阻碍数据分析获得成功的四大原因

强大的数据分析是数字业务的当务之急，这一切都始于数据治理，正确的策略以及对具有数据意识的文化的重视。

《2020年首席信息官现状调查》指出，数据和分析仍然是数字时代企业的重中之重，IT领导者中有37%的人指出，今年数据分析将先于安全和风险管理成为其的IT投资推动力。

随着用于分析的支出水平不断增加，交付成果的压力越来越大。然而，这一领域的专家表示，首席信息官及其行政级别的同事无法满足这样的期望。毕马威(KPMG)的合伙人兼美国负责人Brad Fisher表示：“要使这些计划达到目标并不容易。”

以下是阻碍分析获得成功的四个关键原因：

糟糕的数据基础

研究和咨询公司Gartner的统计数据证实，大多数组织都认为数据非常重要。近80%的高管在2019年的调查中表示，如果他们的公司没有高效地使用数据，那么他们将失去竞争优势。但是Gartner还发现，逾半数组织没有正式的数据治理框架和专门的预算。

缺乏这样的基本要素会阻碍组织实现宏图大略。

贝恩公司(Bain&Co.)的合伙人兼高级分析和企业技术业务成员Roy Singh说：“你必须有很强的目的性。如果目的性不强，你也许发现不到价值。”

如果没有一个得到充分实施的数据治理计划，组织就不能指望有健全的数据卫生习惯。它们就无法访问或集成自身所掌握的数据，因为这些数据始终困在部门的孤岛中。它们甚至不知道自己需要什么样的数据才能获得成效。

“他们拥有大量孤立的信息并且他们公司中的某些部门也在做某些类似的事情。其他人则没有达到目标，因为它们要么没有整洁的数据，要么没有获取合适的数据集或没有以正确的方式将其馈送到仪表板。“这些公司认为自己制定了不错的计划，直到他们研究框架时才意识到自己并没有这样的计划。”

Matthews说，此外，许多组织没有合适的基础技术来实现目标，因为他们寻求的是可能会带来丰厚回报但并不适合自己的需求的工具。或者，他们坚持使用无法实现增长的工具，因为他们从一开始就没有制定可靠的战略。

只要为数据程序制定战略(或更为理想的情况下，打造一个卓越中心)，IT领导者可以设法获得成功所需的基本要素，包括数据治理、问责制、各种数据程序组件的所有权、所需的基础架构、培训要求、战略目标和领导力。

Matthews指出，他曾经工作过的慈善机构所采取的方法就是一个很好的例子。该机构致力于适当地为其分析计划提供资金，成立了一个分析小组并任命一名高级副总裁来领导该计划。

“他们先于他人不断研究实际存在的各种功能并向公司提供信息，以此来证明自己的价值。团队不断地壮大，不断地适应环境。但他们没有局限于某个数据集并忽略其他数据，而是一直在思考检查数据的新方法并且一直在考虑采用新技术。在这种情况下，这样的首席信息官就具备创建团队并聘请合适的人来领导团队的先见之明。”

错误的战略

另一方面，组织也不应将分析视为一项整体任务。经验丰富的分析领导者表示，他们已经发现，很多首席信息官一下子变得好高骛远，例如建立数据湖和实施昂贵的基础设施来启动分析项目。他们确实交付了项目，但随后却发现技术未得到充分利用或无人问津。

与其他任何由技术驱动的主张一样，向用户展示价值的目标解决方案才是更好的做法。塔塔咨询服务公司的业务流程服务兼分析部门的副总裁兼全球负责人Dinanath(Dina)Kholkar说：“你要确保自己正在解决业务问题。”

Kholkar的目标是开始一段属于自己公司的数据之旅，其方法是将目标对准数据项目可以带来价值的领域，然后进行实施。这种方法使团队可以清楚地定义目标并确定实现目标所需的数据和工具。换句话说，这种方法创造了可管理的，可实现的目标并且能够产生可衡量的价值。Kholkar说：“这可能对该组织其他部门起到示范作用。”

Kholkar补充说：“业务部门希望看到结果。他们没有耐性等待大型的转型项目的实施。就算无法获得满分也不是什么大问题。如果他们渐渐获得60%到70%的成果，他们就觉得可以了，然后他们可以逐步改进。因为只要你交付了成果，获得下一波投资将变得更加容易。请注意，这一点非常重要。”

同样，专家们建议首席信息官将迭代方法引入其分析程序，而不是大刀阔斧地开展技术项目。

Singh说：“这要求开展交互式和实验性的演练，在这样的演练中，IT、业务和数据都以敏捷模式协同工作，三者可以进行快速互动，在这些互动中，他们可以进行实验并验证各种猜想。”

Forrester Research的副总裁兼首席分析师Brian Hopkins举了一家零售商的例子，该零售商制定了一个以逐年增加投资为基础的三年数据战略，而不是通过一次前期投资就开展该计划，即这种方法认识到不断追加投资和实施改进的需求。

Hopkins补充说：“该公司发现，和数字化一样，一旦你开始使用分析程序，就不应停止。你每年都要投钱来推动数据战略。”

此外，这些迭代投资需要由不断发展的业务需求来推动，而不是由进入市场的新技术能力来推动。组织应按业务案例创建分析功能，其方法是采用更高级的工具逐步扩展其数据程序并使更多的用户能够解决日益复杂的问题。

Matthews说：“首席信息官必须将其视为迭代。他们将不得不根据市场不断检查数据程序以及公司所要完成的工作，同时尝试与他们用来测试的工具同步的新工具，然后才能开始使用新工具，但前提是他们认为新工具可以提供新信息。”

无法在自由与控制之间取得平衡

尽管高管们大力投资分析，但他们表示，在获取收益方面仍存在不足。 NewVantage Partners在其公布的《2020年大数据和人工智能领域高管调查》中发现，受调研的70家公司中，有74%的公司认为大数据的采用不是一蹴而就的。

Singh认为，这一数字飙升的其中一个因素是企业没有认识到不同的用户需求，未能尊重这些需求，他发现有些数据领导者允许其组织内的各个业务部门在不建立整个组织范围的标准的情况下遵循自己的数据策略，这种方法会导致效率低下并使许多用户群体陷入困境，无法获得任何支持。

Singh说，其他组织则通过集中所有内容而走到了相反的极端，这有碍于精明的业务用户迅速扩展规模，并且有碍于整个组织充分发挥该计划的全部潜力。

但是，Singh解释说，那些认识到需要在这两个极端之间建立平衡的分析程序的IT领导者是最成功的，他们可以适应用户在组织内的不同需求。

Singh补充说：“你需要整合中心化和去中心化，两者之间的平衡会随着时间的转移而发生改变，也许一开始更趋于中心化。”

辛格以某家公用事业公司所采取的方法为例。其领导者投资分析功能时意识到能源交易集团在数据科学方面拥有丰富的经验，因此他们创建了一个符合组织的数据治理标准和技术要求的自助服务平台。但是他们也意识到其安全部门在分析方面经验不足，因此他们为那些拥有更多具备中心化支持的用户制定了一项策略。

文化变革方面没有提供应有的需求

尽管如此，高管们需要设计的不仅仅是与战略目标保持一致的整体数据程序。他们还需要改变其组织的文化，以便用户乐于使用实时数据驱动的洞察并切实将对数据的了解视为常态。

塔塔咨询服务公司(Tata Consultancy)的Kholkar说：“这是整个业务范式的转变，组织需要为这一变化做计划。”

但大多数组织都没有这样做。NewVantage Partners的报告称，只有38%的接受调查的公司创建了数据驱动型组织，只有27%的公司认为自己已经在公司内部创建了数据文化。此外，有91%的公司表示，人员和流程方面的难题是妨碍其成为数据驱动型组织的障碍。

托马斯杰斐逊大学和费城的杰斐逊健康公司的执行副总裁兼首席信息官Nassar Nizami通过满足技术需求(例如将数据和分析工具标准化，管理数据仓库并使数据程序的重要等级与组织的整体战略保持一致)来使该机构的数据程序日趋成熟。

但是他走得更远，通过创建名为杰佛逊分析社区(Jefferson Analytics Community(JAC))的培训计划来推动所需的文化转变。该组织的口号是：“无法获取数据吗?那你肯定不知道杰佛逊分析社区。”

Nizami说：“在创建杰佛逊分析社区时，我们的愿景是创建一个由运营所有者驱动的受监管的自助服务分析的联合模型”。他补充说，这么做的目标就是增加用户对分析工具的采用，从“数据丰富”的组织过渡到数据驱动的组织并推广自助服务数据，这么做的目标是提高生产率并减少周转时间。

Fisher说，其他首席信息官及其行政伙伴也需要效仿，将其分析程序从“一个能产生洞察的重要的独立工作”转移到集成在流程中的东西，以便用户将其视为正常业务。

Fisher说：“用户并不知道所有的数据源是什么，不知道数据科学有多牛，也不屑于知道。他们必须走进办公室或接听电话，从而获取完成工作所需的信息。因此，这在观感上必须像一个应用程序。这只有首席信息官能理解。”