項目，但隨后卻發現技術未得到充分利用或無人問津。

與其他任何由技術驅動的主張一樣，向用戶展示價值的目標解決方案才是更好的做法。塔塔咨詢服務公司的業務流程服務兼分析部門的副總裁兼全球負責人Dinanath(Dina)Kholkar說：“你要確保自己正在解決業務問題。”

Kholkar的目標是開始一段屬于自己公司的數據之旅，其方法是將目標對準數據項目可以帶來價值的領域，然后進行實施。這種方法使團隊可以清楚地定義目標并確定實現目標所需的數據和工具。換句話說，這種方法創造了可管理的，可實現的目標并且能夠產生可衡量的價值。Kholkar說：“這可能對該組織其他部門起到示范作用。”

Kholkar補充說：“業務部門希望看到結果。他們沒有耐性等待大型的轉型項目的實施。就算無法獲得滿分也不是什么大問題。如果他們漸漸獲得60%到70%的成果，他們就覺得可以了，然后他們可以逐步改進。因為只要你交付了成果，獲得下一波投資將變得更加容易。請注意，這一點非常重要。”

同樣，專家們建議首席信息官將迭代方法引入其分析程序，而不是大刀闊斧地開展技術項目。

Singh說：“這要求開展交互式和實驗性的演練，在這樣的演練中，IT、業務和數據都以敏捷模式協同工作，三者可以進行快速互動，在這些互動中，他們可以進行實驗并驗證各種猜想。”

Forrester Research的副總裁兼首席分析師Brian Hopkins舉了一家零售商的例子，該零售商制定了一個以逐年增加投資為基礎的三年數據戰略，而不是通過一次前期投資就開展該計劃，即這種方法認識到不斷追加投資和實施改進的需求。

Hopkins補充說：“該公司發現，和數字化一樣，一旦你開始使用分析程序，就不應停止。你每年都要投錢來推動數據戰略。”

此外，這些迭代投資需要由不斷發展的業務需求來推動，而不是由進入市場的新技術能力來推動。組織應按業務案例創建分析功能，其方法是采用更高級的工具逐步擴展其數據程序并使更多的用戶能夠解決日益復雜的問題。

Matthews說：“首席信息官必須將其視為迭代。他們將不得不根據市場不斷檢查數據程序以及公司所要完成的工作，同時嘗試與他們用來測試的工具同步的新工具，然后才能開始使用新工具，但前提是他們認為新工具可以提供新信息。”

無法在自由與控制之間取得平衡

盡管高管們大力投資分析，但他們表示，在獲取收益方面仍存在不足。 NewVantage Partners在其公布的《2020年大數據和人工智能領域高管調查》中發現，受調研的70家公司中，有74%的公司認為大數據的采用不是一蹴而就的。

Singh認為，這一數字飆升的其中一個因素是企業沒有認識到不同的用戶需求，未能尊重這些需求，他發現有些數據領導者允許其組織內的各個業務部門在不建立整個組織范圍的標準的情況下遵循自己的數據策略，這種方法會導致效率低下并使許多用戶群體陷入困境，無法獲得任何支持。

Singh說，其他組織則通過集中所有內容而走到了相反的極端，這有礙于精明的業務用戶迅速擴展規模，并且有礙于整個組織充分發揮該計劃的全部潛力。

但是，Singh解釋說，那些認識到需要在這兩個極端之間建立平衡的分析程序的IT領導者是最成功的，他們可以適應用戶在組織內的不同需求。

Singh補充說：“你需要整合中心化和去中心化，兩者之間的平衡會隨著時間的轉移而發生改變，也許一開始更趨于中心化。”

辛格以某家公用事業公司所采取的方法為例。其領導者投資分析功能時意識到能源交易集團在數據科學方面擁有豐富的經驗，因此他們創建了一個符合組織的數據治理標準和技術要求的自助服務平臺。但是他們也意識到其安全部門在分析方面經驗不足，因此他們為那些擁有更多具備中心化支持的用戶制定了一項策略。

文化變革方面沒有提供應有的需求

盡管如此，高管們需要設計的不僅僅是與戰略目標保持一致的整體數據程序。他們還需要改變其組織的文化，以便用戶樂于使用實時數據驅動的洞察并切實將對數據的了解視為常態。

塔塔咨詢服務公司(Tata Consultancy)的Kholkar說：“這是整個業務范式的轉變，組織需要為這一變化做計劃。”

但大多數組織都沒有這樣做。NewVantage Partners的報告稱，只有38%的接受調查的公司創建了數據驅動型組織，只有27%的公司認為自己已經在公司內部創建了數據文化。此外，有91%的公司表示，人員和流程方面的難題是妨礙其成為數據驅動型組織的最大障礙。

托馬斯杰斐遜大學和費城的杰斐遜健康公司的執行副總裁兼首席信息官Nassar Nizami通過滿足技術需求(例如將數據和分析工具標準化，管理數據倉庫并使數據程序的重要等級與組織的整體戰略保持一致)來使該機構的數據程序日趨成熟。

但是他走得更遠，通過創建名為杰佛遜分析社區(Jefferson Analytics Community(JAC))的培訓計劃來推動所需的文化轉變。該組織的口號是：“無法獲取數據嗎?那你肯定不知道杰佛遜分析社區。”

Nizami說：“在創建杰佛遜分析社區時，我們的愿景是創建一個由運營所有者驅動的受監管的自助服務分析的聯合模型”。他補充說，這么做的目標就是增加用戶對分析工具的采用，從“數據豐富”的組織過渡到數據驅動的組織并推廣自助服務數據，這么做的目標是提高生產率并減少周轉時間。

Fisher說，其他首席信息官及其行政伙伴也需要效仿，將其分析程序從“一個能產生洞察的重要的獨立工作”轉移到集成在流程中的東西，以便用戶將其視為正常業務。

Fisher說：“用戶并不知道所有的數據源是什么，不知道數據科學有多牛，也不屑于知道。他們必須走進辦公室或接聽電話，從而獲取完成工作所需的信息。因此，這在觀感上必須像一個應用程序。這只有首席信息官能理解。”