一家大型华尔街银行的首席数字官和一位分析思想领袖走进一家酒吧。分析人员说，"那么，告诉我你的数据策略吧。"CDO点了点头。经过一番仔细考虑，他回答说："是的，我们还需要决定我们将如何处理我们的数据。"这是分析学的反笑料：每个大企业都在收集大量数据，但很少有人就如何处理这些数据或如何操作这些信息达成一致。在给我讲述这个故事（这不是一个坏笑话，而是最近的一次谈话）时，汤姆·达文波特说："这个首席数字官？他是个很聪明的人。他是对的，但人们会认为这一切会发生在早些时候。基本的问题，比如，我们如何利用我们的数据赚钱，已经得到了回答。"汤姆总是这样说话。奥巴马总统是巴布森学院管理和信息技术领域的杰出教授，他写了一本关于这方面的书（字面意思是，这本书叫做"分析上的竞争"）。在咨询了数十家企业公司对数据方案进行微调后，他发现了几个需要改进的地方。企业公司需要预先定义数据策略，并在防御和进攻之间做出正确的平衡。然后他们需要实施这个计划。方法如下。什么是数据策略？对许多人来说，数据策略听起来像是21世纪商业中最常用的两个词的混搭。但这是真的。除了单纯的收集，数据策略还考虑目的，结果是使用。"到目前为止，数据主要是通过技术手段来处理的，"汤姆说关于如何捕获、存储、分析数据等等，我们已经做了很多工作，但对于什么样的数据对我们来说真正重要，以及我们将如何处理这些数据，却没有进行大量的思考。"部分原因是先发制人的焦虑。突然间，大数据成了每个人都必须投资的东西。企业企业不能放过一个机会来解决自身流程中的低效率问题，也不能找到发展的机会。但他们并不总是将其与效率或增长挂钩。不知何故，知道某处有东西被跟踪就足够了。在汤姆的心目中，管理理论家彼得·德鲁克（Peter Drucker）提出了公司正在完美地生存的二分法："信息就是具有相关性和目的性的数据。"如今，大多数公司都是数据丰富的。然而，在数据革命中，他们变得信息贫乏。因此，Tom的建议是，公司应该真正制定一个既定的数据策略。技术团队和业务部门负责人需要一起决定数据使用的优先级，数据在哪里可以产生最大的影响，以及他们将如何实现这些优先级。"单靠技术人员无法解决这个问题，"汤姆说他们必须和他们的高级主管接洽。一旦他们做到了这一点，一个关键问题就是集中精力控制数据或释放数据。"当然，这里有摩擦，但这是健康的摩擦。它可以澄清哪些地方的数据已经被有效利用，哪些地方的分析还没有完全实施。汤姆说："如果你站在用户方面，你往往会把注意力集中在‘释放数据’方面。"如果你站在IT方面，你倾向于关注IT的控制维度。你所保持的平衡是动态的，但目前这两个两极之间的对话并不是很有启发性。"成熟的数据策略的一个重要步骤是决定你在防守和进攻上的表现。没有明确的答案，但你应该有一个自己的业务。防御是默认的进攻和防守都是赢得比赛不可或缺的一部分。强调其中一个的决定取决于你的优势和目标。就像任何精明的商业决策一样，您需要考虑数据与目标的对应关系。"一个大问题是，我们是否真的专注于进攻还是防守，就数据而言，"汤姆说这似乎是一个显而易见的问题，但大多数组织并没有真正确定进攻与防守之间的优先顺序。"很多公司在违约的情况下陷入了防御。防御包括网络安全、防止入侵和黑客攻击、遵守法规和数据完整性。所有的防御，所有的时间现状来自于一个可信赖的情绪：不要把任何事情搞砸。分析专业人士被信任的资源，他们的同事，很大程度上是神秘的。他们不想让这成为责任。但不搞砸任何事情都会阻碍企业发展。它排除了密集的实验数据所允许的。"银行就是这个问题的一个很好的例子，"汤姆说他们收集了大量的数据，但大多数人并没有真正用它来帮助他们的客户。在绝大多数情况下，他们不知道如何用它赚钱。"他认为，一个混合的方法是正确的方法。在制定进攻与防守的比例时，分析专家和商业领袖应该知道进攻可以提供什么。"在我的职业生涯中，我更倾向于进攻，"汤姆说因为我最感兴趣的是公司如何利用信息来赚钱，开发新产品，改善与客户的关系。分析，我做了很多研究和写作，主要是一种进攻活动。"对于那些有兴趣将这些主题纳入其数据策略的公司来说，认真对待攻击行为是很重要的。四分卫"从数据的自上而下对控制和工程的关注太多了，"汤姆说没有足够的精力来真正确定组织有哪些可用数据以及如何获取这些数据。"分析专业人士需要四分卫，而不是死守球。他们需要定义游戏，并依靠战术商业玩家来执行。他们需要开门，而不是把关。Tom说，如果在这种情况下，那些不善于协调分析工作的组织也会这样说。因此，也许是时候重组团队了，或者至少是沟通渠道。我们在组织中共享信息的方式已经过时了。""卓越中心"是自然进化，但它们可能是过去的遗迹。"有一段时间，我认为理想的情况是一个大型的集中分析小组，"汤姆说我不一定再这么想了，只是因为你可以用数据和分析做很多不同的事情。专业化程度越来越高，越来越多的业务部门主管开始了解事情。只要还有一些合作和沟通，我认为一种更分散的方法可以取得很好的效果。"在某些情况下，非分析专业人士可能会从同事的盘子里拿走一些较低层次的工作。有了技术，企业就没有理由不让自己的业务部门更具分析性，让卓越中心专注于更具战略性的举措。汤姆说："如果可以的话，试着和你的IT部门合作，但是等到轮到你的时候再做决定，这是不可行的。"。如果这听起来更关心的是运营而不是分析本身，那么这可能有一定的道理。使您的业务更加数据驱动的关键通常在于Tom所称的"运营分析"运营分析由于必要性，分析曾一度不得不狭隘地关注。这是一门神秘的科学。技术是有限的，它的商业力量也是有限的。"分析一度是一种手工活动，"汤姆说他们花了一段时间才发展起来。"现在，我们可以用分析来做的似乎是无限的，许多商业决策者也被它所接受。汤姆说："有了运营分析，你就不会再有这样的问题了：这位高管是要用我的分析来做决定，还是他要依靠直觉，因为这是建立在流程中的。"。但这只是你的分析。你需要定义一个好的数据策略并执行它。这意味着要进行分析。汤姆说："我们开始朝着更具操作性的分析方向发展是有意义的，这意味着我们将把分析嵌入我们用于经营业务的系统和流程中。"。有很多问题伴随着这个转变，比如，我应该使用什么工具？但分析专业人士和监管他们的高管首先应该关注数据策略。如果收集数据，公司应该定义为什么这些数据对业务问题有意义，而不是仅仅将这些信息转移到数据池中。数据战略家不应该接受别人的剧本，而是应该自己决定进攻的程度和防守的程度。当金钱和金钱都在线上时，从数据中获得商业价值应该和保证数据的完整性一样重要。一旦你制定了战略，你就应该致力于它。这可能意味着调整你的商业模式或者你的组织来适应它。听起来很麻烦吗？那就不要称自己是数据驱动的。真正做到这一点的人将为他们的数据制定策略，而不仅仅是策略。没有人会把他们的分析都搞清楚。有你的分析是一个正在进行的工作是好的。即使是行业领头羊也是一项正在进行的工作。他说："要想在这方面保持成功，你必须继续努力，而不是坐享其成。"。分析可能不是你明天业务的支柱。但你永远不会发现自己承认，"我们需要弄清楚如何处理我们的数据。" ***一定要看看汤姆的新书《只有人类需要应用》，这本书借鉴了他多年的专业知识，重新构建了围绕人工智能的话题。在书中，他解释了为什么自动化的未来将推动人机协作，而不是