没有人会认为，转型成为一个数据驱动型组织是件易事。
对于CIO、首席数据官和IT领导者来说，向数据驱动型组织转型的必要性已经成为一种流行的说法，甚至可以说是陈词滥调。我们希望领导者在决策过程中充分利用数据和分析，而不是让最大声或最有经验的高管根据直觉和偏见做出决定。我们认识到，数据是新的石油，我们的业务需要与面向客户、运营和预测分析进行竞争和区分。最后，我们知道，数据是一项重要的资产，必须进行适当的管理、保护和利用，同时还要使数据民主化，从而提高整个组织的利用率。
CIO、CDO和IT领导者需要一个数据策略。考虑到围绕数据的高目标和组织需求，制定战略和执行计划对增强员工能力和推动变革至关重要。但是数据策略跨越了许多组织需求、技能组合、最佳实践、合作伙伴关系、法规和技术等。在SINC IT领袖论坛等活动中，我就各种数字化转型主题发表演讲，也听到并回答了各种关于数据战略的问题，以及如何制定数据战略。
以下是CIO和IT领导者制定数据策略和执行计划的五个重点领域。
一、识别对重要数据机会服务不足的部门
当我在McGraw Hill公司担任业务部门CIO时，我们的一个更重要的机会是与营销部门合作，他们正在试验各种数字营销工具，用来接触并培养潜在客户。为了弄清楚哪些实验产生了最有希望的结果，他们花大工夫地将数据整合到许多电子表格中并分析结果。
在IT中，我们认为这是一种混乱、低效的定期集成和分析数据的方法。我们通过将Tableau部署给市场营销团队中一些熟悉数据的人员，帮助他们自动化数据集成，并提供对内部数据源的访问，取代了手动的、容易出错的流程。
转型计划是自上而下和自下而上的变革计划，CIO必须建立自下而上的分析能力。它可以帮助进行数据管理和数据操作 等活动，但业务领域的主题专家最适合使用公民数据科学和数据准备工具来提问和自助服务他们的答案。
二、启用敏捷分析实践实验
即使与敏捷软件开发相比，在分析和机器学习计划中应用敏捷实践对于推动结果可能更为关键。
这是因为分析数据有一个固有的发现过程。有人首先会问一个问题，这个问题可以帮助确定工作的优先级、重新分配资源、对销售机会进行排序或推动其他影响业务的决策。在分析底层数据时，它通常不会给出一个简单的答案。
l 发现过程通常会发现丢失的数据、数据质量问题、分割分析的新方法以及其他发现问题。
l 数据分析师可能会选择实现一个数据可视化工作面板，只是为了认识到，讲述故事需要替代和补充视图。
l 数据科学家可能会选择实现一个机器学习算法，却发现它的性能不佳，而另一个算法可能会工作得更好。
应用敏捷数据实践可以实现实验所需的反馈循环。在实现了一种方法之后，在待办事项列表中收集经验教训，并决定哪些发现和实现选项值得优先考虑。
三、培训决策者如何利用分析
如果你建造它，他们会来吗？你已经知道这个问题的答案是“不”。现在问，如果你构建数据可视化并提供对它的访问，决策者是否知道如何使用它来驱动决策？
答案仍然是“不”，尽管Tableau和Microsoft Power BI等数据可视化平台已经使企业能够开发直观的面板，但有时，实现的面板会遗漏许多数据可视化最佳实践，使最终用户难以直观地使用它们。
但是，即使面板易于使用，开发业务流程以利用分析，培训计划以教育决策者关于基础数据，以及建立变更管理计划以获得采用，这些仍然是必需的。
四、引入主动的数据治理
一位CIO曾告诉我，在引入数据、分析和自助服务功能之前，他们很难引入基本的数据治理实践。他认为，在治理之前引入分析就像是站在马前推车。
以我的经验，如果领导者和高管没有看到数据并要求更多的分析能力，那么在数据治理上几乎不可能获得牵引力。
这并不意味着放弃必要的数据治理，包括建立使用策略、实现数据安全和发布数据目录。而是指，CIO必须推动数据治理计划与分析支持计划并行。对分析的需求应该有助于揭示解决数据治理相关领域的需求和价值。
五、挑战让高管在战略会议上使用工作面板
用于执行决策的两种最常被滥用的技术是Microsoft PowerPoint和电子表格。这两种工具都需要从数据源到表示的许多手动步骤，因此效率低下，容易出错，并且容易引入偏差。
我在一些会议上谈到CIO在挑战高管的过程中所扮演的角色。改变用来做出执行决策的工具和方法，对CIO来说是一个巨大的挑战，但对于他们挑战现状至关重要。快速回答有关业务的复杂问题和实时审查分析是竞争优势，而这两者都不能使用大量呈现静态数据视图的工具来实现。
这意味着，在讨论战略决策的高管会议和其他会议上，帮助高管了解并利用实时工作面板。
没有人会认为向数据驱动型组织转型是件易事。
