作者 ：Dan Everett
Informatica產品市場副總裁
在Informatica聯合數字產業創新研究中心、CIO時代學院、錦囊專家、首席數字官調研的《2020中國首席數據官報告》中，“缺乏數據文化”成爲數據管理排名第一的非技術障礙。Gartner發佈的《CDO成功構建數據驅動型組織的10種方法》一文也指出，“文化和數據素養是數據與分析領導者面臨的兩大障礙”。“不改變企業內部對話，就無法改變企業的行爲和信仰體系。”那麼，首席數據官（CDO）應怎樣改變與利益相關者的對話呢？
來源：《2020中國首席數據官報告》，2020年4月▲
第一重要的是要去了解業務負責人的觀點、碰到的問題、他們的目標和行動方案，這一點非常關鍵。通過這種方式，就能更好地將您的數據戰略與業務價值機會銜接起來。要讓業務部門參入到數據策略的執行並取得他們的承諾，我們必須使用他們的語言就他們所關注的問題進行討論。
聚焦於“爲什麼”要改變
要推動人們改變行爲習慣，進而改善數據文化和數據素養，我們對話的重點應放在“爲什麼”要進行改變的原因上。對這類“爲什麼”的原因進行解釋，是首席數據官工作內容的重要部分。爲什麼這對企業很重要？爲什麼這對我很重要？爲什麼各部門各人員之間的共同協作對成功至關重要？
幫助解釋這類“爲什麼”的一個方法是確定數據的價值鏈。下面舉個例子，看看通過交叉銷售和向上銷售支持收入增長的簡單數據價值鏈。
首先，所有相關人員均應明白，數據編目和清洗等活動有利於數據的完整與準確，進而會影響購買傾向建模等分析活動的準確性。其中也包括機器學習算法在洞察力上的準確性，例如哪些客戶羣體最有可能購買特定的產品。這種現象轉而會影響個性化營銷的響應率。而營銷活動的響應率則反向影響交叉/向上銷售的創收和營銷活動的投資收益。形成跨部門的共同願景和理解將有利於數據素養和文化的提升。
我可以得到什麼？
一旦大家有了共同的願景，並理解了這種願景對企業的重要性，以及共同協作的關鍵作用，這時候就應該對這些改變給個人和團隊帶來的價值加以具體說明。其中，明確表述“我可以得到什麼？”是促進行爲改變的最強烈動機。舉個例子，就端到端的數據透明性所帶來的價值，我們可以與團隊展開下列對話：
◆ 上級主管：可以幫助決定哪些投資和活動應該優先考慮，以加快業務產出。此外，有助於確保團隊在任務與活動上保持正確性和一致性，進而驅動業務價值。並使得執行的狀態透明可見，當目標偏離軌道時知道應該聚焦何處。
◆ 財務團隊：可以更好地監控和衡量銷售線索、轉化率和營銷活動成本，轉而可以更準確地對預訂、收入和盈利能力等方面進行預測。此外，從長遠來看，這爲產品盈利能力與客戶終身價值提供了可見性。
◆ 營銷團隊：可以更好地瞭解客戶情況，提高他們對營銷活動的響應率。此外，還可以讓您更好地瞭解如何在與客戶跨業務流程和交互渠道的接觸中提供個性化的服務。同時，它會幫助提高客戶許可政策和選擇加入狀態的可見性，確保與客戶互動的合規性。
◆ 數據分析團隊：可以幫助減少數據搜索與數據準備所需的時間。因此有更多的時間用於業務分析，以明確問題特徵，進而設計準確的數據科學解決方案。此外，通過在業務流程中插入算法以優化價值，以及在數據流中嵌入數據質量規則以確保輸入的數據滿足AI準確輸出的最低標準，提高模型的可操作性。
◆ IT架構團隊：可以幫助確定那些需遷移至雲數據倉庫或雲數據湖的數據，以及遷移期間所需進行的數據清洗與數據增強。此外，提高隱私與保護政策的透明度，便於瞭解數據脫敏、加密和跨境傳輸等相關要求。因爲對工作負載需求有着更爲準確的預測，所以可通過雲容量規劃更好地降低成本。
◆ 數據治理團隊：可以幫助明確對業務產出影響最大的數據和數據屬性，確保治理活動的重點事項。隨着數據在業務流程和應用程序中的流動，還可對質量變化進行監控，進而快速確定問題區域並進行補救。另外，通過爲相關專家提高可見性，可以幫助更好地定義政策、規則、業務術語和衡量標準等。
有了共同的願景和對“爲什麼”的理解，你將可以更好地促進各部門對數據戰略與執行的參與度，確保數據轉型的成功。例如，獲得財務、營銷、數據分析、IT架構和數據治理團隊的支持，從中抽出專家組成數據治理委員會。你還可以激勵各部門設立跨職能的衡量基準，以便監控、衡量和展示數據戰略的成功應用。另外，你還可以獲得來自不同數據領域的專家資源，以及管理團隊提供的支持，以確保各團隊求同存異，協調發展。
瞭解創建數據驅動的文化和提高數據素養的第一手經驗，請觀看如下Majid Al Futtaim集團的數據轉型案例視頻。Majid Al Futtaim是迪拜最大的私營企業集團，業務遍及中東、非洲和亞洲的15個國家，涵蓋零售、酒店、房地產、影視、娛樂、投資等多個領域。通過採用Informatica數據管理解決方案，該集團打通了它的800萬客戶的數據，能夠實時爲客戶提供針對性的個性化服務，客戶體驗得到大幅提升，並形成了全集團的數據文化