自从三年多前Lookman Fazal在美国新泽西捷运（NJ Transit）担任技术高管的职位以来，该公司的数字基础设施已经取得了长足的发展。
作为这家美国运输机构的首席信息和数字官，Fazal将数据中心的堆栈迁移到同类最佳的多云平台上，并一直致力于从平台中挖掘尽可能多的数据，以创造最佳的业务结果。
除了他自己的计划之外，Fazal还和合作机构的CIO以及CTO围绕几个为期10到15年的项目进行了沟通，这些项目包括购买新火车、建造新轨道、设计纽约和新泽西之间拟建的新隧道以容纳更多车辆等。不仅如此，这些机构还启动并运行了很多试点项目，以测试分散在整个交通系统中的电动巴士和物联网传感器。
这些都是涉及多个运输机构和数百万美元资本支出的广泛计划中的一部分。
NJ Transit公司首席信息和数字官Lookman Fazal
自从加入新泽西捷运以来，Fazal一直在努力地实现他的主要目标：数据创新。为此，他制定了一项计划，将公司的IT运营转变为世界一流的云平台，平台提供分析师们想要的任何东西，甚至是以前他们不知道自己可以拥有某些能力，这场变革，让新泽西捷运从原来只是使用报告和饼图，升级到使用高级聊天机器人、人工智能和机器学习模型以及预测分析。
他在谈到转型时表示：“我们已经展示了转型的价值，团队在过去几年中所做的，就是牢记如何让人们的生活变得更便捷、减少他们的通勤时间。”
“车轮上的数据引擎”
为了从过时的基础设施中挖掘更多数据，Fazal首先必须从头开始对公司的堆栈进行现代化改造，以便为获得商业利益做好准备。
他说，2020年初的时候，公司的基础设施是“一切”的混杂体，包括大型机、客户端/服务器、SaaS系统、以及140个不同“风格”的应用，其中有些是定制的，有些是现成的，有些来自大公司，有些来自小公司。
这些应用所产生的数据分散在多个存储库中，主要是传统数据库。Fazal带领他的IT团队对所有数据进行收集，然后有条不紊地确定这些数据的用途，而不是在匆忙搭建了海量数据仓库时造成“宝贵”数据的丢失。他说：“我们并不关心数据是什么，我只是告诉他们，要把自己想象成一辆自卸卡车，把所有东西都收集起来。”
这种方法带来了很多实际的商业利益，并改善了客户服务。如今，新泽西捷运成为了一个“车轮上的数据引擎”，Fazal说。
Fazal和他的团队已经把新泽西捷运的大部分数据都转移到了云端，从简单的报告升级成为高级分析和人工智能/机器学习模型，这些模型给运输业务分析师们过去梦想中的洞察力。
他说：“我们创建了一个数据仓库和数据湖，在一个集中空间中获取所有数据，这让我们能够创建报告、分析、预测和处理方案，从而让整个组织发展成熟起来。”
新泽西捷运在打造数据仓库的过程中，提高了数据洞察和数据发现带来的商业价值，他们从最初评估火车和公共汽车的准点性，到分析机组人员和员工出勤情况、导致运输延误的机械和工程因素、查明特定时间内轨道上运行的车辆数、发现服务延迟的因素，并预测即将到来的风暴和天气事件对公司运输服务绩效的影响。
迄今为止，新泽西捷运已经聘请了大约八位数据专家来支持这些项目，未来他们的目标是聘请更多的顶级数据专家，加快业务洞察和预测分析，帮助组织实现业务转型。
结果就是，新泽西捷运作为一个组织的数据成熟度已经得到了提高，Fazal和他的团队现在已经不再是向业务分析师们索要可能对他们有价值的信息，反而是这些业务分析师们对他们IT团队的数据创新成果非常感兴趣并提出了大量的请求。
“当我们看到这一点的时候，我们就知道业务分析师们会彼此交流并分享IT团队能给他们带来哪些价值。我们只是希望确保公司意识到我们确实具有这些能力，并且我们已经准备好应对任何业务挑战，或者是任何和使用数据相关的业务问题。这就是我们衡量成功与否的方法。”
不仅如此，IT团队现在还能够预测业务分析师的需求。尽管很多公司仍在努力使IT目标与业务目标相一致，但Fazal和他的团队正在致力于推动那些以前分析师们从未想象过的洞察力和业务成果。
IDC分析师Sandeep Mukunda表示，新泽西捷运公司的的数据分析方法非常先进。
“成熟度取决于数据被有效利用的程度，”Mukunda说，并指出像新泽西捷运这样的运输实体公司，其核心目标就是提高通勤者和幕后员工的出发和到达准点率以及服务质量。
他说：“来自联网公共交通车辆的数据可用于车辆健康和状态监测，以及进一步分析例如了解交通模式和高峰时段服务、发现拥堵和事故多发区域、以及与其他服务进行集成，例如多模式联运规划应用。”
多云为转型赋能
Fazal说，如果他们没有迁移到云端的话，这些数据创新都不可能实现。
“我们从一开始就选择了多云战略，因为没有哪一个云可以解决所有的问题，我们发现这些云提供商提供的是不同的专业技能。”
新泽西捷运将继续改善他们的云基础设施以服务于数据创新。
Fazal说：“云的好处就是让我们摆脱了维护应用所在基础设施的环境，”这让他们能够不局限于只是做升级和打补丁，而是提供新的数据驱动型洞察力，提供更复杂的数据驱动型功能，以改善交通、实现交通现代化。
