"人是任何转型的核心。成功的数据转型项目在很大程度上侧重于创建和改善人的能力,增强他们利用数据和AI做出决策的能力。这既是一项技术工作,也是一项文化变革。它是关于接受新的工作方式,挑战现状,用数据驱动的决策取代直觉主导的决策。在Artefact ,我们专注于以渐进和可持续的方式为我们的客户推动这种变化。"
Rahul Arya,首席执行官兼管理合伙人,ARTEFACT 中东及北非地区

1 - 构建数据解决方案应该由业务驱动,为业务服务

在当今快速发展的商业环境中,数据智能已经成为希望保持竞争力的公司的一个重要工具。未能采用数据驱动模式的组织有可能因为错过有价值的洞察力和扩张、优化和创新的机会而落后于他们的对手。简而言之,利用数据智能开展业务不再是一种奢侈品,而是可持续发展和进化的必需品,企业领导人应该是带头识别、优先考虑和开发数据与AI解决方案的人。与普遍认为商业利益相关者只是数据解决方案的 "消费者 "相反,我们认为他们应该在数据和技术专家的支持下领导整个过程。

2 - 识别 "正确的 "数据解决方案需要深入分析业务价值链和业务流程

对业务价值链和关键业务流程的彻底分析最好由业务利益相关者自己进行。这种分析确定了数据解决方案能够以收入增长、成本优化、客户体验提升或卓越运营的形式推动重大业务影响的领域。在这个过程中,确定与公司整体业务战略相一致的商业机会是至关重要的。例如,对供应链及其关键比率的分析可以帮助确定潜在的差距和低效率,从而从数据分析和智能中受益。

3 - 优先考虑几个数据解决方案,最终将产生最大的业务影响

目标不应该是用一长串的数据解决方案来打动人,而是要确定可以从数据驱动的洞察力中受益的最关键业务领域。通过避免追求过多的数据解决方案的诱惑,企业可以保持专注,增加他们建立成功的数据解决方案的机会。同样重要的是,确定数据解决方案的增值能力,而不是简单的报告。虽然报告在提供业务绩效总结方面很有价值,但它只提供了一个数据的回顾性视图,为分析和决策留下了很小的空间。为了充分利用数据的力量,企业必须确定提供诊断性分析的数据解决方案,以自动识别性能的根本原因和预测性分析,以预测未来趋势。

4 - 评估数据解决方案的可行性需要充分了解数据来源和技术

在着手开发数据解决方案之前,进行详细的可行性研究是至关重要的,该研究将检查所需数据源的可用性和质量,以及收集和处理这些数据源所需的技术和专业知识的成本。这包括检查硬件和软件要求,以及实施和维护技术所需的人力技能。这也有助于为数据解决方案设定现实的期望,与所需数据源、技术和能力的成熟度相一致。

5 - 高效地构建数据解决方案需要一个可扩展的AI工厂和一个敏捷的开发过程

为企业构建和扩展数据解决方案需要一种新的运营模式--人工智能(AI)工厂--由业务专家领导的功能团队组成,由数据科学家、工程师、分析师和软件工程师支持。这种团队结构确保数据解决方案的构建始终以业务目标为导向。采用敏捷的测试和学习过程,试图在短时间内建立一个成功的POC,对于实现更快的建设时间也是至关重要的。

6 - 接受一些数据解决方案会失败,并扩展和维护那些有效的解决方案

并非所有的数据解决方案都会成功;有些会因为技术或数据的限制而失败,尽管有精心的计划和执行。企业必须认识到,失败是开发过程中的一个自然部分:它不应该阻止他们追求未来的项目。相反,公司应该专注于将成功的数据用例产业化,将其扩展到完整的数据领域,并优化其算法和数据源。这也包括对用例的持续监测和改进,以确保它继续满足业务用户的需求。

7 - 分享知识是必要的,但不是广泛采用数据解决方案的充分条件

为业务用户提供数据解决方案培训和易于使用的文档是必要的,但通常不足以实现数据用例的广泛采用。业务用户广泛采用数据解决方案的最佳方式是让用户主导开发过程,将这些解决方案整合到组织的学习课程中,并在业务用户记分卡中包括采用和影响的关键绩效指标。通过使业务用户记分卡与组织的数据战略保持一致,组织可以创造一种数据驱动的决策文化,并确保数据解决方案的采用能够带来切实的业务影响。

8 - 改进数据解决方案是持续的;优先考虑重要的改进是关键

为了实现数据解决方案的持续改进,定期收集业务用户的反馈,评估他们的需求和要求,并做出必要的调整以优化这些需求是至关重要的。Scrum方法论为以迭代和增量的方式收集和实施改进提供了一个有效的方法。数据解决方案的用户应该记录下对数据解决方案的准确性和可用性的持续反馈,以及对业务流程的必要改进。重要的是:(1)实施改进,提高解决方案输出的准确性;(2)扩展其特点和功能;(3)提高其可用性和用户体验。

9 - 保持数据解决方案的强大治理,确保在最小的监督下获得准确的结果

为数据解决方案维护高质量的数据源,对于在最小的监督下实现自动化、准确的结果至关重要。为了实现这一点,组织应该实施一个强大的数据质量框架,为数据收集和转换执行明确的准则和标准。此外,组织应实施强有力的数据安全和隐私政策,以实现安全和合规的数据处理。这种方法可以确保输入的数据是准确的、最新的和一致的,从而减少错误的风险,提高数据处理工作流程的整体效率。

10 - 追踪数据解决方案的业务影响需要定义直接影响的关键绩效指标并分配增量业务影响

确定被数据解决方案直接改善的商业或运营关键绩效指标对于衡量其业务影响至关重要。一旦这些KPI被确定,下一步就是制定一个公式来衡量数据解决方案对这些KPI的增量影响。这个公式应该考虑到这些KPI在实施数据解决方案之前(或没有实施)的基线,并与这些KPI在实施该解决方案之后(或实施后)的表现进行比较,同时考虑到可能导致这一增长的其他因素。一旦计算出对每个KPI的增量影响,就应该将其转化为财务术语,如降低成本或增加收入。最后,我们一直建议使用数据解决方案的自动业务影响测量,以确保对业务影响的无偏见和及时测量。

"随着企业寻求从其对数据分析和人工智能的投资中获得切实的业务成果,采用一种集中的方法来建立正确的解决方案并设定正确的期望是至关重要的。通过这种方法,业务领导带头开发数据和人工智能解决方案,"由企业为企业"--优先考虑最有影响力的解决方案,与数据专家一起建立快速的POC,扩展有效的数据解决方案,并接受那些不成功的解决方案的 "失败"。让业务团队领导整个过程,确保业务买入和设计采用。"
Oussama Ahmad, 数据咨询合作人
近年来,数据加速项目在中东和北非地区不断涌现,因为各组织接受了数据对业务增长的力量。虽然某些挑战依然存在,例如保持数据质量,特别是在遗留系统方面,但企业正在积极寻求解决方案来克服这些障碍。在业务团队中建立正确的数据能力和正确的运营模式是确保成功实施和采用数据解决方案并实现实际业务影响的唯一最重要的方法"。
Karim Hayek, 数据咨询高级经理
Artefact Newsletter

Interested in Data Consulting | Data & Digital Marketing | Digital Commerce ?
Read our monthly newsletter to get actionable advice, insights, business cases, from all our data experts around the world!