论一个CDO的自我修养：神秘的首席数据官究竟有哪些操作
大数据文摘作品，转载要求见文末
作者：Daniel Hughes
编译 | 璐、樊恒岩、李飞 、钱天培
想象现在你被一个公司任命为他们的首席数据官（CDO），那么，你将要面临的主要职责可能会是什么呢？
很多人会告诉你，你的主要职责是为公司尽可能地避免麻烦。他们会这么教导你：你要时刻关注动向万千的管制规则，确保公司的数据操作合法合规，同时你要确保客户隐私安全，绝不出岔子。
这真的是你该做的吗？
让我先来带你看一个可能会让你震惊的数据吧。根据Bain & Company的一次管理咨询调查，只有4%的公司说他们有合适的人员、工具、数据和思路来从数据中提取有意义的信息，并把分析结果付诸实践。
“一定是哪儿出了错。”你心里这么想着。回顾过去五年你与各个公司首席销售官（CMO）的谈话，他们中哪个不是把数据放在了他们的议程之上的呢？再想想你和首席执行官(CEO)们的对话，又有谁不声称他们正致力于数字化转型，要把数据放在核心位置呢？就连最近的戛纳国际创意节（CannesLions）都被数据相关的演说占领了。
然而，这个数据并没有出错。如果你也像Bain & Company那样，对公司高层进行类似的调查，你就会发现这道言论与现实之间的鸿沟。
再想想那些让你专注于让数据操作合法合规的建议，其实也不无道理。
当你的CEO面对一件他不甚了解的事时，他的直觉会告诉他，一定要确保这件事不会毁掉整个公司，或者让他丢掉工作。
对比来看CDO的工作，与数据相关的工作充斥着各种风险，有效的数据治理和对数据隐私法规的严格遵守是项非常重要的职责，也正是如此，这些工作需要一个位高权重的负责人接手，也需要公司有大量的资金投入。
诚然，我们应该从客户信任度的角度正确地看待并处理这些问题，这是在一个数字化的世界从事商业所需的成本。但不幸的是，仅仅以避免麻烦为目标并不是赢得市场的有效策略。相反，把CDO看成一个能为整个公司带来巨大变革的战略性职位才是对公司更好的选择。
很多人把苹果的巨大成功归因于Steve Jobs和JonyIve的雄才大略。但在我看来，苹果之所以能成为今天的苹果，还是要感谢TimCook把苹果的实体供应链变成了一个有竞争力的武器。当然，不是每一个公司都需要一个实体供应链，但每个公司都是需要做决策的。正如实体供应链是产品制造商的命门，数据供应链就是管理者和软件做日常决策的关键。
类比Cook的实体供应链策略，当公司聘用CDO时，他们需要的是能够为数据供应链带来竞争优势的人。一个CDO的首要任务应该是给公司创造竞争优势，为股东带来更多的利益，而不仅仅是避免让公司陷入麻烦。
那么，一个成功高效的数据供应链应该是怎么的呢？我们认为，它应当有四个部分：数据供给、数据物流、数据科学和数据执行。
相应的，一个成功的CDO，就应该从这四个方面确保数据供应链的有效运行。
让我们一起来看看这四个部分分别指的是什么。
数据供给
一条高效的数据供应链首先需要充足的数据供给源。
我们生活在一个“贫富差距”巨大的世界。财富分配上如此，数据拥有量上更是如此。一方面，像谷歌、脸书、腾讯、阿里巴巴这样的行业巨头拥有着超大的数据量，而另一方面，大部分公司却面领着数据极度匮乏的问题。
然而，这并不意味着本身不具备充足数据的公司只能在数据供应链之战中缴械投降，通过采取以下措施，即使是最传统的公司也可以获得充足而独特的数据源。
• 创造数据：不论你出售的产品是什么，你都可以与客户建立数字连接，借此获取大量数据。在中国，保乐力加公司（Pernod-Ricard）为打击假冒伪劣产品发明了一种独特的防伪方法，消费者们只需扫描二维码就能够鉴别产品真伪。在这一过程中，他们也得到了有关消费者购买和偏好的重要数据来源。
• 寻找互联网数据：为制定更有效的营销战略，一个豪华酒店品牌需要掌握消费者的大量竞争性情报，该酒店的数据科学团队接下了这项挑战。他们爬取了TripAdvisor上所有关于他们酒店和竞争对手的评价数据，并使用自然语言处理技术提取了评论中的关键主题，随后用随机森林回归模型来发掘那些能帮助预测五星好评的相关主题。网络是世界上最大、最乱的数据库，或许你无法在网络上直接获取到有用的信息源，但通过有目标的爬取，加上聪明的分析，你就能把这个资源库变成一个取之不尽的信息源。
• 解放数据：一位CDO来到一家大型航空公司后，发现这家公司坐拥一个巨大的客户数据宝藏。这些数据是通过他们的销售渠道、数据连接点、合作伙伴和忠诚度计划产生的，但是一个错综复杂的旧有系统和官僚主义让这些数据实际上变得难以获取，且无法使用。认识到这个问题后，这位CDO不仅设法让不同的数据系统连接起来，而且通过内部应用程序接口进行数据发布。现在，公司的所有决策人和营销系统都能获取每一个客户的信息。实行这样的措施或许道阻且长，但所有的努力都是值得的。
• 共享数据：一家服装生产商希望深入了解他们消费者的体育健身行为，为此他们大胆收购了几款市场领先的iOS和Android健身类应用程序。这些app产生的数据让这家服装公司对其目标消费者的偏好有了独特的见解，并帮助这家公司推动了从产品设计到媒体策划的一切决策。不管你的公司在销售什么，你都很可能有一个能帮助提高用户体验的潜在合作伙伴。你一定要抢在你的竞争对手之前建立好这种合作关系，并牢牢抓住这类数据源。
总而言之，这些用创意方法从无到有获取数据源的公司不胜枚举。作为一名CDO，你的职责就应该是大胆创新，从而获取最佳的数据来源。
数据物流
在供应链管理的世界里，物流指的是物料以最高的效率和最小的库存成本从A点到B点的移动。数据物流也遵循相似的过程。
数据通过多个渠道进入企业，随后被整合、清洗。由于一些政治或其他因素，数据有时会进入一些“与世隔绝”的数据孤岛。由于处于在不同的触控点，与消费者接口的系统产生的数据有时无法相互匹配和合并。另外，大量离线数据例，如呼叫中心的记录，因为过时的基础设施而无法被捕获。
即使是最简单的企业有时也会有极其复杂的操作和流程，为了克服传统基础设施带来的挑战，很少有企业能享受到成为数据驱动组织的美好体验。然而，挑战的背后是巨大的机遇。你的数据物流不需要达到优步（Uber）的水平，它只需要比你的竞争对手的好就可以了。只要你比竞争对手行动得更快并且更聪明，不太完美的解决方案也能给你的公司带来巨大的竞争优势。
数据科学
有了良好的数据来源和数据物流之后就万事大吉了？事实是，做好这两点的公司仍然会在决策上出错，原因就在于低效率的数据分析。
数据分析是一项十足的技术活。具备优秀数据分析技能的人才目前仍然供应短缺。除此之外，创造力也是将数据转化为价值的关键之一，而创造力似乎又与技术能力不那么兼容。假设我们把公司的每个员工根据数据分析技能绘制成一张分布图，那么，位于最左端的是那些只能勉强打开电子表格的人，而最右端的则是那些在业余时间还能尝试Tensorflow之类的新AI技术的人。作为CDO，你的目标应该是尽可能地把公司的每个人都移到右端。
创作部门的员工可能需要学习一些浅显的人工智能知识，从而获取创作灵感，而财务部门的分析师则可能会受益于学习如何建立蒙特卡洛模拟，以便将不确定性因素引入决策模型中。此外，公司整体可能需要投资成立一个专门的数据科学部门以支持未来产品或服务的发展。当然了，数据专家能为公司的数据驱动带来巨大动能，但业务部门的专家才应当是数据分析的主力军。
我们不能指望HR部门能够解决这一系列的人才战略，一名成功的CDO应当能够正确衡量其公司的技能水平，并制定出一条提高员工总体技能的路线图。这一路线图可以包括新的培训项目、更准确的职位描述、内部技术提升，以及外部咨询人才的引入。
数据执行
最后一步，也是点石成金的一步，是将数据分析的结果落到实处。
使用数据做决策的不仅仅是人，也可以是与客户交互的系统。这些系统可能是呼叫中心的一个路由系统，或者网站上一个根据访问者个人喜好提供个性化体验的系统。
你的首席营销官（CMO）可能有一个很长的愿望清单，上面列出了各种有望提高营销业绩的自动决策系统，但这些系统往往因为收效甚微而被CMO从这张清单上划去。举一个典型场景为例。供应商承诺某某系统将解决一切问题，于是CMO大力投资购买，系统开始运行，十二个月后，该系统没有兑现供应商不切实际的承诺，令该公司大为失望。不口否认，兜售这些系统的人往往会对他们的产品作出过度宣传。然而，现代营销系统已经是一个能够高效完成各项复杂事务的平台，这些平台的失效归根结底是因为市场营销人员对底层数据结构和策略的忽视。无用的输入带来了无用的输出。
现如今，营销系统渗透每个环节，CMO在技术方面的投入甚至已经高于许多首席信息官（CIO），他们也对客户的整体体验承担了越来越多的责任。毫无疑问，他们需要CDO的帮助。CDO应该为他们提供能够灵活访问的客户数据，并为新的营销平台作出打分与尽职调查。最后，CDO应提供数据保障措施，以确保这些技术供应商不会无意中泄漏公司的敏感数据。
结束语
将数据转换为价值是一项艰苦的工作，这也是许多公司望而却步的原因。对一名CDO来说，确保公司免遭麻烦、让其他人按部就班绝非难事，通过批量调查对客户进行粗分类更是简单。
然而，用数据为公司带来变革才应该是CDO的首要职责。如今，每个行业都面临数字破坏的威胁，CDO们必须勇于接受这个挑战。不打安全牌、勇于用数据创造价值，是这个数据时代为CDO提出的要求。
原文链接：https://medium.com/@hughesdan/brands-are-hiring-chief-data-officers-for-all-the-wrong-reasons-and-what-to-do-about-it-6041d0458dca
扫下方二维码即可获得“顶级数据团队建设全景报告—完整版”
关于转载
如需转载，请在开篇显著位置注明作者和出处（转自：大数据文摘 | bigdatadigest），并在文章结尾放置大数据文摘醒目二维码。无原创标识文章请按照转载要求编辑，可直接转载，转载后请将转载链接发送给我们；有原创标识文章，请发送【文章名称-待授权公众号名称及ID】给我们申请白名单授权。未经许可的转载以及改编者，我们将依法追究其法律责任。联系邮箱：zz@bigdatadigest.cn。
回复“志愿者”加入我们
点击图片阅读