2019年至今世界伴隨著疫情的蔓延，人們的工作及生活習慣的改變，都加強了對數字化需求的步伐。很多傳統(tǒng)機構都迫不及待努力追趕，另一方面有部分先進企業(yè)對數字轉型的成果還是不滿意，甚至對執(zhí)行方向抱著懷疑的態(tài)度。近年來隨著數字化轉型進入到中期階段很多執(zhí)行上要解決的問題開始浮現，并成為了急需解決的趨勢。而當中不少的原因來自一個核心問題：“數據獲取變得越來越容易，但數據治理的難度也更大”，數據如果沒有適當的處理方法僅會造成累贅。
其中有四個趨勢值得關注：
1、為了改善企業(yè)能夠快速得到業(yè)務行動前的洞見、事中的調節(jié)及事后的反饋，更多企業(yè)會選擇組裝式數據分析架構，來加快分析工具和智能解決方案的開發(fā)速度及部署的靈活性；
2、隨著數字化業(yè)務的加速發(fā)展及數據來源的日益復雜，適用于多源異構的數據治理架構、管理工具及治理平臺需求殷切，另一方面人工智能及機器學習對傳統(tǒng)企業(yè)作經營分析的數據架構存在差異，對于數據治理能力帶來新的沖擊；
3、數據作為未來經濟生產要素，必須首先保證其供應的可靠性，加強數據在集成過程中在設計、開發(fā)、部署、維護的效率，然后部分或全面實現自動化；
4、企業(yè)中的決策分析不會是單一考量，而且絕大部分是連續(xù)的決策，再者決策之間也是互相關聯的。所以當企業(yè)的智能決策從局部演化到全面發(fā)展時，決策系統(tǒng)的復雜程度與使用者的互動方式也需要重新考量，并提高決策的準確性、可重復性和可追溯性。
隨著我國數字化轉型正在全速前進之際，各地政府與企業(yè)都意識到決策能力的不足，并希望以大數據作為未來經營能力的基石，領導者了解到使用數據和分析來加速數字化業(yè)務計劃的重要性。數據和分析不再只是由獨立團隊負責完成的項目，而是一場核心的變革。企業(yè)明白到沒有一個完整的數據戰(zhàn)略，容易引起過于著力在短期業(yè)績的行為上，即使是俱備了數據驅動的能力也很容易導致一個局部勝而全局敗的結果。
因此，建議正在考慮推動數字化轉型的企業(yè)，可以首先從下面幾個問題入手作思考：
1、企業(yè)現狀中，哪些核心業(yè)務涉及的決策流程亟須優(yōu)化？
2、什么樣的決策適合通過數據驅動的方式來提高精準度及穩(wěn)定性？
3、數據資源的積累及開發(fā)會為企業(yè)帶來哪些長遠價值？
4、如何衡量和評估數字化所產生的企業(yè)價值？
5、在數字化轉型過程中，有沒有“施工路線圖”可供參考？
6、數字化轉型前后，管理架構（組織、人才）會出現什么變化？
踏入2022年之際，對于希望提升創(chuàng)新能力的企業(yè)來說，數字化轉型巳經不是可有可無的選擇，而是必須做出的改變。通常，數字化被視為未來擁有人工智能及大數據分析等能力的智能企業(yè)的重要前提，所以很多企業(yè)都認同：未來，數字化水平是競爭能力的要素。
然而事實很殘酷，企業(yè)數字化轉型的成功率并不高。有調查報告顯示，80%以上的數字化轉型項目能未能實現預期效果，這意味著在從計劃到執(zhí)行的過程中出現了偏差。那么，企業(yè)在數字化轉型過程中遇到的困難，更多的是技術上的還是管理上的？從經驗來看，企業(yè)在管理中存在的問題尤為明顯，而且問題的根源來自對數據戰(zhàn)略的輕視。
具體來說表現在以下3個方面：
1、缺乏明確的方向。數字化轉型雖然被高管確定為戰(zhàn)略目標之一，但作為企業(yè)整體的努力方向，數字化轉型的目標并沒有得到準確的闡釋。數字化轉型是長遠的規(guī)劃，必須輔以頂設計和施工路線圖，以加強商業(yè)愿景與中、長期業(yè)務的關聯性。
2、缺乏跨職能的資源。企業(yè)的數字化轉型相關工作的推進需要企業(yè)管理層強有力的支持，除此之外還需要打破過去容易導致“數據孤島”的組織架構，并引入跨職能的數據治理組織及技術平臺。大部分企業(yè)的領導層都容易把重點放在占據科技領先地位的層面上，而忽略了數字化其實也是一個管理轉型的過程。
3、缺乏適應變化的準備。數字化轉型的目標是引領企業(yè)走向新的數字化的商業(yè)模式，但卻引申出一種全新的內部操作及協(xié)調方式，影響所及是“人人”和“人機”的組織合作關系，并會對現有的企業(yè)文化產生一定的沖擊。這些影響都會隨著數字化轉型的深化而更加強烈。需要注意的是，轉型所帶來的影響可能會讓你措手不及。若想成功地實現數字化轉型，領導者必須更深刻地了解如何在轉型過程中激發(fā)員工的積極性。在數字化轉型戰(zhàn)略實施的整個過程中，需要謹記的是：轉型不是一蹴而就的事情，清晰的目標和持久的耐力都很重要。
總的來說數據戰(zhàn)略規(guī)劃是根據組織機構處于的數字化轉型階段，為了滿足業(yè)務遠景及業(yè)務戰(zhàn)略目標，而基于現況與目標的差距，在所有利益相關者之間的不同訴求中達成的共識。
在以上基礎下充分考慮內外環(huán)境的變化：
1、從外部宏觀政策、市場變化、競爭格局、科技變革等作為戰(zhàn)略可行路徑的考量因素。
2、把內部的重心放在現狀能力與戰(zhàn)略目標的差距補充上，包括但不限于業(yè)務需求、技術能力、資源配備、人才培養(yǎng)、組織架構、合規(guī)安全、數據資產、職效機制完善程度等。在充分考慮上述情況下，根據自身優(yōu)勢及缺點，為數據戰(zhàn)略規(guī)劃作出資源投放定位優(yōu)先順序及取舍判斷。
為了讓大家更清晰數據戰(zhàn)略規(guī)劃過程進一步描述，下面我順序列舉了一些過去的經驗作重點分享：
1、肯定數據轉型的重要性。在業(yè)務戰(zhàn)略過程中，肯定數據化轉型對企業(yè)的必要性、為現在識別業(yè)務數據化的機會及方式、為未來業(yè)務的數據能力及資源作準備；
2、識別數據化切入點。在組織機構進行數據化轉型時，選擇出適合優(yōu)先進行數據化的業(yè)務范圍，為此識別出可以運用數據能力為內部改進決策質量、實現運營提升、提高創(chuàng)新生產力的機會；
3、數據化任務盤點。據前述的戰(zhàn)略規(guī)劃的需求，對任務的急切性和數據化現狀進行評估，定位項目的優(yōu)先順序及風險；
4、任務規(guī)劃路線圖。為數據戰(zhàn)略制定規(guī)劃，包含但不限于：
1）愿景陳述，其中包含數據治理原則(包括匯聚、治理、應用等）、目的和目標；
1）規(guī)劃范圍，包括業(yè)務內部、跨業(yè)務領域及外部合作等所組成的數據范圍、安全規(guī)格、質量保障等；
2）所選擇的數據管理模式和建設方法，包括非結構性數據的處理及儲存方式、對實時數據的需求等；
3）當前數據資源及能力與目標的主要差距；
4）管理層及各職能部門的責任，以及利益相關者名單；
5）編制數據管理規(guī)劃及相對的量化及管理方法；
6）持續(xù)優(yōu)化的周期路線圖；
7）確定資源保障機制包括數據、技術、人才等。
5、戰(zhàn)略落地的內外觀角。了解組織機構（內外）的利益相關方的訴求，明確數據戰(zhàn)略規(guī)劃對利益相關者起的積極作用。根據形勢對內形成跨業(yè)務數據技術及資源的匯聚，以及建立互惠的機制，同時對外爭取有利的戰(zhàn)略資源合作；
6、數據化從局部走進全局。識別可以共享的資源包括數據資產、技術能力、人才組織等，并通過技術及平臺的方式賦能數據化能力從局部到全局；
7、文檔、標準化、管理辦法。以文件方式正式發(fā)布審批后的數據戰(zhàn)略規(guī)劃及執(zhí)行細節(jié)，包括了數據使用、安全、共享等的一些標準化、原則及管理辦法；
8、戰(zhàn)略定期評估及匯報。根據已發(fā)布的數據戰(zhàn)略重點，為戰(zhàn)略策略作出定量及定性的分析，定時給管理層匯報；
9、數據戰(zhàn)略隨業(yè)務而變。為數據戰(zhàn)略復盤，根據業(yè)務戰(zhàn)略發(fā)展、信息化發(fā)展階段、科技技術趨勢等變化，定期進行數據戰(zhàn)略的修訂。
從上面的內容中，大家應該可以感覺到數字化轉型是一個牽一發(fā)而動全身的變革，而數據戰(zhàn)略規(guī)劃正好是給予轉型中的企業(yè)一個詳細的執(zhí)行框架。因此數據戰(zhàn)略規(guī)劃正是數字轉型成功的前提，值得企業(yè)三思而后行。
關于車品覺：
車品覺先生是紅杉資本中國基金專家合伙人，曾任阿里巴巴集團副總裁兼首任數據委員會會長。首任阿里數據委員會會長。
中國數據化思考先行者，擁有十多年豐富的數據實戰(zhàn)經驗，并在實踐中形成了獨特的數據化思考及管理方式。
2014年在任職阿里期間領導阿里數據團隊獲得Top CIO評選為中國最佳信息化團隊，2017年被國家信息中心選為中國十大最具影響力大數據企業(yè)家。2018年，榮獲“中囯大數據科技領軍人獎”著有：暢銷書《決戰(zhàn)大數據》、《數據的本質》及《數循環(huán)》。并譯有《數據驅動的智能城市》。
（原標題：紅杉中國合伙人車品覺：數字化轉型的關鍵，源于數據戰(zhàn)略）
