调查发现，超过 80% 的《财富 1000 强》组织目前已配备首席数据官 (CDO)。随着这一比例上升，越来越详细的结果解释了为什么一些 CDO 成功而另一些则失败。
在快速回顾了最常见的成功因素之后，我将提供三个建议，这些建议对于CDO个人层面尤其重要：
1.与几个同事建立牢固的个人关系
2.有一个简单的框架和实现方法
3.在一项特定技术上加倍努力
常见建议和成功因素
以下是 CDO成功的经常被引用的建议和因素：
- 了解业务并与业务战略保持一致。对行业、市场地位和竞争格局有深入了解的 CDO 能够更好地识别数据驱动洞察的机会，并制定利用数据推动业务成果的策略。
- 专注于数据驱动的价值量化。CDO能够将用例确定为数据功能和业务成果之间的联系，并制定可用于计算和监控价值创造的方法。
- 从小规模开始，然后规模化。也许争议最小的建议(几乎是不言而喻的)是在一定范围内(例如领域、业务流程或功能区域)来试验数据功能和管理，然后在其余部分进行扩展组织的。
- 使用域作为数据管理的基石。当数据由了解数据背景和用途的领域专家拥有和管理时，他们能够更好地确保数据的准确性、完整性和一致性。
- 成为业务与技术之间的桥梁。CDO 兴起的原因之一是，从未明确业务部门和 IT 部门之间谁真正对数据负责。作为 CDO，有机会拥有所谓的紫色档案，即技术(红色)和业务(蓝色)技能的组合，以确保业务和 IT 在总体数据管理和能力方面保持一致特别是像数据平台。
- 确保制定健全、现实的数据策略。数据很复杂——就其涉及的众多数据功能、组织中的内部利益相关者以及可能提供帮助的数百种潜在相关数据技术而言。您无法解决所有问题，这就是为什么数据策略对于明确使命和具体目标如此重要。
- 在你周围聚集一支强大的团队。也许这似乎是显而易见的——任何领导者都会从强大、才华横溢的团队中受益——但考虑到 CDO 经常必须监督元数据管理、数据架构、数据编目、数据隐私、数据科学和数据集成等功能，这一点变得尤为重要。成为这些领域中任何一个领域的专家都已经够难的了，但涵盖所有领域又不切实际，而且还存在潜在风险。在最重要的领域拥有值得信赖的领导者将大大减轻 CDO 的日常负担，他们可以将注意力转移到其他更有价值的活动上。
- 建立数据文化。数据是由整个组织的人员创建、拥有和接触的，应该鼓励他们根据可用的可信数据做出决策。推动整个组织的数据素养需要持续不断的努力，以确保谨慎和完整地使用数据。
三个关键的个人建议
根据超过 25 名首席数据官的实际经验，我建议另外三个考虑因素。它们与 CDO 个人职业发展的个人层面相关。
1)与几个同事建立个人关系
人际关系很重要。您可以拥有所有基础能力——确定的用例、正确的技术、备受推崇的人才——但如果没有基本的信任，结果将会是失败。
我曾与两位首席数据官共事，尽管他们身处不同的公司和行业，但他们也面临着非常相似的困境。两人都是非常有能力的数据领导者，在数据治理、数据质量和数据平台支持等关键领域拥有资历和专业知识。他们制定了乐观、雄心勃勃且广泛的数据战略，其中包含有关组织现有数据成熟度和增强想法的大量详细信息，所有这些都围绕推动业务成果的主题。但两人都在努力争取组织业务方面的支持。根据公司前任数据领导者的经验，数据项目需要大量时间和预算，但未能取得业务成功，这些业务领导者将数据管理视为阻碍因素，这会延迟他们已经完成的议程并使之复杂化。当向他们提供跨数据质量和问题管理等主题的框架和 RACI 表时，他们理所当然地理解这些隐含着他们作为数据所有者的责任。在讨论数据科学及其实现时，他们感到保护并表现出领地意识——他们自己在这个领域有想法和雄心，受益的用例是他们业务领域的一部分，他们不想“放弃”人工智能以及自己团队中的分析人才。整整一年过去了，虽然确实取得了一些进展，但几乎看不到任何业务影响。
相比之下，另一位数据领导者在任职的前三周优先安排时间与组织中被视为同行的一些业务主管进行一对一的交谈。她参加会谈时没有详细的议程或复杂的框架。他们讨论了业务、过去的经验、与数据相关的痛点以及近期的目标是什么。对于一些业务线索，吸引力并不大，但对于一项特定的业务线索，她一拍即合。他们热情地交换了观点，并自然地倾向于某个特定领域，该领域导致了很多问题和效率低下，并且他们可以真正互相帮助。他们动员了各自团队中的相关人员，商定了有限的范围，制定了一个简单的路线图，然后开始工作。这种数据业务协作取得了初步成功，并由此为企业的其他部门推广了最佳实践、框架和标准。两人的个人关系蓬勃发展，两位领导人都称赞对方团队的关键投入。这种影响在关键利益相关者之间得到了社会化，并形成了新的数据驱动的现代化工作的最初起点。
并非每个故事都会像这样，但可以得出结论，尽管当今有所有花哨的技术语言，但最终都是关于人的，而个人关系很重要。一般来说确实如此，对于数据领导者来说更是如此，他们的成功关键取决于与业务和技术团队的互动和协作。您可以遵循本观点最初部分的所有一般性建议，但如果您无法与业务和 IT 领域的关键同行建立相互信任的关系，您就会失败。因此，确定一两个相关领导者，并投入时间和精力预先建立信任。
2)有一个简单的框架和实现方法
数据管理很复杂。数据能力领域有很多，包括与数据治理、数据架构、数据质量、集成和互操作性、数据存储和操作、数据科学、元数据、主数据和数据仓库相关的领域。这些能力领域紧密相连并相互依赖。例如，如果没有适当的元数据和治理标准，就无法衡量数据质量，并且数据仓库应与数据架构、存储和互操作性准则保持一致。几乎没有人是所有这些领域的专家，更不用说解释它们应该如何一起工作了。
因此，如果您能够用简单的术语解释您的组织应该如何管理其数据，那么它就是一个巨大的加速器。一个简单的框架可以创造奇迹，将复杂的数据概念和术语转化为组织中任何人都可以理解和支持的方法。
以保险行业为例，考虑以下实施方法：
各个数据领导者都有一项特殊任务，即跨所谓的关键数据域对数据进行治理。通过上图，这位领导可以在必要时解释实施方法。有四个特定的团队，每个团队都有特定的职责和能力。数据治理团队优先考虑要对数据进行治理的数据域和相关范围。接下来，专注于元数据管理的团队将确定优先范围的系统、流程和相关的最低限度所需的元数据。该元数据是数据质量分析师测量和跟踪数据质量所需的输入。根据生成的数据质量指标，可以观察到问题，从而形成数据和问题所有者的输入，以记录并掌握相应问题的所有权、调查根本原因并创建补救计划。在此流程中，数据治理团队将组织一个数据治理论坛来跟踪进度并解决任何实施问题。当然，每个范围和能力都面临着一系列挑战，但方法总是非常清晰且易于理解，从而推动了必要的业务、技术和风险团队的支持。
尽管这里的最终产品可能是经过专门精简和简化的图表，但可能需要一些时间才能正确完成。事实上，正如史蒂夫·乔布斯所说：“你必须努力让你的思维变得清晰，才能变得简单。但最终这是值得的，因为一旦你到达那里，你就可以移动高山。”
3)在一项特定技术上加倍努力
有数百种相关的数据技术。其中任何一个都可能与首席数据官相关，其中许多在所提供的功能方面是重叠的。了解所有这些知识是不可能的，要成为其中少数几个的真正专家将具有挑战性。
同时，拥有正确的技术可以极大地简化数据管理流程。任何手动数据处理通常都很昂贵并且容易出现人为错误，因此应该避免。换句话说，从字面上看，任何数据管理流程都应该由技术驱动。
数据领导者通常对与技术无关的数据功能和要求有很好的理解。但对于特定的技术专业知识，他们依赖于 IT 同行。在很大程度上，这是适当的——我最不提倡的就是让 CDO 承担所有技术责任。但有一个实际的考虑因素，即对一组相关数据技术有最低限度了解的 CDO 能够更好地评估哪些可行的实施方法以及哪些数据管理流程可以自动化，并推动高管对这些技术的认可技术。
在个人层面上，它使 CDO 在 IT 同行中具有更高的可信度，因为可以用他们自己的语言与他们交谈，并且可以立即理解特定的技术实施和配置的细微差别。在业务利益相关者面前，CDO 在传达特定工具的收益、风险和业务案例方面也享有更高的可信度。
深化哪种技术的专业知识取决于组织及其在业务目标、现有痛点和当前数据环境方面的独特背景。也就是说，通常可以确定几个类别，从中可以提取出特定的焦点：
- 数据治理技术。工具的存在是为了增强和自动化数据治理流程。其中包括数据质量工具、数据目录、元数据扫描仪以及数据保护和安全应用程序。多家供应商提供了一套相当完整的跨数据治理流程的工具。研究这种解决组织数据治理优先事项并符合预算限制的技术将直接增强数据领导者倡导和指导实施此类数据治理的能力工具。
- 数据平台。众多供应商混合了数据功能，使组织能够从不同来源获取数据，对其进行处理和管理，并使其可用于分析和数据科学。这种“数据平台即服务”产品使组织能够专注于数据及其使用，而不是管理底层基础设施。因此，对于启用数据驱动用例尤为重要的 CDO 来说，他们可以更深入地研究 Databricks 或 Snowflake 等供应商。
- 数据科学技术。Dataiku、DataRobot 和 Amazon SageMaker 等供应商是使组织能够构建、测试、部署和维护 AI 和 ML 模型的技术示例。熟悉这样的供应商对于 CDO 来说尤其有帮助，他们需要提供数据和能力来支持数据科学家，或者自己领导数据科学团队。
- 云技术。如果您所在的组织已致力于特定云供应商或正在推动云迁移计划，那么选择一种主导技术(例如 AWS、Azure、Google、阿里巴巴)可能是有意义的。在一个示例中，一家区域银行的领导层传达了云优先的理念，并致力于将 MS Azure 作为其战略云供应商。充分了解 Microsoft 的云采用框架，使即将上任的首席数据官能够非常精确地定义如何使用Landing Zones来构建和扩展数据功能，以及如何使用MS 通用数据模型来启动其企业数据模型的实施，以及如何配置MS Purview来通过设计推动数据治理和沿袭。
无论哪种技术对您来说最重要，通常无论您选择哪个供应商，您在概念上都可以很好地理解替代技术，因为它们具有非常相似的构建块。
总而言之，虽然这似乎有点“超出 CDO 的掌控范围”，但那些加深相关技术专业知识的人更有能力推动战术实施工作。
