作者介紹
Antonio Castro，麥肯錫全球董事合伙人，常駐紐約分公司。
Tony Ho，麥肯錫全球董事合伙人，常駐紐約分公司。
Jorge Machado，麥肯錫全球董事合伙人，常駐紐約分公司。
Allen Weinberg，麥肯錫全球資深董事合伙人，常駐紐約分公司。
本文轉自麥肯錫咨詢公司
亞馬遜創(chuàng)始人兼CEO杰夫·貝索斯（Jeff Bezos）曾在年度致股東信中用了將近四分之一的篇幅評論數據、數據庫和機器學習。即便在科技密集型行業(yè)中也很少有首席執(zhí)行官能夠精通低延遲鍵值數據庫、MySQL、內存能力或專業(yè)數據庫，即使也許他們應該熟悉這些內容。
不管你的專業(yè)水平如何，當一家年收入超過2000億美元的公司創(chuàng)始人如此專注于技術話題時，都值得關注。
我們把這封信視為一個“號召”，表明數據和數據管理能力將是未來幾年大多數企業(yè)成功的關鍵，我們認為領導者和落后者之間的差距將持續(xù)擴大。更具體地說，我們認為：
數據和利用數據的能力將成為各類公司之間的關鍵差異化因素，并將逐漸成為首席執(zhí)行官和董事會層面的第一要務。
數據技術提供商將大幅提升數據和分析工具的可用性，降低其成本。對于任何企業(yè)來說，人工智能、機器學習和其他強大的工具都將成為其籌碼。
為特定數據問題定制的解決方案會激增，一刀切的方法在許多領域都將喪失競爭力。
通過混合和匹配供應商提供的功能，公司可以以低得多的成本在數據和分析中試驗和發(fā)現更多價值，從而更快地進入市場，盡管他們可能會遇到供應商封鎖和將試驗轉化為可擴展解決方案的挑戰(zhàn)。
同時，我們意識到許多公司都在努力做出明智的、及時的數據分析和投資。然而一些公司收效甚微，整體投資回報率也很低。
領導者之間有一套新做法，但并不容易梳理出來。其中包括搭建正確的數據架構和治理模式、解決人才需求、滿足數據和個人信息方面的監(jiān)管要求和防范相關風險。所有這些都是成功的關鍵——任何一個錯誤都可能導致方法失敗。
我們認為每位首席執(zhí)行官、首席財務官、首席信息官和首席數據官都應該就組織的數據戰(zhàn)略以及團隊建設思考以下四大關鍵問題：
問題一：我們在數字化工作上究竟是全力以赴作為主要項目，還是將它們當作輔助項目？我們的數據策略是否與整體戰(zhàn)略緊密結合并起到關鍵推動作用？
根據我們的經驗，利用數字技術尋求變化的公司都有一個清晰的愿景，并且在圍繞數據構建他們的戰(zhàn)略和業(yè)務。麥肯錫最近對各行各業(yè)1000多家公司所做的調查表明，67%的領先企業(yè)表示高管們對數據和分析的愿景和戰(zhàn)略完全一致。企業(yè)將從自身擁有的或外部獲取的數據中獲得競爭優(yōu)勢，這些數據將讓企業(yè)取得成功，這些都是眾所周知的。許多公司正從每個可能的接觸點收集數據并將其快速整合到客戶互動和決策當中。事實上，調查顯示87%的領先公司將大部分數據和分析工作都花在了“最后一公里”的問題上。
因此數據被視為一種重要資產，大量可用數據源源不斷產生。最重要的數據資源被解析并有明確的歸屬，特別是關鍵領域的數據，比如對客戶的360度視角。
領導者還基于規(guī)模來思考數據——千兆字節(jié)的數據（當涉及到數據流時可能更多）。我們從人工智能和機器學習的最初結果中發(fā)現，這些算法需要大量的數據才能成功，而且沒有幾家公司擁有所有所需形式的數據，也沒有幾家公司具備處理數據、獲得見解并將其集成到工作流程、應用和渠道時所需的基礎設施和人才。領導者已經思考過如何收集和管理數據以推動洞察力和再利用，以及如何借助正確的領導力和人才來擴大影響。
高管們不需要確切地知道關系數據庫是如何工作的，但他們應該了解業(yè)務策略（以及他們競爭對手的策略）和數據之間的關系。
問題二：我們的行動夠快嗎——我們是否利用了測試、學習和擴展的方法來快速發(fā)現和交付價值？我們是否恰當評估試圖解決的問題，還是被小的用例所淹沒？
從理論上說，分析可以快速帶來機會。但在現實中，捕捉價值是一個緩慢的過程。收集、清理數據和解析結果都需要時間，而許多公司都有一個嚴重的“最后一公里”問題——他們只能通過改變從呼叫中心腳本到生產步驟的底層流程來實現價值。數據解決方案提供者和供應商將幫助公司“漫游”于數據之間，但是改變公司的業(yè)務方式需要的不僅僅是軟件。
但對于采用正確方法的公司來說，試驗成本和上市時間將大幅縮短。我們的研究表明，數據和分析領域的領先者擁有強大的實驗和數據驅動文化。他們做與業(yè)務相關的工作，以保持業(yè)務相關性并加快迭代速度。將“民主”引入數據和分析——將它們交給真正的決策者和一線經理——是成功創(chuàng)新的關鍵。這些公司像對待水一樣對待他們的數據：干凈、流暢，有助于激發(fā)新想法。
公司需要快速試驗——我們稱之為“敏捷數據試驗室”。探索關于團隊正在學習什么、哪些數據對每次使用最有價值，以及他們如何調整方法的問題，可以揭示組織是否正在足夠快地行動和改進。
此外，我們看到領先公司集中力量從數據和分析中獲得最大價值——他們將精力集中在需要解決的五到七大“領域”上，并且正在以整體的方式解決這些問題。例如，一家銀行可能會決定，它想要解決的大問題是獲得一個真正的360度客戶視圖，提供個性化的建議，為客戶關系經理提供生產力工具，獲得近乎實時的風險/財務信息，以及使用數據和指標來改進和實現自動化操作。然后，它將建立包含業(yè)務/流程所有者、IT和數據資源以及其他功能的團隊來解決這些問題——以迭代的方式定義他們需要的數據、流程改進以及IT技術，從而快速學習并展現短期結果。
問題三：我們是否將產品思維引入到了數據工作當中——并衡量數據投資回報？
如果數據是一種寶貴的資源，那么應該根據它們所增加的價值來衡量該資源的管理人員。太多的數據管理組織只關注治理（當然，治理是一項重要的職能），而沒有花足夠的時間考慮如何使數據對不同的用戶具有可訪問性和價值。不這樣思考通常會導致移動和轉移數據的高摩擦成本并限制創(chuàng)新。最好的組織將他們的數據經理轉變?yōu)楫a品經理，以期望產生前瞻性的產品路線圖和可用性/附加值指標。例如，客戶數據的數據產品負責人會考慮構建/獲取的新數據集，如何減少分析的準備時間，以及如何減少數據獲取和交付的時間/成本。
問題四：我們如何利用合作關系？
由于初創(chuàng)企業(yè)和老牌企業(yè)都在增加相關能力，數據和數據管理技術發(fā)展十分迅速。許多公司，特別是那些缺乏相關領域人才的公司，需要在平臺工程、數據工程、數據質量和分析這些專業(yè)領域建立一個合作關系網。傳統的承保/采購（以及合同時間）是不夠的。我們合作的一家銀行通過投資、正式合作和個人關系建立了廣泛的合作伙伴生態(tài)系統。最好的組織正綜合運用內部和外部資源來快速覆蓋相關領域，通過創(chuàng)造性的人才引進戰(zhàn)略和在重點領域的持續(xù)教育，打造更持久的能力。高級領導應該向團隊詢問他們最重要的合作伙伴，前瞻性的規(guī)劃，以及可以留在最前沿的三四個合作伙伴。
前所未有的技術進步給各家公司帶來了新的壓力。那些已經將數據和分析作為其戰(zhàn)略重點的公司將很快擁有新的工具和能力來加速相關進程。但對于落后的公司來說，也有好消息：他們可能具有后發(fā)優(yōu)勢，從而跳過一些開發(fā)步驟，快速利用新功能。
