![]()
数字化转型是“一把手”工程，董事会、CEO、CDO、CTO、CIO等企业管理层在数字化转型中究竟扮演着什么样的角色？各自应该承担怎样的责任？他们如何做才能顺利有效地推进数字化转型的落地？畅销书《数字化转型方法论：落地路径与数据中台》对这个问题进行了充分的阐述，本文将书中的精华内容分享给大家。![]()
企业需要充分利用信息化基础设施获取大量数据，从而完成业务数据的交汇、沟通、分析、应用，推进企业发展规划。董事会可以从以下 3个方面着手调整数字化组织。
作为企业组织架构的最高级，董事会的工作重点在于政策制定，而非执行。但在数字化转型过程中，董事会不仅需要了解政策制定的意义及内容，也需要了解数字化的执行过程及结果，从而及时采取措施调整转型方向。因此，董事会需要执行团队对转型方案进行全盘梳理，包括战略制定、财务预算、人才布局、技术配备、进度把控等，并依据行业发展趋势及企业业务特,明确数字化转型战略目标及阶段目标。企业数字化转型一旦开始，需要花费较多精力对效果加以跟踪分析。因此，董事会可以设立针对数字化转型的监督组织，用来跟踪、了解企业数字化转型的进程及效果，从而为下一步的数字化措施制定提供更多参考依据。另外，董事会作为数字化政策的制定者，并不直接参与企业数字化改革的具体执行工作，一线团队的执行效果需要通过中层领导进行汇总与审核。因此，一线执行团队直属领导的数字化业务能力需要董事会加以甄别，确定其具备传统业务向数字化业务转变的衔接及调控能力。数字化浪潮席卷传统行业不限于颠覆传统行业成型多年的业务模式、管理模式，还会打破企业董事会传统的组织架构。因此，董事会需要遴选新生代数字化人才，积极应对数字化转型中的变化。在企业数字化转型过程中，内部组织架构起着关键作用。敏捷组织是一线执行团队完成数字化工作的必备要素，但对上层的决策者—董事会来说，他们也需要有懂数字化业务的专业人员加入，使数字化政策的制定更加科学、客观、有效。具备数字化建设经验的董事会成员将挑战传统的董事会组织架构，在董事会内部及企业上下建立利于数字化业务推动的工作模式及方法。在数字化转型过程中，不同规模的企业处于不同的数字化发展进程。具备扎实的数字技术并拥有大量用户数据的电商巨头，可以称为引领企业数字化转型的代表。在数字化转型的道路上，还有一大批转型发展程度不一的企业。无论是大型头部企业还是中小型企业，若想数字化转型成功，都需要对自身定位有深入理解。无论是力争上游成为引领企业数字化发展的行业领先者，或是成为数字化转型的快速追随者，还是成为重在产品研发和服务创建、为行业数字化转型提供解决方案的服务提供商，董事会都需慎重思考并决定。常见的企业定位有以下 3 种。在数字化转型过程中，引领数字化发展趋势的大型互联网企业将推动行业创造价值，它们是在消费驱动、服务驱动、资产驱动、产品驱动等领域创造价值的主要角色。数字化转型的行业领先企业将会思考人、商、物三者之间的连接意义，将价值创造作为数字化转型成功的衡量标准。无论是快速发展的互联网行业，还是迟缓发展的传统行业，都会出现可以颠覆传统发展模式的企业新秀。数字化转型这个领域也不例外，依靠数字技术与业务的深度结合而崛起的行业新秀将与那些不肯创新求变的企业进行激烈的市场角逐，新型数字化企业将对重新定义传统行业，不断刷新行业认知。在行业领头羊之后，还有众多数字化转型跟随者。这些跟随行业领先企业进行转型的企业，能够快速识别领先企业的数字化优势及数字化政策制定的重点，通过借鉴相关举措，再结合自身企业特点，快速创造新的业务市场，最后建立能够防御行业竞品的体系。除了行业领先者和快速跟随者，还有一种定位是服务提供商。服务提供商并不具备行业领先者夯实的数字技术，也不具有庞大的体量，在发展规模上与头部企业差距较大，甚至距行业跟随者也有一定的差距。在企业数字化转型的大环境下，服务提供商仅能依靠少量的市场份额自行完成数字化转型。在数字化转型过程中，面对越来越多新技术的出现，服务提供商不仅要提供满足市场需求的产品，更要匹配相应的服务，避免数字化技术对自身产品和业务体系的快速颠覆。只满足于研发单一产品，而不提升相应服务的企业在数字化转型浪潮中将难以立足。企业进行数字化转型需要依据自身的业务特性和定位进行判断，是成为引领行业发展的领先者，还是成为追随者，亦或是成为服务提供商。无论哪种角色，都应该开始行动了，行业领先者需要不断以数字技术打磨业务和产品，从而挖掘数字化转型价值所在；追随者需要密切注意市场动向和行业发展情况，分析和借鉴引领者的数字化转型措施，从而调整自身数字化变革步调，挖掘价值创造点；服务提供商重在产品研发和服务的创建，在数字化浪潮中保持市场竞争力。
企业的 CEO 对内需要把控企业运营情况，对外还要处理各种合作关系。企业数字化转型离不开 CEO 的决策与推动。因此，CEO 搭建数字化转型领导组织至关重要，他不仅要了解这类组织搭建的重要性，更要了解组织搭建时需要考虑的因素，以及数字化转型过程中不可或缺的角色和能力。组织架构是指一个组织的整体结构，是在企业管理要求、管控定位、管理模式及业务特征等多因素影响下，在企业内部组织资源、搭建流程、开展业务、落实管理的基本要素。搭建团队的组织架构，能让整个团队的协作更加系统化、规范化，进而提升团队的办公效率。搭建组织架构需要梳理整个团队的职能架构，再根据每个人的角色、岗位，划分具体的工作内容。因此在团队运营过程中，合格的组织架构必不可少，它是整个团队工作的核心。领导力。领导力由领导素质、领导知识水平、领导行为和领导战略几个部分组成，是搭建架构的重中之重。预算成本控制。根据预算规定的收入与支出标准检查和监督各个部门的生产经营活动，保证各项活动和各个部门充分达成既定目标，既能获得收益，又能达到资源的合理利用。因此，费用支出要受到严格有效的约束。战略规划。制定组织的长期目标并将其付诸实施，谋划重大、全局性的任务。技术水平。科技的发展日新月异，CEO 必须了解行业技术发展动态，才能制定出符合当前技术发展水平、与公司发展情况相匹配的政策。经营模式。将经营模式集成到当前的业务模式，以抵御数智业务在不断变化的环境中可能面临的风险，并将数字化融入设计和工艺，确保有序、稳定地推进数字化。在数字化转型业务的实施过程中，很多高管表示希望用最快的速度转型成为一家数字化企业。然而转型之路并不轻松，需要时间，需要强大的意愿，还需要严格的时间管理和规划。在数字化转型业务中选对核心的负责人是关键。那么什么样的人可以成为核心负责人呢？负责组织中领先数智业务的 CIO、CTO、COO 以及 CDO 都是核心负责人的优秀人选。CDO 的岗位职责是带领团队梳理业务线，基于数据提炼业务价值，利用数据解决业务问题。CDO 作为企业数字化转型的主要推动者，需要向 CEO 汇报工作，既要对数字化技术了然于胸，又要对企业业务、数字化战略有深刻认识。CIO/CTO 是一种新型的信息管理者，属于公司最高决策层，相当于副总裁或副总经理级别。数据已经变得同业务和技术一样复杂，核心负责人必须有执行重点，有能力给出合适的解决方案。
1.CDO 加强沟通能力的 3个关键点
虽然很多企业设置了 CDO 这个岗位，但是 CDO 要想顺利开展工作和推进项目，需要得到企业各部门的支持。CDO 要把自己打造成一个布道者，通过有效的沟通，和高管及部门主管建立共同的愿景，一起推动企业顺利转型。CDO 在推进数字化转型工作时，必须具备良好的沟通能力。加强沟通能力有 2 个关键点。CDO 可以制定一些可衡量的目标并做出承诺，承诺在一定时间内实现目标。兑现承诺可以获得对方的信任，减少工作中的阻力。数字化转型可能会动摇一部分人的利益，CDO 需要不断地与利益相关者进行沟通和讨论，让他们知道数智化转型的价值以及将会得到的成果，得到他们的认可和支持。CDO 除了要通过数据分析帮助企业挖掘数据资产的潜力和竞争优势，还要对关键信息资产进行治理，通过交换信息资产改善与客户、供应商及合作伙伴的关系，并参与成本效益分析，帮助企业提高生产力。这些职责对 CDO 的能力提出了极高的要求。因此，CDO 要不断进行自我审视，及时发现自身能力的缺陷和不足，在沟通及实现目标的过程中不断提高和完善自己。CDO 在提高自身能力的同时，也要注意加强团队建设，根据团队成员的特点制定相应的工作计划。CDO 作为企业数字化转型的推动者，在将数据作为资产加以利用方面发挥着积极的领导作用，需要深刻认识到数据质量决定着数据智能应用的效果。因数据质量差导致数据应用出错、业务价值无法深入挖掘、转型成本增加的现象屡见不鲜。尽管如此，一些企业领导对于优先考虑数据质量仍持有不明确的态度。除了数据质量未得到足够的重视外，数据团队在保障数据质量时仅仅重视数据间的逻辑与事实，并不以业务需求为出发点来优化数据质量，这种工作模式也无法保障数据质量。所以，在数字化转型过程中，CDO与其他相关部门领导应该针对数据质量的管理制定统一的规范。很多企业领导人对数据质量的重要性缺乏深刻认识，忽视了数据质量差导致企业转型成本上升的问题。糟糕的数据质量会导致错误的分析决策，且由于缺乏系统的问责体制及数据追踪体系，数据出错后无人负责。因此，企业数据管理负责人或 CDO应该按照一定的操作流程管理数据质量。下面给出一些相关的机制和方法，供大家参考。了解数字化转型目标，设立负责人问责机制。在管理数据质量之前，CDO 应该先了解企业数字化转型的目标，然后逐一梳理不同业务场景下相关联的数据治理模块。在了解企业数字化转型目标后，CDO 需要设立技术、业务、数据分析团队负责人的问责机制，明确各个团队在数字化转型过程中的职责和内部各成员要承担的任务，施行责任到人、原因梳理、改进办法的工作流程，使相关团队和人员重视数据质量，为业务提升做坚强的后盾。数据质量与业务绩效指标统一，支持业务成果。企业数据质量不佳的原因之一在于未将数据质量与业务目标联系起来，仅关注数据本身质量，即数据治理结果重在数据逻辑的呈现、数据事实的公布，而忽视了从业务角度出发思考数据质量。梳理清楚数据质量与业务绩效之间的关系也有利于制定数据质量问责制。在数据治理过程中，如果数据治理团队仅关注客户数据的准确率是否从原来的 80% 提高到 90%，对这一优化是否有助于业务提升毫无兴趣，就会导致业务分析团队从数据结果中只能看到详细的数据指标和治理路径，忽视了数据背后的业务逻辑，最终造成数据治理结果使用率低，无法真正为业务赋能。事实上提升业务份额会涉及不同维度的关键指标，如财务绩效指标、经营业绩指标、客户服务指标等，数据治理团队应对这些业务指标有足够的了解。提升数据质量必须以业务成果为导向，不能是纯粹的数据展示。一线业务人员已熟悉数字化市场运作规律，制定某项决策时会看重数据的分析价值，但也会结合自身的行业经验进行综合分析。纯技术性的数据术语并不能帮助业务人员快速理解数据意义，因此，呈现给一线业务人员的数据治理结果也应该具备一定的业务属性。CDO 只有理解了数据质量与业务目标之间的关系，才能更好地推导出各个模块要实现的功能，并匹配给相应的负责人。在数据管理的过程中，数据团队需要对数据从产生到应用的整个生命周期进行识别、诊断、修复和完善，以确保数据质量。数据团队需要针对数据应用的全生命周期建立数据分析模型，制定以业务目标为核心的数据质量改进计划，方便数据团队及业务分析团队随时检验数据质量，为业务分析团队的数据应用提供智能推荐。分析当前数据质量并判别数据质量对业务价值的影响。一旦确定数据治理的业务目标，就可以开始数据分析了。数据分析贯穿数据智能应用的整个周期。利用数据分析模型对早期的数据质量进行检验，可以为最终的数据质量结果奠定基础。检验初始数据质量，为后期提升数据质量提供基准，以此为衡量标准，可以判别提升数据质量对业务价值的影响，帮助 CDO 规划数据管理团队的预算。运用数据分析工具打造数据分析模型。一款性能优良的数据分析工具可以帮助企业较好地衡量关键业务流程指标并分析数据之间的关系。通过数据分析功能可以打造数据分析模型，帮助数据技术人员及业务分析人员在较短的时间内了解当前的数据质量，模型还可以配置更复杂的数据分析功能，以实现对复杂多变的业务场景下的数据进行质量检查。制定以业务目标为核心的数据质量改进计划。CEO 有时较难理解为何数据质量改进周期长、覆盖广，这是因为 CEO 还未理解数据生命周期与数据质量之间的关系。因此，CDO 管理数据质量时首先要向 CEO 汇报，制定以关键业务指标为核心的数据质量改进计划。制定数据质量改进计划可从以下几个方面着手。确定数据质量改进目标：根据业务流程，确定实现数据质量的策略，梳理可实现价值的业务指标和数据质量指标，建立相应机制保证数据治理的效果。确定执行方案：CDO 根据数据质量改进目标确定数据质量解决方案，确定该方案的最终结果是在数据团队内部托管还是设定为服务共享模式，采取分阶段的方式确定具体的业务领域和特定领域的数据质量治理，确定内部开发团队和供应商参与数据治理工作的比例分配。执行注意事项：不同业务团队可能对同一数据集的理解并不一致，两个不同的数据集可能被解释为相同语义。所以 CDO 带领的数据治理团队需要正确理解不同业务单元对同一数据集的意义，明确业务规则，保障元数据管理。在对内部数据统一汇总、联通后，整合合作伙伴数据、集成商数据、全网开放数据等第三方数据时，数据治理团队需要建立一套可行的模式，鉴定并跟踪第三方数据源，从看起来完整、正确、及时的数据中找出数据源不一致的原因。数据治理团队还须验证外部数据的真实性，建立对外部数据的信任。业务人员对数据治理过程中的技术问题可能不甚了解，CDO可建立一套完整的数据质量培训体系，帮助业务人员了解基础数据、识别数据格式、明晰数据含义。以业务为导向的数据质量改进计划是为了实现利用数据提升业务价值的长期目标，该计划由 CDO 或 CTO/CIO 制定并推行。数据质量改进计划可以帮助数据治理团队建立“任何数据质量管理均要以业务为出发点，并形成业务优势”的意识。数据质量管理要构建“闭合循环”的模式，需要 CDO 积极整理内部闭合数据，拓展外部数据并不断形成数据循环利用模式。如此，企业才可以更好地洞察市场需求，预判数据决策的效果。企业能转型到何种程度往往取决于预算，数据质量管理效果也是一样。在制定与执行一个关乎企业存亡的关键战略之前，必须先测算预期效益，对相关人员施行可量化的绩效指标，确定预期收益及贡献。估算数据质量成本及投资回报率。企业进行数字化转型的初始投资和持续投入成本必须维持在合理的投资回报率内。比如数字技术的应用（硬件基础设施、数据分析工具、云端服务器等）、数据质量管理人才的选拔与配备、数据集成商和系统集成商的人力资源成本、与数据质量计划相关的业务成本，以及应付业务中断、宕机时间和维护的成本等，均须 CDO 提前规划。充分设定成本与收益的各级指标。在估算数据质量成本及投资回报率时，数据治理团队需要充分记录数据质量改进的成本类别及收益指标。在可能的情况下，设定影响成本的高、中、低各个类别，并配以成本估算的上、中、下阈值。在数据治理团队与业务负责人设定数据质量阈值时，要注意数据质量改进的技术水平、完成时间表等应与业务指标的要求一致。数据质量管理工作结束后，在向 CEO 或 CMO、COO 等不同领域的业务负责人汇报前，CDO 可以先在数据管理团队内部进行自检，审查业务数据的逻辑，设法找出可能存在问题的地方，并调整路线及方法，完成数据质量管理。对于急于数字化转型的企业来说，数据质量管理是以业务为导向、用数据驱动业务价值生成资产的长期计划。首先，作为企业内部数字化转型的推动者，CDO 在进行数据质量管理时，不能仅从数据本身出发思考治理方法，还应深入挖掘数据语义与业务指标之间的联系，建立数据质量问责制，保证数据质量有人负责。其次，应随时利用数据分析模型验证数据治理结果，建立数据质量改进计划，确保稳步推进数据质量管理。最后，还应该针对数据质量管理进行成本与收益间的规划，确保数据资产与数字化预算一致。
![]()
CTO/CIO 需要关注企业运用数据中台之后是否能够降低经营成本，因利用中台而产生的业务收入是否能覆盖当下的成本。如果中台只能作为一个技术设施，并不能马上帮助企业降本增效，那这个中台本身是有问题的，或者说它是不完善的。中台本身就是一个大型的数据驱动业务的系统，真正的数据中台可以帮助企业快速开发应用，解决公司面临的问题。市面上有很多中台只是传统的集成式平台，也就是很多工具的集合体，并没有用智能的方式处理数据。中台不仅是一个技术产品，它还可以帮助企业创造业务价值。CTO/CIO 在选择一款性能良好的数据中台时，要考虑其架构是否具备前瞻性，是否能够兼容技术更迭带来的架构及功能变化。数据中台还要具有开放性，能够满足企业多样的需求，具备通用性，能够适应各种技术和应用开发的需求，保证数字化转型真正落地。CTO/CIO 在选择数据中台时要注意其是否具备兼容性，是否可以和其他业务系统无缝衔接，帮助企业降低数据打通成本。CTO/CIO 在做技术选型时，还要关注中台架构是否标准化，是否配置了行业通用的功能，是否可以定制开发特殊功能。以前，CTO/CIO 需要整理大宽表建立数据仓库，这种作业方式容易出错，维护成本较高。交互系统的一个字段变了，基于该系统的分析和模型都要重新开发。而好的数据中台可以降低这种运维成本。某些企业对数据隐私更为关注，可以基于中台构建数据安全体系，解决数据安全问题。还成立数据委员会，对数据类型、数据使用者、数据使用审批者进行监管，建立数据使用的规章制度。CTO/CIO 在选择数据中台时，要注意保障数据安全，与数据委员会共同维护数据安全。一款成熟的数据中台可以实现快速部署，能缩短技术架构的建设周期。CTO/CIO 在做技术选型时，还要注意所选的数据中台是否已在较多的行业中扎实落地。一款优质的数据中台会在较多行业中得到实践，为更多企业提供可借鉴的指标。CTO/CIO在做中台选型时，还可以考量数据中台供应商是否具备完善的供应团队。完善的供应团队能帮助企业快速找到数字化转型重点、有条不紊地落实数字化转型方案。![]()
数字化转型方法论：落地路径与数据中台
京东下单链接：https://item.jd.com/13044914.html
为回馈广大读者朋友一直以来的关注和支持，由机械工业出版社开展新书赠送活动，免费赠送5本《数字化转型方法论：落地路径与数据中台》新书给大家抢先品鉴。感兴趣的读者朋友可以扫描下方二维码参加抽奖活动，热烈欢迎大家的积极参与。
为方便读者朋友相互交流学习，欢迎大家扫描下方二维码，加入数字化转型专家交流群，与本书作者及国内各行业数字化转型专家深入沟通交流！
![]()
(欢迎大家加入数据工匠知识星球获取更多资讯。)
我们的使命：发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。
我们的愿景：打造数据治理专家、数据治理平台、数据治理生态圈。
我们的价值观：凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。
了解更多精彩内容
长按，识别二维码，关注我们吧！
数据工匠俱乐部
微信号：zgsjgjjlb
专注数据治理，推动大数据发展。