從收集數據到使其成為可操作的知識并查看對業務的影響，這可能是一條充滿挑戰的道路，特別是如果組織尚未進行數據驅動的轉型或沒有完全具備正確支持它的能力。

數據意味著價值

當涉及到各個行業的業務戰略時，數據至關重要，并且是創新和生產力的催化劑。幾乎所有公司現在都在投資數據分析。“數據是新的石油”這一常見表述將數據定義為推動公司業務發展的重要資源。與石油一樣，如果您知道如何正確提取和使用數據，數據就會成為非常寶貴的資產。原始數據本身不會帶來更大價值。數據資產是一個組織擁有的任何數據，如果充分有效地利用這些數據，就可以為該組織產生價值。

數據很難變得有價值，3V 讓問題變得更難

?3Vs 長期以來一直被用來描述“大數據”：·要收集、存儲和分析的數據量。·各種數據通過不同類型的格式和特征來管理，而且它們的來源也非常多樣化。·數據的速度既包括收集的速度，也包括其來源和結構的變化速度。企業管理的數據的復雜性在這三個維度上從未停止增長。最重要的是，這些數據所代表的業務環境也比以往任何時候都發展得更快。所有這一切都使得確定正確的關注領域變得極其困難，并且需要推進結構化方法和框架來盤點、評估和從這些數據中創造價值。

數據價值涉及影響業務流程和 3Us 挑戰

數據資產的價值來自于它在組織內的使用方式，它決定了它的重要性，最終決定了它的貨幣價值。事實上，數據驅動計劃的成功在于它影響了與公司目標一致的運營流程，這需要交付的解決方案來解決 3U：

• 可用：集成在技術堆棧中并與操作系統連接。
• 有用：被能夠解釋結果和建議并采取行動的業務用戶理解。
• 被用：實際被業務用戶用于決策，并不斷改進以遵循業務環境和演變。

數據分析確實需要被視為一種業務能力

全面支持和整合核心業務功能和流程，最終創造可衡量的價值和影響。

只有 32% 的受訪企業高管表示他們能夠從數據中創造可衡量的價值，而只有 27% 的受訪者表示他們的數據分析項目產生了可操作的見解。（埃森哲）

……但是公司在這種數據驅動的轉型中苦苦掙扎——推動業務的可持續性并證明數據的價值，實施全面的價值管理方法來應對挑戰并實現收益至關重要。

數據分析價值管理依賴于 4 個強大的要素，以便連貫地處理所有不同的維度：

1.正確的數據策略，以協調工作并支持業務目標。

2.管理和運營數據挑戰的正確技術基礎和架構。

3.有效設計、構建、部署和運營數據與分析計劃的正確運營模式。

4.正確的環境和變革管理，以實現更高的數據素養和數據驅動的決策文化。

1. 正確的策略

數據分析是支持業務戰略的推動力……本身并不是一個目標。如果沒有這個清晰的對齊框架，在收集、清理、準備和分析數據方面所做的努力都是徒勞的，因為它們不會導致有效的決策制定。最終結果是高管們對缺乏效益與對人員和技術的大量投資感到沮喪。因此，確保數據分析項目組合完全專注于交付成果并因此與業務戰略保持一致至關重要：

• 為了實現這一點，組織需要在企業級有一套明確定義的優先級，并定義將用于衡量成功的 KPI。
• 然后，將所有舉措映射到戰略優先事項，確定相關風險和預期結果。
• 同時，還需要意識到當前的成熟度水平，以便預測某些舉措的影響，并過程中考慮這一維度。
• 最后，可以通過選擇正確的計劃集、匹配投資能力、對轉型的關注以及預期的業務影響來優化投資組合。

這個調整過程需要通過收集整個組織的貢獻來執行。在這種情況下，需要從一開始就進行協作，以確保可操作性和支持。

還必須確保在計劃的整個生命周期中持續可見和演進，以免迷失方向。此外，定義一個持續的流程來管理新出現的想法、對其進行限定，并在需要時調整產品組合。

數據分析戰略作為一個框架，可以隨著時間的推移選擇正確的重點和投資領域，以構建、管理和交付最佳的數據分析計劃組合。

2. 適合的技術

數據分析需要適合的工具和解決方案來有效管理和使用數據：捕獲、存儲、轉換、分析和可視化來滿足所有用戶的不同需求，從偶爾需要報告和自助可視化的用戶到需要高級分析能力的專家。

由于數據分析的技術市場發展迅速，創新頻繁，因此在設計架構時需要考慮到靈活性和演進性。架構需要隨成熟而擴展和適應，并且不想錯過數據技術創新！

理想的數據架構還可以作為更廣泛的 IT 轉型的基礎，通過與操作系統連接，不僅作為數據源，而且還用于自動或手動決策。

數據分析架構的目標是定義關鍵的組織和運營指南，以部署工具、運營和管理數據存儲以及未來的擴展。部署和利用這些技術還需要對技能進行大量長期投資，以利用新技術并伴隨整個組織的數據素養和方法論的演變。

3. 持續改進的運營模式

數據分析項目不是一次性的，它們需要一個持續的改進周期：

• 需要不斷改進的業務流程。
• 依賴于各種不斷改進的數據源。
• 個人行為、經濟環境、意外事件等環境變化。
• 需要適應業務戰略的演變。

因此，交付具有影響力的數據分析計劃需要建立適當的運營模型來管理和優化整個生命周期內的投資組合，從計劃的出現到其立項、優先級、實施、部署等。

此運營模型需要包括跟蹤成本、行為、性能和最終影響隨時間推移的能力以評估價值以及所需的維護和演變：防止模型衰減，合并額外數據，管理數據源的演變，適應不斷變化的業務環境等。

持續監控創建了一個反饋循環，這是確保數據分析計劃隨著時間推移的可靠性和準確性的關鍵，從而實現持續改進。

有效的數據分析運營模式的關鍵因素：

• 可見性，在組織內對倡議、貢獻者、他們的預期與有效價值和影響的所有維度進行可見性。
• 全面，涵蓋整個生命周期，提供針對每個階段量身定制的支持和指標。
• 適應，考慮到組織內成熟度的差異和當地的特殊性：能夠結合一個共同的參考框架來跟蹤計劃和資產。
• 協作，包括在整個生命周期中參與數據項目的所有參與者：目標用戶、業務專家、數據提供者、數據分析團隊、IT 團隊等。這在某些情況下包括客戶或供應商。
• 治理，以便共享清晰的流程、職責、角色和管理風險。
• 自動，以便從 xOps 管道連續地收集所有監控和跟蹤信息。

4. 價值驅動的數據文化對于實現商業價值至關重要

雖然公司投資于制定戰略、建立正確的技術基礎和部署有效的運營模式，但他們需要確保每位員工都具備理解和使用數據分析的技能。否則，分析驅動的組織概念可能會停留在一個想法而不是現實的階段。

據調查，75% 的員工不喜歡處理數據。個人不理解或不信任數據分析的風險是巨大的，這將危及舉措的采用和有效部署：他們要么無法正確使用可用數據進行決策，要么恢復到以前的操作方式并忽略可用數據。

數據素養也是創新的關鍵，使個人能夠信任可用數據和交付的計劃，識別并提出可以節省成本、提高效率、新收入來源等的新計劃。

建立信任對于實現價值至關重要。結合對持續活動的可見性、可訪問和可重復使用的知識、員工的技能和數據素養，可以建立信任！有了信任，組織可以完全由數據驅動并提高他們的創新能力。

這種面向數據素養的深刻文化變革需要：

• 詞匯表，因為必須使用通用語言和定義來建立信任并鼓勵團隊之間的協作。
• 招聘和培訓，大多數組織已經確定需要聘請數據人才，但也需要為其現有的非數據專業員工提供培訓，以培養他們為數據分析計劃做出貢獻的技能和能力。
• 協作，在整個數據分析計劃生命周期中讓合適的人參與進來，以便他們以正確的方式提供正確的見解，并建立社區以觸發知識共享和豐富。
• 支持和變更管理，以確保個人獲得所需的幫助。比如了解如何使用可用工具獲得更多自主權，如何依靠現有數據分析在他們的環境中采取行動，如何改進自己的流程、確定培訓、工具或新舉措方面的新需求。

結論

既然我們已經知道了數據分析實現價值的關鍵要求，那么途徑是什么？最好的方法是從評估企業成熟度開始，并在此基礎上制定自己的計劃。

回顧一下，數據分析計劃應始終包括這4 個要素：

1.首先將數據戰略定義為讓每個人都關注目標的方式。

2.定義和部署強大的技術和架構基礎。

3.定義或改進運營模式，以管理和優化計劃和資產組合，并隨著時間的推移監控所產生的價值。

4.投資于數據素養并為強大的社區注入活力，以實現數據驅動的文化。同時，部署一個持續改進周期，隨著成熟度的提高、不斷變化的業務條件和新的風險或機會的識別，豐富、發展和適應所有這些。