那些采用数据驱动方法的公司比那些不采用的公司表现要好得多，但它们仍不是主流。是什么阻碍了数字驱动型公司的普及？成就数据驱动型公司CIO面临的6大障碍包括：1、没有识别不良数据；2、将数据整合仅仅视为一个技术问题；3、不能全面的交付商业数据价值；4、没有为最终用户提供所需的数据自助服务工具；5、在数据开发利用过程中未考虑最终用户参与；6、缺乏信任。

图源：GORODENKOFF / SHUTTERSTOCK

毫不奇怪，成为一家数据驱动的公司是企业的首要议程。IDC（International Data Corporation，国际数据公司，是国际数据集团旗下全资子公司。是信息技术、电信行业和消费科技市场咨询、顾问和活动服务专业提供商。经常发布的市场资讯、预测和资深分析师关于业内热点话题的观点性文章。）最近的一份白皮书发现，精通数据的公司报告称，其收入增长了3倍，新产品和服务上市时间的可能性增加了3倍，客户满意度、利润和运营能力提高的可能性增加了1倍多。

但根据1月份对NewVantage Partners（一家专注于数据驱动型业务的咨询公司，一直为财富 1000 强蓝筹公司和行业领导者提供数据驱动型企业领导力的战略顾问，总部位于美国波士顿。）的数据和信息高管的调查，只有四分之一的公司认为自己是数据驱动的，只有21%的公司表示自己的组织中有数据文化。

有好几个关键因素有助于解释这种脱节，但80%的受访者认为文化问题是阻碍他们从数据投资中获得价值的最大因素，只有20%的受访者认为是技术限制问题。根据亲身克服了这些障碍的专家们的经验，其他问题也仍然存在。

一、没有识别不良数据

如果underlying data（底层数据/基础数据，是这行业里面最底层的基础数据内容，一般是格式化的数据。）不好，即使是最好的分析策略也会偏离。但是，解决数据质量问题需要深入了解数据的含义以及数据是如何被收集的。由Mastercard Center for Inclusive Growth（万事达卡包容性增长中心，是促进世界各地公平和可持续的经济增长和金融包容性，并管理慈善机构万事达影响基金，以开展独立研究、可扩展的全球项目，以及在包容性增长的前线建立一个由思想家、领导者和实干家组成的赋权社区。Mastercard，万事达卡，是万事达国际组织与全球各地银行联合发行的银行卡。国际上有六大国际信用卡组织，国际上六大信用卡组织分别是VISA、MasterCard/万事达卡、American Express/美国运通、UnionPay/银联、JCB和Diners Club。除银联和JCB外，其余四大信用卡均起源于美国。）和Rockefeller Foundation（洛克菲勒基金会，1913年在纽约注册，2000年资产33亿美元，目前由家族第五代主持基金会，关注点始终是教育、健康、民权、城市和农村的扶贫。1913年组建会议刚结束，第一批行动之一就是派遣医疗小组来华考察。基金会在中国的工作可分为两部份。20 世纪前半期的一大创举就是建立协和医学院及其附属医院。自1916年至1947年的32年间，该基金会用于创建、维持和发展协和的拨款总额为4465万美元。）支持的非营利组织data.org的首席数据和技术官Uyi Stewart（乌伊·斯图尔特）表示，解决重复数据是一个难题，但当数据出现错误时，就更难解决了。

“对真实性的挑战更为多变，也需要更多的时间。”他说，“在这你需要行业专业知识才能将事实与虚构区分开来。”

仅仅掌握简单的技术是不够的。这是Lennon Maris（列侬·马尔斯）在2017年加入跨国乳制品合作社FrieslandCampina（荷兰皇家菲仕兰公司，创始于1871年，迄今已有140多年的历史，是荷兰唯一获得皇家称号的乳品企业，世界最大的合作乳制品公司之一，拥有荷兰近80%的牧场。2014年营业额高达148亿欧元，是全球十大乳制品公司之一，其产品畅销全球100多个国家。全球95%的益生元来自荷兰皇家菲仕兰，全球主要乳糖供应商，全球著名的酪蛋白酸盐供应商，全球著名微胶囊技术制造商。）时发现的，当时该公司正在着手一项成为数据驱动型公司的战略计划。

这是一个巨大的挑战。公司在31个国家拥有超过21，000名员工，客户分布在100多个国家。人们很快就发现，数据质量将成为一个很大的障碍。

例如，该公司负责企业数据和授权的高级全球总监Maris（马尔斯）说，库存是基于（承载商品的）托盘数量来报告的，但订单是基于（商品的）单位数量。这意味着人们必须进行人工转换，以确保以正确的价格交付正确的数量。

或者接受商品代码。每个工厂都输入了最适合该产品的商品代码，不同的工厂使用不同的代码，然后用来计算进出口税。Maris（马尔斯）说：“但税务报告是在公司层面上执行的，所以需要一致性。”

为了解决数据问题，FrieslandCampina（荷兰皇家菲仕兰公司）不得不发展其数据治理的组织。在项目开始时，该团队主要关注数据输入的技术细节。这种情况很快发生了变化。

Maris（马尔斯）说：“我们已经能够对我们的团队进行再培训，使其成为流程专家、数据质量专家和领域专家。这让我们能够过渡到积极主动的数据支持，并成为业务同行的顾问。”

同样，帮助公司提高数据质量的技术平台Syniti（数据解决方案提供商）也必须进行调整。

“这个平台很好，技术含量很高。”Maris（马尔斯）说，“我们在业务用户采用率方面遇到了一些挑战，因此要求Syniti提供与业务相关的用户界面。”

2018年，一级主数据对象已经到位：供应商、材料、客户和财务。第二年，它扩展到二级数据对象，包括合同、物料清单、折扣和定价。到2022年底，该公司已经完成了对逻辑业务流程的协调，项目已全面部署。其结果是数据质量提高了95%，生产率提高了108%。

他说：“在实施基础数据平台之前，我们每年都要对主数据进行超过1万小时的返工。如今，这一数字已降至几乎为零。”

Aflac（美国家庭人寿保险公司，成立于 1955 年，虽然公司的总部仍在哥伦布，但最大的市场却在日本。公司的市值逾 200 亿美元，资产也大大超过 500 亿美元。）首席信息官Shelia Anderson（谢莉亚·安德森）说，数据质量也是Aflac（美国家庭人寿保险公司）的一个问题。她说，当Aflac（美国家庭人寿保险公司）开始成为一家数据驱动的公司时，Aflac的各种商业账簿中都有不同的商业运作。

她说：“数据采集拥有多个系统，导致数据质量不一致。”这使得从数据中获得有用的洞察很困难。为了解决这个问题，Aflac（美国家庭人寿保险公司）采取了数字化优先、以客户为中心的方法。这就需要跨不同生态系统进行数据整合，由此，客户体验得到了改善，公司已经能够提高其业务流程的自动化程度，并减少了错误率。

她说：“一个显著的好处是，它为客户服务代理释放了带宽，使他们能够专注于需要更个性化的更复杂的索赔工作。”

二、将数据整合视为一个技术问题

Randy Sykes（兰迪·赛克斯）之前的一位雇主花了八年时间试图创建一个数据仓库，但没有成功。

他说：“这是因为我们试图应用标准的系统开发技术，但没有确保业务与您保持一致。”

如今，Sykes（赛克斯）是Hastings Mutual Insurance Co.（黑斯廷斯互助保险公司）的数据服务IT总监采取了不同的方法来整合组织的数据。

十年前，该公司决定将所有东西整合到一个数据仓库中。当时，报告需要45天才能生成，而用户却没有得到有效辅助其商业决策所需的信息。

首先，数据每晚从遗留系统批量导出进入着陆区，然后进入一个暂存区，在那里应用业务规则来整合和协调来自不同系统的数据。这就需要深入了解该公司的运作方式以及这些数据的含义。但这一次，这个项目之所以成功，是因为团队里有主题专家。

他说：“我们有几个工作人员，他们在公司工作了很长时间，对这个组织很了解。事实上，你需要一个跨职能的团队才能取得成功。”

例如，不同的保险政策体系可能有不同的条款，不同的承保范围和风险。为了整合所有这些信息，数据团队需要充分理解将原始数据转换为通用格式所需的业务语言和规则。

“这是公司面临的最大挑战，”他说，“他们试图获取这些数据，并从技术上将其整合在一起，然后忘记了这些信息背后的商业逻辑。很多时候，这些（只注重技术）类型的项目都会失败。”

他说，今天，一份过去需要耗时45天的报告可以在24小时内生成。然后，随着数据库继续现代化和事件驱动，信息将实时可用。

三、不能全面的交付商业数据价值

一旦Hastings（黑斯廷斯互助保险公司）开始收集数据，数据项目就在在一年内为公司带来价值，尽管2014年开始的数据仓库项目直到2017年才交付。

这是因为着陆区域和集结区域已经在收集和处理数据方面提供了价值。

Sykes（赛克斯）说，数据项目必须在整个过程中全面提供业务价值。“没有人会永远等待。”

NTT Americas（日本电报电话美国分公司。NTT，日本电报电话公司成立于1976年，是日本最大电信服务提供商--日本电信电话株式会社的全资子公司。由于依托NTT研究所及其对其研究成果的技术转让方面的成功经验，公司得到了迅速发展。）的首席顾问Denise Allec（丹尼斯·艾利克）在担任一家大公司的企业IT总监时，也有类似的“快速胜利”帮助她成功完成一个重大数据项目。

她说，一个为期六周的概念验证项目表明，该项目有价值，并帮助克服了诸如业务部门不愿放弃其数据孤岛之类的挑战。

她说：“对许多人来说，放弃数据所有权意味着失去控制。因为，信息就是力量。”不过，这种囤积数据的行为并不局限于高管。“员工往往不相信别人的数据，”她说。

他们希望验证和清除自己的来源，并美化和创建自己的报告工具，以满足他们的独特需求。

她说：“我们都看到了整个公司中存在的大量重复数据库，以及这种情况带来的挑战。”

Genpact（简柏特，简柏特全球集团是由美国通用电气/GE和另外两家美国投资公司共同出资成立的一家从事业务流程外包/BPO的专业集团公司，它在全球范围内为客户提供高质量的业务和技术服务，通过卓越的实践经验，协助全球客户增加收入，降低成本，提高企业综合竞争力。公司共有员工65，000余人，分布于美国，墨西哥、印度，中国、匈牙利、罗马尼亚的30多家分支机构。）的首席数字策略师Sanjay Srivastava（桑杰·斯里瓦斯塔瓦）证实（1）选择没有立竿见影的数据项目是成功数据计划的主要障碍。

“在你这么做之前，这一切都是一场理论讨论。”

另一方面是（2）选择没有任何扩展能力的项目——这是另一个主要障碍。

如果没有扩展的能力，数据项目就不会产生有意义的长期影响，而是会为一个小的或特殊的用例耗尽资源。

他说：“关键是你如何在一个能够吸引人们注意力的时间期内，大批量地交付业务价值，而且还是可扩展的。”

四、没有为最终用户提供所需的数据自助服务工具

将业务用户放在第一位意味着以他们需要的形式提供他们需要的数据。有时，这意味着Excel的电子表格。例如，在Hastings（黑斯廷斯互助保险公司），工作人员历来会将数据复制并粘贴到Excel中，以便使用它。

“每个人都在使用Excel，”Hastings（黑斯廷斯互助保险公司）的Sykes（赛克斯）说。“现在我们会说，‘为什么我们不把数据给你，这样你就不必再复制和粘贴了。’”

但该公司也一直在创建仪表盘。如今，该公司420名员工中约有四分之一在使用仪表盘来改进客户服务。

“他们现在可以帮助代理商交叉销售我们的产品，”他说，“我们以前可没有试过这个。”

但为人们提供他们需要的自助分析工具是一项挑战。“我们仍然有点behind the eight ball（陷入窘境，处于更糟的情况中。源于台球的习语，由于比赛中把目标球全部按规则击入袋中后，再将8号球击入袋中则获胜，如果有一方在比赛途中将8号球击入袋中，那对方就获胜了。因此，如果你的母球恰好正滚到8号球背后，那你就凶多吉少了。），”他说，随着200个以业务为重点的仪表盘已经到位，这一过程正在顺利进行。

另一个最近开始将数据获取过程民主化的组织是位于俄亥俄州代顿市的Dayton Children’s Hospital（代顿儿童医院）。

“五年前我们做得并不好，”首席信息官 J.D. Whitlock（J.D.惠特洛克）表示，“现在仍然有很多电子表格。现在我们正在使用微软的数据堆栈，就像很多人正在做的那样。所以，只要有人知道如何使用PowerBI，我们就会以适当的格式，以适当的安全性提供适当的数据。”（power business intelligence，微软开发，是软件服务、应用和连接器的集合，它们协同工作以将相关数据来源转换为连贯的视觉逼真的交互式见解。无论用户的数据是简单的 Excel 电子表格，还是基于云和本地混合数据仓库的集合，Power BI 都可让用户轻松地连接到数据源，直观看到或发现重要内容，与任何所希望的人进行共享。Power BI 简单且快速，能够从 Excel 电子表格或本地数据库创建快速见解。同时 Power BI 也可进行丰富的建模和实时分析，及自定义开发。因此它既是用户的个人报表和可视化工具，还可用作组项目、部门或整个企业背后的分析和决策引擎。）

此外，数据分析师也被去中心化了，所以不必派一个团队处理他们的数据问题。

Whitlock（惠特洛克）说：“假设你想知道去年X和Y医生做了多少次手术，这是一个相对简单的问题。但如果你不给人们自己查明这件事的工具，那么你就会收到一千个请求。”

他说，使用自助数据工具帮助该公司向一个数据驱动的组织发展。“要注意，这总是在路上，你永远难达终点。”

五、在数据开发利用过程中未考虑最终用户参与

忽视用户的需求几乎总是灾难的根源。例如，Nick Kramer（尼克·克莱默）最近与一家全国性的餐饮服务公司合作，该公司在美国46个州设有办事处，年收入高达5亿美元。克莱默是全球咨询公司SSA & Company（美国系统软件联合公司，一家ERP软件公司，2006年被Infor公司收购）应用解决方案的领导者。这家餐饮服务公司增长迅速，但服务水平却在下降。

“每个人都在相互指责，”他说，“但首席信息官没有（数据支撑的）仪表盘或报告——只有轶事和争论。”

其中一个问题是（数据交换平台中央）系统被广泛忽视。员工更新了记录，但事后才更新。这个系统是强加给他们的，很难使用。

Kramer（克莱默）说：“订单部门、销售部门、法律部门和安装部门的人——每个人都有自己的电子表格，并各自在自己的表上面运行时间表。彼此没有任何沟通，数据也没有流动。所以你必须逐个办公室去了解谁在做什么，做得有多好，哪些延误是无法解决的，哪些延误可以解决。”

解决方案是接近业务用户，了解这些数据是如何被使用的。

Kearney（科尔尼管理咨询公司，于1926年在芝加哥成立，经过近百年的发展，科尔尼咨询已发展为一家全球领先的高增值管理咨询公司，科尔尼在各个主要行业都拥有广泛的能力、专门知识和经验，且能提供全方位的管理咨询服务，包括战略、组织、运营、商业技术解决方案和企业服务转型。科尔尼公司在全球38个国家和地区、55个商业中心设有分支机构，在全球拥有超过2000名咨询顾问。）的合伙人Joshua Swartz（乔舒亚·斯沃茨）最近也有过类似的经历，当时他正在一家美国食品公司从事一个咨询项目，该公司年收入为数十亿美元。

该公司希望让生产经理能够根据真实数据更好地决定要生产什么。

Swartz（斯沃茨）说：“例如，在某个生产基地有一条生产线，它可以做玉米饼片或皮塔饼。如果产品发生转换，你必须停下来清洗生产线，更换配料。”

但是，比如说，旧的方法是做上4个小时玉米饼，再做4个小时披萨饼上，数据显示接下来你应该做上2个小时玉米饼——然后明天可能次序正好相反。由于食品是易腐烂的，生产错误意味着一些产品将不得不扔掉。但Swartz（斯沃茨）说，当该公司最初设计其解决方案时，生产工人并没有参与其中。“他们太忙于生产食物了，也没有时间停下来参加会议。”

这并不是一个问题，因为公司的文化是等级森严的。他说：“当首席执行官说了些什么，然后用拳头敲打桌子时，每个人都必须执行。”

新系统在试点地点只使用了几周，然后员工们发现该系统并不真正适合他们，于是回到原来的方式做事。此外，公司的数据主管位于公司技术组织的低层，而不是更靠近高层管理层或业务部门，这也于事无补。

解决这个问题需要把实际的员工带到设计（软件程序）套件中，尽管这需要增加生产线的产能来释放工人。

Swartz（斯沃茨）说：“利润微薄的食品公司不愿意进行这种投资。”但当他们成为这个（数据驱动精益和改进）过程的一部分时，他们能够为解决方案做出贡献，如今三分之一到一半的设施正在使用新技术。

Swartz（斯沃茨）还建议，首席数据官的位置应当离公司最有价值的数据更近。

他说：“如果数据是该业务的战略资产，我将使CDO（首席数据官）更接近于拥有数据所有权的业务部分。如果组织专注于使用数据来提高运营效率，那么首席运营官可能是合适的人选。”

但他说，一家销售驱动的公司可能希望将CDO（首席数据官）置于销售成本控制之下，而将一家产品公司置于营销成本控制之下。与他合作的一家消费品公司实际上让CDO（首席数据官）直接向首席执行官报告。

Swartz（斯沃茨）说：“如果你认为数据是一个技术问题，你会不断遇到难以从数据和分析中获得多少实际业务价值的挑战。”

六、缺乏信任

负责任的数据使用对于数据计划的成功非常重要，在金融领域尤其重要。

DBS Bank（星展银行，原名新加坡发展银行/Development Bank of Singapore，是新加坡最大的商业银行。银行成立于1968年，原为新加坡政府成立的一家发展融资机构。由于不满足于本土旗舰的地位，其在20世纪90年代末加速海外扩张，先后收购了泰国、菲律宾、印尼、中国香港和中国台湾的商业银行，并在2003年更名为星展银行。）首席分析分析师Sameer Gupta（萨米尔·古普塔）说：“信任在银行业至关重要。负责任地使用数据和模型至关重要，在使用数据时必须坚持道德规范准则。”

他说，数据的使用应该是有目的的、尊重的、可解释的，永远不要让人感到惊讶。他说：“个人和企业应该预期数据的使用（场景）。”

他补充说，通过专注于信任，该银行已经能够在整个企业中部署人工智能和数据用例，从面向客户的业务（如消费者和中小型企业银行业务）到支持合规、营销和人力资源等功能。

他说：“到2022年，我们的人工智能和机器学习举措带来的收入增长约为1.5亿新元（1.12亿美元），是前一年的两倍多。我们希望在未来五年内实现10亿新加坡元。”

赢得信任需要时间和承诺。如果没有它，成为一家数据驱动型企业几乎是不可能的。但一旦获得了信任，就会开始良性循环。根据今年1月发布的CapGemini（般指凯捷咨询公司。凯捷管理顾问公司总部设于法国巴黎，由法国企业家 Serge Kampf 于1967年创立，是一间全球性的资讯科技服务管理领导厂商。它列名在巴黎CAC40指数中，是法国前四十大企业。企业总部位于巴黎蒂尔西特路，仍然由Serge Kampf担任执行长，在全球39个国家拥有分公司，合并了安永咨询。）的一项变革管理研究，在拥有强大数据分析能力的组织中，员工信任公司的可能性要高出18%。当这些公司需要进一步发展时，成功变革的概率比其他组织高出23%到27%。

一家全球零售商的数据科学家、MIT（麻省理工学院，Massachusetts Institute of Technology，创立于1861年，位于美国马萨诸塞州波士顿都市区剑桥市，主校区依查尔斯河而建，是一所享誉世界的顶尖私立研究型大学，全球大学校长论坛成员。麻省理工学院早期侧重应用科学及工程学，在第二次世界大战后，倚靠美国国防科技的研发需要而崛起。在二战和冷战期间，麻省理工的研究人员对计算机、雷达以及惯性导航系统等科技发展作出贡献。截止至2020年，麻省理工学院共产生了8位菲尔兹奖得主及26位图灵奖得主。）前人工智能研究科学家Eugenio Zuccarelli（尤金尼奥·祖卡雷利）表示：“包括数据专家在内的许多人认为，在向数据驱动型公司转型的过程中，大多数问题都与技术有关。”

但他说，真正的障碍是个人造成的，因为人们必须学会理解做出基于数据的决策的价值。

他说：“在MIT（麻省理工学院）做研究时，我经常看到专家和组织领导人在努力过渡到一个更具数据驱动力的组织。主要问题通常是文化上的，比如认为技术会取代他们的决策，而不是赋予他们权力，以及普遍倾向于根据经验和直觉做出决定。”

他补充说，人们需要明白，他们的专业知识仍然至关重要，而数据是用来提供额外帮助的。

公司需要停止将成为数据驱动型公司视为技术问题。

Lotis Blue Consulting（企业咨询公司，前身为 Axiom Consulting Partners）收入增长业务合伙人兼数据科学团队负责人Donncha Carroll（唐查·卡罗尔）表示：“我们所有的客户都在谈论加快数据驱动，但他们都不知道这意味着什么。”他说，他们关注的是自己的技术能力，而不是人们能够用他们获得的数据做什么。

“他们不会把只提供技术解决方案的用户放在备选的框架中，”他说，“许多数据分析团队提供的数据仪表盘提供了既没有用，也不可操作的信息。他们正在消亡。”

作者： Maria Korolov（玛丽亚·科罗洛夫）