大数据爆炸下的冷思考 企业该如何抉择
随着组织决策越来越多地采用数据驱动,高层管理人员需要保证决策权是数据驱动的。这就解释了为什么如此多的组织已经采用数据治理的战略。
大数据爆炸下的冷思考企业该如何抉择?
如今,越来越多的企业难以解决经营原则的两个矛盾。一方面,他们迫切寻求更大的灵活性;另一方面,他们希望用其流程规范企业利益相关者。这种冲突和不安导致对城传统的“集权/分权”的辩论。企业和客户需要更大的灵活性,而员工和合作伙伴期望更大的权力。因此,企业希望二者兼顾,并达到平衡。
这其中包括更多的人,但通常会增加协调成本和响应时间。而这几乎矛盾的是,更大的企业的灵活性需要更大的反应能力和提高协调能力。涉及的利益相关者越多,决定延迟的可能性越大。但有效的灵活性往往需要具有包容性的利益相关者的参与。
换句话说,更多的人希望更频繁地作出更灵活的决策,这种情况会让客户疯狂。例如在一家财富1000强公司,该公司的几个客户支持小组之间爆发了“口水战”,技术设计组急于回应用客户的投诉,同样迫切地避免临时性修复。却没有一个小组可以有效解决问题,而他们的职能重叠迅速成为冲突来源而不是努力合作。这种情况并不少见。
那些数字网络化企业,例如Slacked,Chattered,Skyped,Google公司等加剧了紧张局势和痛点:更多的利益相关者可以即时访问和共享可操作的信息。其技术有助于提高整个企业生态系统的透明度和知名度,大大提高实时态势感知能力。但是,管理和运作能力可能不会对这些数据驱动的信息采取行动。
到目前为止,处理这些紧张局势最好的和最有效的途径是25年前迈克尔•詹森在决策权的开创性工作。简单地说,决策权要明确决策的权力和责任。决策权是关于如何组织“决定如何判断”谁有权作出决定,并把它看成是对企业决策的治理模式。
詹森的微妙和精彩观点是,做出决定的权利,不仅仅是执行或负责任务的能力,而且对提高组织效率和有效性至关重要。因此,分配决策权是每一个组织重要的工作角色和任务的定义。有鉴于此,决策权可以应该被视为权力的管理机制。你或你的团队的决定权越大,则会赋予更多的权力和责任。
该RACI框架为詹森的决策权办法提供了一个很好的真实世界的实例:
负责:谁在完成任务?
问责:是谁在做决定,并对任务采取行动?
咨询:谁将做有关决定和任务传达?
知情:谁将在在项目/流程中的决策和行动进行更新?
这些问题是简单的,相对容易映射。也就是说,在一个RACI审查中发现有关个人和团队连接数字应该是简单的。越来越多的企业采用RACI(或某些变体)来创建审计问责的网络项目和过程管理。
这些网络同时成为具有包容性和灵活性的平台。想要咨询或通知的个人和团队可以选择网络;反之,当问责或负责经理需要更敏捷地响应客户的需求时,他们可以利用工作网络提供“及时”的回应。映射这些网络为利益相关者和高层管理人员创造了可视性和清晰性。为他们进入企业的决策层次结构提供了必要的窗口和镜头。
然而具有讽刺意味的是,增长最快的应用决策权上强调数字化、数据和分析。而有权访问、处理和共享数据已成为企业中最伟大的机会和争夺的来源。这种结构的转变远远超出了詹森25年前最初的设想和描述,因为大数据的兴起及其相关的分析,改变了围绕决策权的争论。
围绕数据的决策权越来越多地需要决策权的数据。换句话说,如果你的组织已经准备好进入过程,并分享10倍到100倍以上的数据,那么你的现有决策机制的权利是完全过时了。任何机智的品牌经理策划当天的营销活动,而没有纳入社会媒体分析的能力?但品牌管理者需要数据科学家和分析工具的计算能力,并从该数据获得更大的价值。因此决策权是必要的,以确定和界定品牌管理和数据管理的协作方式。
大数据爆炸完全重新定义了决策权和RACI讨论。一些公司历来注重新产品的设计和开发工作,但随着移动应用的兴起,该公司的创新重点转移远离建设更好的产品,而是促进更好的用户体验。UX需要不同的产品数据和分析问责;用户体验的重点是不同的团队和个人需要咨询和告知。从本质上讲,用户体验驱动的数据和分析平衡了灵活性和包容性之间的决策权的关系。
企业的人员和流程围绕UX决策权的技术实施,其结果证明了效果惊人。该公司通过各种形式的社交媒体和使用情况的监测获得10倍以上可用的反馈信息,并在三个月内开发出更好的版本,而不是以往的一年时间,并加大了产品开发力度,目前开发成本是原来产品开发成本的一半。
随着组织决策越来越多地采用数据驱动,高层管理人员需要保证决策权是数据驱动的。这就解释了为什么如此多的组织已经采用数据治理的战略。而相反,更多的传统IT治理,旨在为IT系统管理创造更大的问责性,在数据治理过程中人们认识到,数据是任务资产管理的关键。
如何数据得到共享(包容)?组织如何有效地利用这些数据(灵活性)?这些数据治理问题的答案将在数据驱动的决策权的创新应用中发现。数据治理的未来影响决策权的未来,而决策权的未来决定数据治理的未来。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14