数据引导的成功之路
在过去的几年里，Thoughtworks一直在跟踪新一代超188bet宝金博app下载级成功公司的出现。这些组织通过创造更深入的客户洞察、更快地进入市场并持续向市场提供新的、让客户满意的产品和服务，从而超越了竞争对手。我们称这些公司为现代数字业务．
这些市场领导者并非偶然出现的。他们利用自己对数据的掌握，比竞争对手更快地收集重要的运营信息，并在竞争对手知道机会存在之前将其转化为可操作的见解。
在这篇文章中，我们将探讨您的组织如何成为数据的主人，以及如何使用它来构建现代数字业务(MDB)。
什么是MDB？
我们认为，多边开发银行有五个基本的构建模块。这些都是:
- 智能驱动决策. 决策由您的员工根据计算机提取和可视化的信息做出，或者由机器根据其世界模型自主做出。
- 无摩擦运行模式．企业可以利用机会，应对竞争威胁，通过消除组织结构、流程和文化上的摩擦，扩大成功的投资规模。
- 平台策略. 最好的平台战略确保企业能够利用新的数字工具，而不会失去以前技术和流程的优势。
- 有设计经验和产品能力。MDB专注于增强客户体验，并致力于倾听客户的意见，而不仅仅是对客户的需求有自己的先入之见。
- 工程文化、交付思维. MDB依赖于蓬勃发展的工程文化，具有深厚的软件实践知识和利用技术实现业务目标的技能。
数据在构建MDB中的作用
现代数字业务的每一个组成部分都以卓越的数据企业文化为基础：专注于高质量数据的收集和整理，然后再将其用于决策。
智能驱动决策
智能驱动的决策完全依赖于数据。为了提高组织的运作速度和效率，通过应用机器学习算法，一些决策完全自动化。其他决定虽然仍由工作人员作出，但都是根据尽可能最好的信息作出的。
无摩擦运行模式
数据对于无摩擦的运营模式至关重要。从实际数据中不断提炼出信息和见解，并将结果可视化，以供业务级别的决策制定。因此，当数据说“移动”时，数字组织能够立即执行。
平台策略
在这个范例中，数据在业务领域中很容易访问和发现数据网格．数据网格的架构遵循领域驱动的设计，其中底层技术是标准化的和基于云的。数据可以通过简单的api作为自助服务访问，这意味着用户可以按需提取他们需要的任何数据。域提供他们的数据“数据产品”与负责的产品负责人合作，将数据转移到其他领域，以确保数据可以在组织中的任何地方轻松消化和合并。
体验设计和产品能力
数据是数字产品设计中最重要的原材料。这意味着您的数据科学家和产品所有者需要来自不同领域的实际和历史数据，以便容易获得和发现。通过分析这些数据，他们发现新想法和客户对新产品的需求，从而洞察真实世界的行为，从而推动持续执行，推动迭代假设测试和迭代价值生成。高级分析和机器学习被用于基于这些数据设计新的数字服务和产品。
工程文化、交付思维
技术上的卓越是这一特性的核心。这意味着所有的软件项目都被视为数据项目。参与这些项目的每个人都表现出一定程度的数据素养。不同的角色(比如数据科学家、数据工程师、软件开发人员、运营人员)在混合团队中工作，他们和部门之间没有隔离墙。软件交付基础设施，如存储库、版本控制、管道和编配工具，不仅能够处理代码，还能够处理数据和模型参数。持续交付和持续集成对于数据和机器学习模型来说非常顺利CD4ML文章)．
对数据的精通是现代数字业务必须发展的
数据是现代数字企业的核心部分，擅长使用数据的组织已经掌握了收集、发现和转换数据的新技能。组织必须掌握以下六项基本技能:
- 数据治理：组织内数据资产的一般管理
- 数据可发现性：访问和发现数据的能力
- 数据可信度：对数据、衍生信息和见解的信任程度
- 数据洞察能力：从数据中创建洞察的能力
- 数据可操作性:基于洞察力执行操作的能力
- 数据安全和数据保护:保护您的数据的能力
数据治理
现代数字企业具有高度的数据素养。组织中的每个人都必须了解数据的根本重要性。每个项目也是一个数据项目，因为它产生和使用数据，并影响组织中的整体数据流。企业范围的数据治理定义了数据提供者和数据使用者的权利和义务。组织中的每个决策都基于可靠的数据。
数据的可发现性
信息需要掌握在每个人的指尖上，组织中的每个人都可以很容易地接收到信息（当然，要遵守数据可访问性和合法的数据隐私规则）。可以通过简单和标准化的API、自助服务访问信息，并自由组合以获得新信息和见解。
数据的可信度
任何组织中的人员只有在信任其数据的情况下才允许执行智能和数据驱动的决策。引入数据驱动决策的数字化前组织通常会发现组织中的人员不信任数据和基于数据的决策，并通过手动决策否决自动流程。在人际关系中，信任来自理解和积极的体验。在现代数字企业中，人们对自己的数据和基于数据的决策非常信任。他们了解数据的来源和决策的方式。他们也意识到数据中可能存在的偏差。高数据可信度并不一定意味着数据总是具有高质量。现代数学和统计算法可以（像人类一样）处理不完整、不一致且经常有噪声的数据。
数据洞察能力
现代数字企业从数据中产生信息和见解的能力很强。这是由数据科学家和分析师完成的。他们使用高级分析和机器学习框架对数据进行建模。数据时间序列和流被建模来预测未来事件。所获得的洞察力是组织中每个决策和行动的核心。
数据可控诉的情形
如果最好的数据洞察不能导致行动，那么它们是无用的。因此，以快速高效的方式将信息和见解带入行动中是现代数字企业的另一项基本技能。洞察是可视化的，以支持业务决策（数据讲故事），或通过CD4ML包含在软件开发和操作过程中。
数据安全与保护
由于数据正在成为现代数字企业的基本资产，因此保护和保护数据非常重要。必须保护数据，防止组织内部和外部的未授权访问。它还必须受到保护，防止损失和腐败。更重要的是，与个人相关的数据的数字隐私和法律要求的义务，如GDPR(欧洲通用数据保护条例)，必须得到保障。
数据是每一个现代数字企业的核心
成为真正的现代数字企业不仅仅是一个IT项目。这是一项跨组织的工作，影响到组织的方方面面，技术和业务齐头并进。我们已经确定了您必须在组织中开发的五个构建块。我们已经证明，数据在每一个构建块中都起着至关重要的作用。为了成功开发这些构建块，组织将需要在其IT环境和员工技能方面具备六种数据熟练程度。
以下是一些例子，告诉你如何在你的组织中立即开始建立这些熟练技能:
- 了解数据的重要性。组织中的每个人——从最高层到基层——都应该了解数据对业务的重要性和关键性。数据是您创造价值的原材料，它应该为所有相关人员提供，而不是由您组织中的单个业务部门或“筒仓”拥有。
- 使您的数据可被发现。ERP系统或关系数据库中的数据被认为是不可发现的。它们固定在表格数据模式中，很难提取和修改。数据科学家喜欢简单的结构化或非结构化数据的数据湖，但要注意:建立大型组织范围的数据湖是大型项目，对大多数组织来说太大了，通常注定要失败。多个较小的、特定于领域的数据湖，如数据网格，在该领域拥有明确的所有权，为其他领域提供每个自助服务的数据，以构建数据服务和产品，这是一种可行的方法。
- 人们必须信任数据．建立持续的过程和高标准的清理和质量检查传入和产生的数据。基于数据做出的决定应该尽可能透明，如果员工有疑问，要认真对待。找出这些疑问来自何处，研究数据和决策过程(包括决策过程的速度)，与人类的决策进行比较，说服人们。您不能简单地要求自动化决策是可信的。还要注意，数据中的偏见可能会对基于这些数据做出的决定产生毁灭性的影响，从而影响你的业务和公众形象。
- 请求每个决策都是数据驱动的或者至少有数据证明。不要再凭直觉、观点或“我们总是这样做”来接受决定了。继续走这条路，你就会失败，因为那些使用数据驱动决策的人会更快地适应不断变化的环境。
- 试着自动化决策尽可能多。请您的数据科学家为决策建模或使用RPA（机器人流程自动化），至少对您组织中的日常流程如此。提高员工的技能，他们的日常工作是做出这些决定，以培训和维护数据模型和RPA软件，或从事更具战略性的主题。
- 分析和建模数据从中创造信息和见解应该是您组织的核心能力。不要把这个外包出去。它是从数据中创造价值并成为具有领先优势的数据驱动型组织的主要支柱。您将需要数据分析师、数据科学家以及适当的数据基础架构和流程。确保他们的工作是透明的、公开的、可重复的，并且不受单个负责人的约束。
- 通过数据洞察铺平道路要在您的组织中运行。伟大的数据科学模型和见解如果只存在于Jupyter笔记本中，则毫无用处。它们只有在到达最终用户时才能创造价值。不要让您的数据分析和数据科学团队孤立地工作：与数据工程师、开发人员和IT运营人员一起建立混合团队。完成意味着数据可供最终用户使用。CD4ML帮助您建立流程和基础设施，以顺利、安全、持续地将数据科学模型从开发转移到生产。
- 最后但同样重要的是确保您的数据受到保护：防止组织内外的盗窃和误用，并适当保护敏感和个人数据，遵守GDPR等适用法规，防止灾难性损失。数据将成为您企业价值创造的主要组成部分和“血液”，流经您的组织并保持其健康！
不幸的是，没有成为现代数字企业的圣杯计划，也不应该有。这是一个每个组织都需要定义和学习的过程。并非所有公司都需要成为其行业中的亚马逊、Netflix或谷歌。相反，每个组织都必须找到自己真实的数字自我。
188bet宝金博app下载Thoughtworks开发了数字流利在线工具，帮助组织了解他们应该在哪里和他们现在在哪里。它可以帮助你确定你需要努力的核心能力是什么，以弥合你与目标之间的差距。
但请记住，这只是一个复杂的永无止境的旅程的起点，没有计划这样的东西：模糊性不断地挑战着我们，让我们不断改变以保持数字健康！