人们越来越多地使用机器学习技术来管理各项工作，从创建预测模型、深入了解消费者行为，到检测和管理网络威胁，这也加快了数据操作运营业务的发展。那些能够对复杂数据集进行快速自主或半自主检查的企业将获得强大的市场优势。
由于企业考虑到更成熟、更强大的分析实践所带来的挑战，一些企业开始转向采用“数据操作运营即服务”——将管理公司数据的工作进行外包。尽管这种方法可以解决一些人才短缺问题，并能加快您的数据分析工作进程，但也存在一些风险：如果您对数据分析背后的业务驱动因素没有清晰的了解，则外包您的数据需求可能无法带来自己所需要的数据智能。而且，在数据获取和分析流程中加入第三方甚至第四方，这可能会增加数据泄露风险。
您的另一个选择是：建立一支内部数据操作运营团队。
这种方法同样也会带来挑战，并且不只是需要找到合适的团队成员或制定一个好的开发运营计划。但付出的努力是值得的。
拥有一个良好的数据操作运营计划，这不仅可使某项业务更加智能和更具竞争力，还可以通过将数据和开发工作结合在一起来提高数据准确性，减少产品缺陷。
以下是制定成功的内部数据操作运营计划的七个关键指导原则：
利用开发运营业务来建立企业文化优势
在实施数据操作运营业务时，拥有成熟的开发运营文化和实践的企业具有一定的优势。他们已做了大量的工作将孤立的开发和运营团队凝聚在一起，以专注于更大的业务目标。与没有开发运营经验的企业相比，将数据专业人员添加到这个已建立的团队以制定数据操作运营计划会容易得多。
尽管目前缺乏开发运营计划并不是拒绝内部数据操作运营业务的理由，但企业需要考虑将更大的(数据、开发和运营)团队聚集在一起并从头开始构建运营框架所面临的挑战。
将安全放在首位
数据访问和参与度的扩大确实会增加安全风险。检查保护数据完整性的方式，这是进行数据操作运营实践和组建团队的重要组成部分。将使用哪些流程来确保数据操作运营团队开发出的所有工具或应用程序都合规?企业将如何让团队达到最佳的数据安全标准?谁来决定可以或应该使用哪些客户数据?
数据泄露和丢失对企业来说是毁灭性的，因而数据操作运营团队必须在数据完整性方面做到最好。
使业务优先事项成为统一的力量
企业内的任何团队都应该将企业的优先事项作为其首要关注点，这听起来似乎司空见惯。然而，数据可导致大多数战略分析师和工程师走上各种有趣的开发、运营和数据道路。
为了让数据操作运营团队保持正确的道路，则必须要不断提醒其注意战略业务目标。“我们正在考虑的这一数据产品或解决方案是否满足既定的业务优先事项?”，这样的问题应定期提出，以使团队保持同步和在正确的道路上工作。
采取以人为本的方法来管理转型
转向开展数据操作运营业务将使各种角色和职责发生改变，这可能会使团队成员不稳定，他们会担心扩大项目团队和增加职责可能会损害他们的工作。“如果我不负责自己的项目，那么我的工作和贡献如何才能获得赞誉?”
成功过渡到共享数据工具和解决方案开发的关键是重新建立绩效目标和衡量标准。团队成员需要将此视为业务运营的进步，而且他们的职责也将相应地发展和进步。
要清楚，某些角色将难以填补或实现自动化
企业寻求将数据操作运营业务进行外包的一个迫不得已的原因是人才短缺。技能方面的挑战是一个重要的考虑因素，因为企业会考虑他们是否可以雇佣和管理自己的数据操作运营团队。
基于机器学习技术的数据分析需要专业技能。尽管开发运营和数据操作运营计划通常希望实现流程自动化，但数据供应链中有很多角色无法实现自动化。例如，那些对智能信息进行解读并将其与业务需求进行匹配的数据科学家(最初被麦肯锡咨询公司称为分析解读人员)是无法实现自动化的。
为了解决内部的这些人才方面的挑战，企业可以找一些与处理数据相关的高技能员工，例如软件工程师或业务分析师，然后开始对他们进行培训，以从事更高级别的分析工作。
从小处做起
对于那些不确定从哪里开始着手数据操作运营业务且资源有限的企业来说，敏捷方式可以提供一个很好的起点：小的增量。如果一个企业不能组建一个完整的团队或建立一个完整的流程，那么它首先可以让一个跨职能团队来管理一个数据项目。一个小的开始仍是寻找未来自动化的一个机会，例如数据获取或测试，然后开始构建数据通道，为未来开展的项目和更成熟的分析业务提供动力。
将内部数据使用者作为早期客户
正如小型增量式项目可提供一个好的起点一样，员工(内部数据使用者)也可以成为数据操作运营业务的很好的一个早期客户。从管理团队寻求指导到各个部门平衡大量数据以进行管理和存储，各内部团队都有要实现的关键业务战略目标。通过推动组织内部所使用的高度自动化应用程序的开发，数据操作运营业务为内部团队将他们的项目提升到一个新水平提供了所需的智能，并增加了对那些未来涉及外部利益相关者的数据操作运营项目的支持。
