您现在的位置是:首页 > IT基础架构 > 计算存储 >
CIO如何制定成功的大数据战略?
摘要作为一名信息战略专家,John Weathington经常看到很多企业并不确定他们未来的大数据策略。如下,是他为我们给出的关于企业如何成功制定大数据发展策略的秘诀。...
通常,我对上述这样的情况进行的评价是:六个月后,企业内只有少数的人真正理解这一战略的目的。当大数据策略团队制定出一套清晰的愿景,我期待看到企业的高层领导给予了该策略团队什么样的指令。为了能够从您的大数据策略团队的努力中获得最快的生产力,您必须针对框架战略问题进行一些假设。
竞争战略
在我们为大数据策略团队制定框架问题之前,让我们先重温一下大数据策略的目标,以及促使该策略成功的相关组件。我们将从定义大数据定义作为应用于竞争的战略开始:大数据是大量快速移动和免费获取的数据,可能为市场提供潜在的独特价值,但如果用传统的方法获取,价格会非常昂贵。
从这个定义出发,大数据策略将建立起一幅未来的蓝图。从战略的眼光预测企业在未来三到五年或者更长时间的发展。为了实现这一愿景,需要确定市场、产品、服务,和必须要发展的一些关系,最重要的是企业高层的中央驱动力,保证在这些领域做出的决定。
最后,制定大数据战略需要了解的企业的关键能力,以反过来支持大数据战略的实施。最引人注目的是大数据发展战略团队是由数据科学家、业务分析师、工艺专家、企业高层领导和管理团队所共同组成的。
因为企业的战略(相对于关键项目而言)是着眼于一个长期的发展规划,其执行策略会有很大的不同。执行一个项目,甚至一个短期的计划,主要是关注工作分解,相关的里程碑和活动,把所有的东西整合在一起。风险是值得关注的一个问题,但突发事件的情况毕竟不是经常发生。简短的一个项目规划可以帮助项目经理可获得成功。但是,如果试图用这种简单的方法执行企业的大数据发展战略肯定会带来灾难。风险问题尤为重要。
一个为期一年的项目就已经很难控制风险了,而对于一项为期三年的发展战略的执行就必须考虑风险的优先级。不光是制定一些短期里程碑,并还要考虑到期间会发生什么差错,您需要针对几种不同的情况制定出相应的应对策略。
这恰好是是公司主要的一个控制转折点。当然,会有一些关键的决策点使得企业拥有更大的影响力。在这种情况下,数据战略专家必须验证相关的情况,鉴别其实属于自然数据科学还是其他大数据策略团队的文化。
框架问题
当您的大数据策略团队的战略假设获得验证时,将最有成效。我听到很多数据科学家解决战略问题都是好的。虽然这种方法比要求数据科学家从一开始就参与到整个发展策略部署要好的多,但在战略专家进一步采取相关步骤之前,把接力棒交给大数据策略团队是义不容辞的责任。
最好的吸引您的数据科学家的方式是进行一些大胆的断言,这具有重要的战略意义,然后要求他们证明您的大数据分析的断言。在数据科学术语中,这被称为验证一个假设,它适合于一个科学家们已经熟知所有相关数据的所谓科学方法。
您可能在高中或大学碰到过这些科学方法;然而,数据科学家的这种方法他们文化的一部分。而且,由于您的数据科学家是您企业的大数据策略团队的核心,如果您能够熟悉这种方法,以这种方式提出您的问题,他们将几乎立即开始工作,用很少的指导。当然,这是一个管理过程,所以在您的大数据策略团队的管理者和领导者也应该熟悉这些科学的方法。这就是为什么它是相当重要的,其同时也考验了您的大数据的领导者和管理者的智慧。
科学的方法从一个假设的问题开始。例如,您可能会这样开始战略问题,“我们的产品适合于什么类型的客户?”在这一点上,一些分析师将发布数据以寻找答案,不过,我建议您更进一步的建立一个假设。
您可以基于合作、研究或只是简单的直觉断言:“家庭主妇会重视我们的产品。”当然,这句话有战略性的意义。这可能涉及到重新调整您企业的营销力度,并可能改变了产品,以满足更紧密满足家庭主妇的需要。
然而,在您在这个方向上提交资源之前,务必要验证您的大数据策略团队的这一说法。他们将进行测试,利用完整的科学方法的分析,最后得出结论。即使他们反驳您的断言,他们的分析也是有价值的,并且可以帮助您启动另一个说假设断言。
一个好的起点
如果您对上述这一切都还很陌生,不要担心。许多企业都在努力用最好的方式来获得他们的大数据资源。如果您要大数据资源制定企业战略,风险赌注是非常高的。如果您完全处于亏损状态,而您正在寻找一个“即插即用”的经营管理理念,您可以考虑数据科学专家六西格玛(Six Sigma)。六西格玛能够帮助您更好地了解流程改进,进行服务交付框架内设计,树立科学的方法,建设高质量的解决方案。针对大数据战略进行一些轻微的修改,就将适用于您企业战略发展的实现。
无论管理框架怎样,确保您必须要建立您的策略断言来充分弥补风险,然后利用您的大数据策略团队使用科学的方法来验证这些断言。
(本文不涉密)
责任编辑:
上一篇:数据分析后遗症:大数据互联网隐私
下一篇:大数据:在无序中建立有序