推動底線結果：首席數據官不斷變化的角色

隨著信息技術的蓬勃發展和企業開始處理大量數據，需要專門的工作來管理這些數據變得至關重要。 隨著數據量的指數級增長，與數據收集、存儲和管理相關的挑戰變得同樣複雜。 捕獲、提取、存儲和訪問數據既昂貴又令人沮喪。 下一組挑戰以構建強大的基礎架構來處理數據和產生洞察力的形式出現。 這就是首席數據官的角色出現的方式。

對 CDO 的需求

在當今的業務場景中，企業不以重要方式依賴數據是很奇怪的。 Gartner預測，到 2019 年，大約 90% 的公司將擁有一名首席數據官。根據Forrester 的一份報告，全球 45% 的企業已經擁有一名首席數據官，另外 16% 的企業計劃在明年年底之前聘請一名首席數據官。 這些趨勢和預測凸顯了擁有專門的專家來處理數據支持業務的興起的重要性。

事實上，這個頭銜一點也不新鮮：雅虎早在 2004 年就任命了首席數據官。然而，直到最近，這個頭銜才開始引起全球企業的關注。 簡單來說，首席數據官負責公司的數據管理活動，同時熱衷於數據獲取、質量和戰略。

CDO 的角色最初更傾向於捕獲、存儲和管理組織中不斷增長的數據等活動。 從某種意義上說，它更多的是管理數據而不是使用數據。 但是，隨著大數據環境的改善和數據科學的採用，情況正在發生變化。

大數據

大數據不僅規模不斷擴大，處理、分析和從中獲取見解的方法也在發生變化。 企業現在以比以往更多的方式使用數據。 這包括商業智能、客戶情緒分析、辦公空間優化甚至能源數據利用。 既然大多數企業都在網絡上根深蒂固，那麼由網絡抓取技術提供支持的網絡數據的可用性也有利於組織將網絡數據用於他們的業務。 大數據不斷從單純的商業智能工具演變為組織發展急需的燃料。 我們現在擁有僅依靠數據運作的企業，可以肯定地說，任何企業都可以利用數據的力量來獲得更好的業績。

首席數據官的演變

首席數據官的角色在過去十年中經歷了快速演變。 除了僅僅管理數據基礎設施和處理相關操作之外，組織現在對這個職位有很高的期望。

雖然在過去，作為 CDO 更多的是充當數據的守護者，負責處理合規政策和相關風險，但現在它已經演變成一個更加註重價值的角色。 CDO 現在應該能夠通過影響業務決策來創收。 CDO 的這種演變與大數據本身的演變相關。 隨著數據科學的概念日益流行，企業正在尋找可以利用數據作為商業智能工具的力量的人。 擁有能夠提出策略以使用高質量數據確保業務增長的人是推動組織現在轉向首席數據官的動力。

早期的 CDO 完全以技術為導向。 基本要求是能夠決定應該利用哪些數據、哪些數據值得保留以及哪些必須丟棄？ 顯然，CDO 還需要具備建立基礎設施的技能，該基礎設施可以容納和利用值得保留的數據。 後來，這種演變將 CDO 帶到了一個新的階段。 此時，首席數據官扮演了面向流程的經理的角色。 他們將數據流程的簡化作為他們工作的一項重要職能。 現在，這需要技術敏銳度和流程管理技能。 但是，戰略規劃和業務知識仍然不是 CDO 預期技能的一部分。

新一代首席數據官

直到最近幾年，新一代 CDO 才接手。 除了業務流程敏銳度和技術技能之外，全新的 CDO 還擁有另一項專業知識——數據科學。 CDO 現在應該能夠抽像地和定量地思考，以識別和提取數據中的價值。 這將帶來更高的效率、更好的洞察力和新的收入來源。

數據存在三種狀態 - 電子存儲機制內數據庫中的物理狀態，當它呈現數據生態系統示意圖的形式時的邏輯狀態，第三種狀態是當它存在於處理數據的人的頭腦中時作為一個概念。 這被稱為概念狀態，它是組織中數據管理的一個組成部分。 與數據集的定期交互對於形成這種數據的概念狀態是必要的。 新一代CDO應該能夠管理以上三種狀態的數據。

很明顯，IT、業務流程和數據科學技能的結合將大大縮小首席數據官職位的申請人數。 然而，組織對這種組合可以帶來的積極結果持樂觀態度。 擁有一個專門的技術團隊來協助 CDO 也很有意義。 這將為人們騰出更多時間進行更具戰略性和創造性的思考，以進一步利用數據。 這樣，新一代 CDO 將能夠解決更多業務問題，並從數據中提供正確的見解和價值，同時直接影響組織的發展。

憑藉這種獨特的技能組合和數據驅動的問題解決方法，聰明的 CDO 可以顯著改善客戶體驗，從而轉化為組織的快速增長。 通過使用從網站/應用程序收集的實時數據，可以識別客戶的偏好和需求，並為他/她提出個性化的建議。 Spotify 和亞馬遜等公司的推薦引擎就是上述個性化的很好例子。 聰明的 CDO 可以利用他/她的創造力，利用手頭的數據提出更好的想法。

基於價值的大數據實施示例

推薦算法

推薦引擎是使用從用戶收集的數據點構建的，例如瀏覽歷史、購買歷史、訂閱、喜歡和不喜歡等。通過實施這一點，可以同時提升客戶體驗和參與度。 眾所周知，亞馬遜和 Netflix 擁有深受客戶喜愛的強大推薦引擎。

需求預測

使用大數據進行需求預測可以提高業務效率。 通過分析過去幾年的銷售數據，可以準確預測未來給定時間段的需求。 這支持增長並防止收入流失。

潛在客戶優先級

通過將大數據與機器學習相結合，公司開發了基於各種數據點對潛在客戶進行優先排序的系統。 這有助於他們從第一個接觸點開始了解潛在客戶關閉的可能性、收入影響和保留率。

底線

CDO 還應該是精通業務語言的人，可以在數據庫和服務器的世界之外進行通信。 業務人員必須確信以數據為中心的流程的底線，以證明他們的數據項目預算是合理的。 簡單地說，新一代CDO將有自己的盈虧問責制。 通過聘請合適的 CDO 候選人，組織可以看到其底線結果的顯著改善。