数字转型需要通过陈晓凤汇编重新定义数据治理的角色 如何炒股

股票资讯    来源:伊敬股票网  作者:佚名

湖北科技信息研究所副研究员陈晓凤长期从事媒体融合领域的数字研究。今天陈主任给大家带来了一个关于数字转型的沉重思考,以此给大家一个关于数字转型的全新认识。

原作者:比尔·施马尔佐;;由陈晓凤编辑。

组织在数据管理和治理方面的投资与在数据货币化方面的投资之间存在悲剧性的不匹配。组织在企业、社交和移动系统上投入了大量资金来获取、管理和管理客户和运营数据,但在将上述数据货币化方面没有连贯的业务策略(见图1)。

图1数据采集和数据货币化战略的悲剧性错位

这种不匹配的存在是因为大多数组织缺乏一个关键角色——首席数据货币化官(CDMO),他负责指导组织的数据和分析开发,以便获得和推广新的客户、产品和运营价值来源...以业务结果为中心的方法。

如果我们真的相信数据是新的石油——数据将成为21世纪经济增长的催化剂,那么我们需要花更少的时间和投资来管理和经营数据,并显著增加时间和投资来实现数据货币化。如果你不知道要花多少钱,我可以告诉你一个参考:到2017年,贝壳的“建筑词典”要花4到5亿。

重新定义数据治理实践数据治理/数据管理实践为了支持现代企业,必须重新定义当今的数据治理和数据管理实践,以支持组织的业务需求,并最终支持组织的数据货币化战略。数据货币化实践必须:

传播相关数据和分析资产的经济潜力对于促进组织的数字化转型具有令人信服的愿景。教高级经理、业务利益相关者和战略客户如何“像数据科学家一样思考”,以确定数据和分析在哪里以及如何提供实质性的业务价值。在与业务利益相关者的合作中,应用设计思维和价值工程的概念来识别、验证、评估和优先考虑组织的高价值用例,从而促进组织的数据和分析发展路线图。倡导数据科学团队“设计”可重用、持续学习和适应性强的分析资产,以支持组织的高优先级用例。发展分析文化,配合AI/ML模型与人合作,在客户参与和运营执行点授权团队。CDMO需要数据货币化的实践;了解组织的预期业务和运营结果,然后创建一个实用的、可操作的和迭代的计划来提供必要的数据和分析输出(参见图2)。

图2定义了数据货币化的角色

数据货币化的实践必须将组织从仅仅创建数据和分析输出转变为提供有意义和可衡量的业务价值和运营结果。

数字货币化工具以下是CDMO可以用来促进组织的数据货币化实践的一些工具。

1)数据湖3.0:协同价值创造平台

如果你想利用数据的独特特性——这些资产永不枯竭,永不磨损,可以在无限多的使用案例中以零边际成本使用,那么你就必须打破阻碍数据经济乘数效应的数据孤岛。我们可以通过将组织的数据湖转化为“协同价值创造”的平台,支持组织数据和分析资产的收集、共享、重用和持续改进,来释放数据经济的乘数效应(见图3)。

图3数据湖3.0:协同价值创造平台

注意:数据经济的乘数效应促进了以接近零的边际成本在无限数量的用例中共享、重用和改进组织数据资产的能力。

2)可重用、持续学习和适应性强的分析模块

关于“孤立分析”的挑战,这些模型是为一次性业务或运营需求而建立的,但从未为共享、重用和持续改进而“设计”。孤儿分析是数据和分析的经济价值的巨大破坏者,因为它们阻碍组织建立分析资产的能力。这些分析资产使用得越多,其价值将会升值而不是贬值(见图4)。

图4工程可重用、持续学习和适应性分析模块

可以根据组织最常见的分析需求(即异常检测、行动趋势、剩余使用寿命和操作员有效性)创建可重用、持续学习和适应性强的分析模块,然后将它们连接在一起(使用Docker container和Kubernetes技术),以解决更高价值的业务和运营用例,如减少运营停机时间、提高准时交付、减少库存和提高客户保留率。

3)数据科学的价值工程框架

如果您的组织的数据货币化治理工作的目标是衍生和推广新的客户、产品和运营价值来源,那么这些工作必须从关注对组织重要的事情开始;也就是说,在接下来的12到18个月中,组织最重要的业务计划是什么,以及数据和分析如何帮助确保这些计划的成功。

价值工程框架指导业务和数据科学之间的合作,以识别、验证、评估和优先考虑组织需要解决的关键业务和运营用例,以支持目标业务计划(参见图5)。

数据科学价值工程过程为挖掘数据和分析的经济价值提供了一种简单有效的方法。促进商业和数据科学之间的合作,应用数据和分析来提高运营和业务效率。

4)假设开发和服务设计画布

设计思维提供了一个有价值的工具来促进跨组织的合作和协调,以支持组织的数据货币化工作。特别是,基于数据科学的两个设计模板——假设的开发画布和服务设计画布——在确保组织的数据货币化工作专注于提供有意义的业务和运营结果方面非常有价值(参见图6)。

这些设计工具有助于识别、验证、评估和优先考虑组织中最重要的业务和运营用例,并支持数据和分析需求。

数据(治理)货币化概述现代数据(治理)货币化实践必须寻求促进跨组织的共同创造,以发现、汇编和运营客户、产品和运营价值的新来源。这意味着掌握四个基本概念。

基本概念1:识别价值创造的来源。使用设计思维和经济学来识别、验证、评估客户、产品和运营价值的来源并确定其优先级。基本概念2:编制价值创造的源泉。使用AI/ML来发现客户、产品和运营洞察(趋势),并将其编译成可重复、持续学习和适应性分析文件和分析模块。基本概念3:实现价值创造的源泉。通过将客户、产品和运营洞察力嵌入组织的运营系统,建立了持续学习的反馈回路。基本概念4:数据(货币化)治理。创建数据货币化治理学科,优化ML模型与人之间的协作,在每一次客户参与或运营互动中学习和适应。您的数据货币化实践需要花更少的时间考虑数据管理和数据治理,花更多的时间考虑数据货币化治理。这是确保您的组织共享、重用和不断改进数据和分析的独特经济特征以获得和推动新客户、产品和运营价值来源的唯一方法。

最后,治理,要想成功,需要露出獠牙。治理必须包括对合规性的奖励(如资源、投资、预算和高管关注)和对不合规性的惩罚(如扣留甚至收回资源、投资、预算和高管关注)。如果您的治理实践依赖于哄骗和乞求他人遵守它,那么您的治理实践已经失败了。

资料来源:https://www . LinkedIn . com/pulse/digital-transformation-requires-redefining-role-data-bill-schmarzo/

延伸阅读:《阅读分享华为的数据方式》,私信我,回复《数据货币化》下载。请耐心等待手动发送下载的信息。

相关推荐

一次支付一次的押金,一次支付一个月的押金,一次支付一个月的租金,房东在退房时会退还押金。那么,您如何支付房租?主要通过以下方式支...
湖北科技信息研究所副研究员陈晓凤长期从事媒体融合领域的数字研究。今天陈主任给大家带来了一个关于数字转型的沉重思考,以此给大家一个...

股票标签

友情链接