|
导读：企业数据管理如果存在问题，将对数据分析系统价值创造能力产生不利影响。企业可以通过敏捷数据的方法确保企业级数据的高可用性。我们将探讨敏捷数据的原则，企业可以采取的实施方法，以便在组织中引入它。部署敏捷数据的企业可以在短期内实现重要的流程和产品改进，并为大数据基础架构的未来发展和实验奠定基础。 数据已成为大多数组织的核心战略资产，数据管理已成为大多数企业高管的首要任务。对于与业务流程和客户相关的结构化和非结构化数据，企业采集这些数据有助于促进对高端客户的获取和留存策略。相关大数据分析有助于找到流程效率有待提高的业务域，并且可以帮助业务领导者做出更好的决策，从而降低整体的企业级风险。数据是公司推出数字化转型的基石。 实际上，很多企业目前对数据相关的IT基础架构和流程的数字化转型项目投资巨大。但对很多企业，大量投资所带来的好处仅限于一些孤立的的业务域。为特定业务部门或功能领域创建的数据迁移解决方案（例如为财务或管理数据构建的临时存储库）难以在整个公司范围内复制，因为没有与之相关的端到端逻辑或企业级治理。关键业务信息仍然存在于孤立的系统中。 此外，许多公司在数据管理方面都面临着巨大的人才缺口。IT和业务部门对于较新的数据迁移技术、能力要求和数据架构，以及数据交付方法的专业知识通常有限。善于制定数据迁移和转型方案最佳实践的相关主题专家往往也是“孤立的”（缺乏合作能力），类似于他们监督的“竖井化”数据流。 在许多企业，数字化转型的好处远远没能达到预期。例如，大约60％的银行表示，他们从未量化过从数据迁移工具和功能投资中获得的潜在价值。如果没有明确的愿景和基于结果的指标来指导高管的战略和决策，数字化转型项目可能会持续多年。 企业必须以更快的速度生成基于分析的洞察力。他们需要明确一个基于业务域要求的数据管理协调机制，并且可以横跨多个应用和业务部门进行部署。 一些领先的公司正在使用敏捷方法（Agile）来实施他们的数据管理协调机制。这是一种经过时间考验的方法，用于IT组织，可以更有效地构建软件或管理流程。从广义上讲，它是一种协作方法，跨职能团队可以快速设计和构建最低限度可行产品（MVP）和功能，与客户一起测试，并在快速迭代中完善和增强它们。敏捷数据同样依赖于开发和交付的合作方式：跨职能团队，包括“数据实验室”中的业务和IT工作成员，专注于生成可靠的洞察力，使公司能够解决其最高优先级业务需求并快速取得预期结果。 在本文中，我们将探讨敏捷数据的原理，企业可以采取的实施方法，以便在组织中引入它。部署敏捷数据的企业可以在短期内实现重要的流程和产品改进，并为大数据基础架构的未来发展和实验奠定基础。 ▌敏捷数据的总体原则 敏捷数据的方法必然依赖于几个核心原则和组织能力。第一种是业务驱动原则，适用于数字化转型方案设计，以及配套的数据迁移和数据管理方法。根据这一原则，公司可以与高级数据分析相关的业务域创建主列表，其中可以包括产品和流程的有关创新点。在清查有关产品及流程数据过程中，可以确定一系列业务领域中最重要的客户特征和活动。例如，保险公司面临其他数字化竞争企业对保险业绩的压力，可能会考虑如何对客户购买行为或服务客户的时间等因素进行更详细的分析。通过这种方式，它可以改善其承保流程，降低成本并提高服务质量。 然后，团队对所识别的机会进行排序，并为每个分支机构标识数据治理、数据架构和数据质量的等级。例如，客户的首选消费渠道数据，包括数据来源及数据延迟指标。结果将是两个详细的、对齐的实施路线图：第一个路线图重点在于定义数字业务目标、预算、时间框架和里程碑;另一个路线图定义构建有效大数据架构的数据要求，并提供无缝分析支持。 敏捷数据的另一个关键原则是共同所有权。大多数公司中业务部门和IT组织之间的交互通常仅限于业务请求和IT解决方案在两者之间来回徘徊。要成功部署敏捷数据方法，业务方面的代表需要与IT组织的成员进行实际协调。将它们放在同一个房间可以帮助打破文化障碍-商人可以更多地了解技术，IT经理可能会接触到更多的业务元素。也许更重要的是，数据迁移和数据管理协议的共同所有权可以帮助组织定义实时数据需求，快速验证所提议解决方案的业务案例（而不是等待批准通过传统渠道级联），以及确保解决方案的质量（通过持续的联合监控）。随着敏捷方法在公司内部得以实现，分散的团队可能能够使用社交网络和协作技术取得和项目组模式相同的工作效果。 建立跨职能团队或Scrum团队也很重要（上图）。公司可以从为数字化转型工作分配专门的团队中受益。这些Scrum团队可以包括业务部门和IT部门的代表，例如数据科学家，数据工程师，业务信息所有者，IT开发人员和质量控制专家。根据我们的经验，这些团队在数据实验室中与组织的其他成员隔离时，以及将100％的时间分配给敏捷数据管理时，效果最佳。这些Scrum团队将专注于开发和提供可以快速发布，测试和改进的最低限度可行的数据迁移产品和流程，从而加速公司从其掌握的数据中获取洞察力和业务价值的能力。随着数字化转型计划包含越来越多的业务部门，多个数据实验室可以合并到数据工厂中。其他支持系统（如项目管理办公室）可能有助于监控Scrum团队的活动，并确保数据迁移工作按计划进行（根据预定义的里程碑），并且可以快速解决任何与数据相关的问题。 最后，公司需要采用新兴技术。数据湖特别有前景（图2）。数据湖是从位于公司的不同业务单位和职能中的无数系统收集的所有结构化和非结构化业务信息的存储库。它将包括当前和存档的数据，并且通过使用API，可以利用来自外部提供商的信息,例如利用诸如社交网络或者GPS坐标的开放数据来丰富。与传统数据仓库不同，数据湖不会将数据存储在文件和文件夹中;数据保持原始格式。因此，存储这些数据的成本仍然很低，并且动态配置或重新配置数据的能力仍然很高。除了高效的存储功能之外，数据湖还将与标准数据发现工具兼容，使IT和业务用户可以轻松找到所需的信息。数据湖最初可以与核心IT系统（在发现环境中）分开构建，以便随着数据技术的发展更容易地进行更新。然而，最终，数据湖应该集成在公司现有的数据架构中，并作为主要信息来源。每个用例都会将数据输入湖中;但随着时间的推移，该公司将获得可用于支持一系列应用的大量可靠数据。 IT常青树携手欣思博推出2019年欣思博商学院全年公开课计划表和认证考试冲刺班全年计划表，欢迎来电咨询。 |
|
|
