【首席数据官】数据飞轮：思考数据策略的更好方法

本文由Metis Strategy的合伙人Duke Dyksterhouse合著。

数据与分析正在兑现承诺。每天，它都会帮助无数组织从衡量其ESG影响到创造新的收入流，因此，没有强大数据文化或具体计划建立数据文化的公司都感到压力。其中一些是我们的客户，更多的客户在数据策略方面寻求我们的帮助。

他们的要求往往是毫不掩饰地承认压倒一切。他们甚至难以表达自己的目标，或者不知道从何开始。变量似乎无穷无尽：数据安全、科学、存储、挖掘、管理、定义、删除、集成、可访问性、架构、收集、治理，以及一直难以捉摸的数据文化。但尽管技术如此复杂，他们的压倒往往是心态的症状。他们认为，在制定第一个正式的数据战略时，他们必须事先准备好所有的答案，所有相关的人员、流程和技术必须整齐排列，就像多米诺骨牌一样。

我们不鼓励这种想法。调动数据更像是让飞轮旋转：需要付出巨大的努力才能让车轮运转，但其动力基本上是自我维持的；因此，当你逐渐施加力时，轮子旋转得越来越快，直到指尖接触足以维持起泡的速度。当车轮以这样的速度运转时，支持它所需的人员、流程和技术就会显现出来。

在本文中，我们提供了四件事，让您的飞轮更快地旋转，并通过ChampionX首席信息官Alina Parast的故事，以及她如何帮助将公司（为上游和中游石油和天然气行业提供解决方案）转变为数据驱动的发电厂，对每一件事进行分析。

第一步：选择正确的问题

当ChampionX上市时，其跨职能团队（包括供应链、数字/IT和商业专家）避免或至少缓和了任何关于“转型”和“数据驱动文化”的宏大、充满流行语的宣言，以支持解决现实问题。但是，它并没有选择任何问题：它选择了正确的问题，这是使飞轮旋转的第一步，也是最关键的一步。

当时，ChampionX在其化学技术业务中成本最高的活动之一是监控和维护客户站点，其中许多位于该国偏远地区。“这不仅仅是劳动力和燃料，”Alina解释道。“我们不得不花很多钱来维护能够导航到这些站点的车辆，并弄清楚这些路线到底是什么。过去没有，现在也没有谷歌地图来显示我们的现场技术人员需要去哪里。“这些成本是“让客户的油箱充满而不是干燥”的代价，这是ChampionX的指导原则之一，也是其价值主张的核心，旨在改善客户的生活。“因此，我们想知道，‘我们如何才能实现这一目标？’”

该团队选择解决的问题是降低现场旅行的成本，这可能看起来很平常，但它有所有正确的成分来推动飞轮运转。首先，这个问题很紧迫，因为它是ChampionX最重要的开支之一。第二，问题很简单（即使解决方案不是）。这很容易解释：我们跋涉到这些地点要花很多钱。我们如何降低成本？第三，它是有形的。它涉及到现实世界中的物体——卡车、水井、设备，以及人们可以看到、听到或感觉到的其他东西。同样重要的是，团队可以指出他们的工作将要进行的具体财务项目。最后，整个企业都分担了这个问题。作为跨职能领导团队的一部分，Alina没有将自己局限于解决表面上与CIO相关的问题。她明白：如果这是她和她的组织可以帮助解决的问题，那么这就是CIO相关的问题。

IT高管经常将人员、流程和技术作为IT战略的基石，但他们有时会忘记关注所有战略的核心：解决真正的业务问题。当你开始工作时，抛开你对你将雇佣谁、你将使用什么工具以及你的员工将如何协同工作的担忧，这些事情会及时显现出来。首先让你的领导进入一个房间。前面是幻灯片、电子表格和路线图。相反，真诚地问：我们正在努力解决什么问题？答案不会像你想象的那么容易，但对话将是无价的。

第2步：获取正确的数据

一旦你确定了一个值得解决的问题，下一步就是获取你需要解决的数据。如果你很好地定义了你的问题，你就会知道这些数据是什么，这是关键。正如定义您的问题会缩小您可能捕获的数据种类一样，弄清楚您需要什么数据、从何处获取数据以及如何管理数据，也会缩小构成您的数据环境的人员、流程和技术的范围。

想想Alina和ChampionX的结局。一旦团队知道问题现场访问成本高昂，他们就很快找到了逻辑解决方案：减少所需的现场访问次数。大多数访问都是例行的，而不是针对一个活跃的问题，因此如果ChampionX能够远程收集站点发生的情况，他们可以节省大量的时间、燃料和金钱。这种洞察力告诉他们他们需要什么数据，这反过来又让ChampionX的IT和商业数字团队能够辨别他们需要谁和什么来捕获数据。例如，他们需要物联网传感器来从网站中提取相关数据。而且他们需要一个地方来存储数据，因为他们缺乏能够管理从传感器流出的TB数据和耦合的客户数据（这些数据位于ERP、运输和供需规划等企业平台内）的基础设施。所以，他们建立了一个数据湖。

这些举措中的每一项都是安全云基础设施、数据湖、传感器、存储和必要培训的设计，都是一项重大任务，而且还在继续发展。但ChampionX团队不仅解决了现场参观问题；它们为公司的数据环境和随后的数据驱动计划奠定了基础。例如，数据湖成为ChampionX其他业务部门不断增长的数据量和各种数据的家园，这反过来带来了一些有价值的见解（下一节将详细介绍）。

了解要捕获的数据提供了开始选择人员、工具和流程所需的上下文。无论您选择哪一种，它们都会导致无法预测的结果，因此，尝试并绘制数据环境中某个组件与所有其他组件相联系的每一种方式，并从中选择一个工具包，这是一项费力且徒劳的工作。相反，要弄清楚你需要什么来解决这个问题和你面前的数据。因为你会选择与组织中真实而重要的东西相关的东西，所以你的选择很有可能最终会服务于其他真实和重要的东西。但在这种情况下，您将能够指定所需细节的名称、成本和顺序，这些细节将使您的数据策略变得真实，并使您的飞轮旋转得更快。

第三步：连接曾经看似不同的点

当你开始捕捉数据，飞轮旋转得更快时，新的机会和数据就会显现出来。ChampionX的团队安装了物联网传感器以远程监控客户站点后不久，他们就意识到同样的数据可以应用于其他地方。ChampionX现在拥有其他人没有的丰富地形数据，它使用这些数据来移动顶部和底部线条。它通过优化ChampionX的车辆前往站点的路线，解决了我们正在处理的无谷歌地图问题，从而移动了底线，并通过将数据货币化为新的收入流，移动了顶端。

数据湖也有了新的用途。其他业务计划开始将数据存放在其中，这促使跨职能团队考虑各种信息在一起，以及这些信息可能超过其部分的总和。其中一类是客户、订单和供应链数据，ChampionX经常被要求提取这些数据并与站点数据合并，以执行影响分析报告，报告他们的客户受到供应链网络中断的影响以及如何受到影响。合并这些数据过去需要数周时间，主要是因为这两个数据一直生活在不同的生态系统中。现在，同样的分析只花了几个小时。

这里有两个外卖。首先，如果你的数据飞轮在开始时旋转缓慢，那就没问题了。即使是吸引一些新的机会或数据类型，也会让你有机会在曾经看似不同的事物之间建立联系。这种模式识别将以指数级的速度加速你的飞轮，并鼓励围绕它形成一个适当复杂的数据环境。

第二步与前两步类似：明智地选择你可以追求的机会。并非所有有趣的见解都有用；追求那些最有价值和最真实的东西，那些人们可以看到、衡量和感受到的东西。这些将与单调乏味的重复性组织活动（如汇总影响报告）严重重叠。如果您能够解决这些问题，您将证明数据作为组织变革的力量是可行的，更丰富的数据文化将开始出现，将飞轮推向令人生畏的速度。

第4步：从最初的问题向外构建

我们研究的ChampionX的故事只是一个更大故事的一章。随着公司收集了更多的数据，其员工收集了新的见解，Alina和她的商业伙伴所面临的问题范围和复杂性都在增加，ChampionX的飞轮已经达到了能够在公司整个供应链中推动数据优先解决问题的速度。

然而，大多数问题在某种程度上可以追溯到一个简单的问题，即公司如何减少现场检查的花费。ChampionX的团队没有任性地从供应链问题跳到市场营销、人力资源或财务问题；该团队正在从最初的问题向外部扩展。因为他们有，他们的人员、流程和技术，就成熟度而言，离能够应对下一个挑战只有一箭之遥，而这一挑战总是建立在前面的挑战之上。

随着飞轮旋转速度的加快，您将有更多的问题可供选择。优先考虑那些不仅可行和有价值，而且在主题上与你已经解决的问题一致的问题。这样，你就能够利用你所建立的势头。您的数据环境中已经包含了许多工作所需的人员和工具。你不会觉得自己正在重新开始，或者不得不向利益相关者争论一个从头开始的案例。

构建数据策略就像旋转飞轮。它是周期性的，反复的，渐进的，永久的。没有什么特别的界线，如果跨越了，就会认为你的组织是“数据驱动的”。同样，把你的数据策略看作是二元的东西是没有用的，就好像它是一座在建的建筑，总有一天会建成一样。你能做的最好的事情就是专注于使用你的数据来解决那些紧迫、简单、有形和有价值的问题。集合解决这些问题所需的人员、流程和技术。然后，转到下一个，然后是下一个再然后是下个，让充满活力的数据生态系统的元素一路走来。你不能将你的数据策略付诸实施；你只能把注意力集中在飞轮上。当它出现时，你和其他人都会知道。