Skip to content
Menu
聂子云
  • 首页
  • 数字化转型
  • 管理与沟通
  • 学习与成长
  • 敏捷与咨询
  • 职场女性
  • 博客推荐
    • Thoughtworks洞见
    • 她说
    • By 林子
    • Bright LGM’s Blog
    • 张凯峰
    • 构建我的被动收入
    • QualityFocus
    • 软件测试与质量沉思
    • 麻广广的博客
    • 爱码叔-iCodeBook
    • 少个分号的写作空间
    • 技术圆桌
聂子云
6月 28, 202210月 20, 2022

谈谈数据项目的挑战

近几年,随着数据和人工智能越来越受关注,数据与人工智能项目(统称数据项目)也遍地开花,和传统应用类项目相比,数据项目有其自身的特点和挑战,本文就来盘一下这些挑战。

01 数据质量,横亘在理想与现实之间那道坎

企业想从数据里面发掘价值,首先需要有数据,大部分企业面临的问题不是无数据可用,而是无可用数据。

多年的业务经营,许多企业已经积累了大规模的数据,看上去是一笔巨大的财富,这就会造成一种假象,会让企业的管理者和高层过高估计数据给他们带来的价值,相应的也会对数据项目产生过高的预期。

理想状态下,数据是能够带来价值的重要的生产要素,但现实是,真正打开之后,才会发现可以直接拿来使用的数据并不多,比如数据存在各个系统孤岛里,获取不到;比如,数据的标准不统一,口径不一致;比如,数据中出现大量的错误,许多关键数据是缺失的,矛盾的,等等,这些都是数据质量问题。

举个典型的例子,服务过的某家车企,想做一些老客深挖、通过老客引入购车机会的事情,这个工作需要基于数据分析老客的特点和行为特征,从而预测老客带来新客户的可能性,但当真正基于数据做客户分析和模型开发时,发现只有不到40%的数据可用,可想而知,模型结果也就不具备很高的参考性,这和企业的期望是相背的。

所以数据项目从立项那一刻起往往就背上了一个不切实际的预期,项目被认为是炼丹炉,数据进去,丹药出来,包治百病,很少会有人考虑炼丹成功的几率问题。

要提高胜算的几率,也是有方法可循的,比如盘资产、提质量、推确权,解决历史数据中的遗留问题,从源头上管控好数据的生产问题,也就是把企业的数据统一、科学、专业的管理起来。

唯有如此,才有可能提高数据价值兑现的可能性,但这需要一个过程,这也是企业的系统工程。

总的来说,数据质量问题,是横亘在理想与现实之间难以逾越的那道坎,解决这个问题,需要决策者保持清醒的头脑,也需要决策者拥有大胆革新的魄力。

02 跨部门合作问题,人的问题最关键

许多企业里面,数据的生产者、使用者、管理者、所有者来自于不同的团队,所以和应用类项目的开发比起来,数据项目需要更多的团队和部门参与和支持,但由于大部分部门的KPI是和部门内部的职责相关的,每个部门的权责利清晰,当跨部门的协作和本部门的资源或者利益出现冲突,协作的动力便会出现问题,所以跨团队合作在很大程度上增加了数据项目的复杂度。

举个现实中的例子,曾参与过某家零售企业数据驱动的供应链数字化转型项目,项目由一把手推动,轰轰烈烈展开,启动会议上,各部门的负责人也是拍着胸脯喊口号、表决心,给人一种上下一盘棋、未来可期的壮丽景象。

但当真的着手开展工作时,会发现各部门有各部门的生存压力,年度指标压着,部门考核绑着,资源计划空着,整个数据项目就是在各自KPI之外的“爱心工程”,项目进展到第二个月,大部分部门的参与度就已经明显降低,信息收集不上来,任务推进不下去,接口人频繁变更,最终连会议也很少参加了,刚开始的时候,一把手过问一次,紧迫感提升一点,但一把手也苦于没有精力紧盯执行细节,渐渐地也就相信了各部门已经尽了最大的努力在做好份内的事情,数据工作不是想象的那样立竿见影,可以在未来徐徐图之,只是这个未来在什么时候,是不确定的事情。

这就是为什么很多数据项目,会经历高高举起、轻轻放下的过程。

总的来说,数据项目要做到有始有终,有目标、有行动、有结果,跨部门协作是绕不开的话题,归根结底这也是解决人的问题,这需要在立项的时候,相应的有组织设计上面的辅助支撑,比如,责权利的重新界定,比如KPI的调整设计,等等,跨部门协作的事情如果不能得到解决,企业里一系列和数据相关的工作,很容易变成只有开始没有下文的结局。

03 价值衡量的问题,一个悬而未决的问题

数据项目还会遇到另外一个挑战,也和跨部门协作相关,那便是如何衡量价值,如何测算ROI(投资回报率),这是很现实的一个问题。

因为要持续获得投入和支持,就要看项目的产出结果,也要看投入产出比,要获得跨部门多个团队的支持,就要给对方带来看得见的利益和价值,归根结底,数据项目如何衡量结果和价值呢?

这些价值对应到应用类开发项目,可以是上手的功能,华丽的界面,友好的用户交互体验,可以用“姣好的颜值”、顺畅的流程、提升的效率来衡量结果,也可以用获得的客户满意度来证明价值,但很多数据项目,大部分工作隐藏在“冰山”之下,比如,数据接入、数据处理、数据清洗,比如,模型开发、测试、优化,比如,数据治理,套用冰山模型来解释的话,这些数据工作如果能让人看到冰山之上30%的结果,通常代表冰山之下至少有70%的投入,所以,数据项目的投入产出比经常会受到挑战。

尽管有许多从业者已经在不断寻求和验证数据项目的衡量标准,但直到现在业界没有很好的实践和标准供参考,在这个标准被找到之前,估计还会有很长的一段路需要摸索。

04 业务与技术的调和问题,志不同则道不合

业务团队和技术团队的出发点不一样,经常会体现在诉求的不一致上,但项目的成功依赖于两个团队对于目标的认识保持一致,也需要双方对行动方案给予支持。

现实场景中,业务拥有最多的上下文,希望技术团队快速满足业务诉求是最高优先级,哪怕诉求还没有成体系,也可能会存在频繁变更的可能,但“多快好省”是永远正确的追求,但技术团队要考虑变动带来的影响,要考虑架构,考虑资源,考虑远期目标与短期需求,所以,满足了“多”,不一定能“省”,要追求“好”,实现起来不一定“快”。

比如,建设中台,或许能解决远期的效率,但未必能提升近期的速度,比如,数据治理,能辅助未来的决策更贴近“精”和“准”,但既需要业务团队参与,又需要时间周期,而业务团队背着指标分身乏力,开展业务紧迫在时间上往往也等不起。

业务和技术的矛盾,尤其在数据工作上,调和起来有很大的难度和挑战,但两个团队又互相依赖,在很多企业里面,业务依赖技术团队走项目流程,技术依赖业务提供需求上下文,并给予产出结果肯定或反馈。

解决这个问题,需要双方共同努力,业务和技术分享业务上下文,帮助技术了解诉求背后的原因和压力,技术帮助业务了解数字化和数据背后的原理,双方统一语言,频繁沟通,最终实现认知和理解上的一致。

以上是一种理想的状态,要达到这种状态,企业在文化上要鼓励沟通,尤其是跨部门沟通,在环境上要营造开放的氛围,倡导包容与理解,在组织结构和绩效考核上,要设置一些促进信息共享、跨部门合作的标准和激励。

如此,企业在整体的协作上得到调和,企业级的信息共享问题才有可能得到缓解或解决。

05 数据思维问题,一切问题的起点

在这个上下文中,数据思维是一种思考的能力,简单来讲就是如何看待数据,以及对数据能带来什么价值、如何带来价值的认知。

近几年,数据被提的次数多了,加上数据经常会和人工智能一起被提及,不同的人对数据思维的理解有着千差万别,这里面也不乏有一些错误的认知。

比如,数据是面魔法镜,能够看过去知未来,如果数据告诉不了我答案,那一定是方法有问题;比如,数据问题是技术问题,和业务没有关系;比如,数据如果不正确,一定是计算逻辑出了问题,系统的错;比如,技术是个魔法棒,如果结果达不成预期,那肯定是能力跟不上。

之所以出现这样一些认知,是因为数据思维还没有建立起来,确切的说,是科学合理的数据思维没有建立起来。

很多应用类项目的开发,是思维先于行动的,也就是说,先对结果有了相对合理的预期,然后开展行动,而很多数据项目是从尝试开始的,过程中充满探索,充满未知,许多传统企业沿袭的是“不承诺结果便不能投入”的决策规则,所以数据项目立起来困难重重,即使是冲破各种困难走上探险之路,在开发的同时,也肩负着和具有不同数据思维的人沟(ZHAN)通(DOU)并影(JIAO)响(YU)他们的工作,这些都会使数据项目的困难度和复杂度陡增。

总的来说,数据如同企业的生命线,它的产生和流转贯通企业的业务和运营,数据的工作牵一发而动全身,绝不是拿着钳子拧螺丝就能解决的简单明了且具体的事情,要把数据工作想清楚,规划好,执行下去,既要做正确的事,又要正确的做事,需要企业上上下下具备数据思维。

这种思维需要在业务和数据之间建立联系,既要创新又要谨慎,既要守住优势,又要探索新知,不保守不冒进,所以说,数据思维是企业整体的能力,建设这种能力也是数据项目的挑战和使命。

总结一下,和应用类项目比起来,开展数据项目会面临一些新的挑战,这些挑战给数据项目的开发和管理带来了新的困难,如何更专业更成功的管理好数据项目,这些实践值得被探索和总结。

发表回复 取消回复

您的电子邮箱地址不会被公开。 必填项已用*标注

分类

  • 学习与成长
  • 敏捷与咨询
  • 数字化转型
  • 管理与沟通
  • 职场女性

标签

人工智能 人才 写作 创新 合作 女性 学习 客户 成长 敏捷 敏捷转型,敏捷,转型,企业转型 数字化转型 数字换转型,沟通,咨询,合作 数据 数据驱动 智能企业 沟通 沟通,合作,思维,知识 管理 精益组织 组织转型 职场 能力提升 过程改进 需求 项目管理 风险管理

聂子云的公众号

近期文章

  • 数据驱动的创新,从理解7个认知开始
  • 为什么我们开发了那么多报表,却依然做不好管理
  • 数据驱动的创新,从想法到行动
  • 当我们谈数据驱动变革的时候,我们在做什么?
  • 聊聊“接地气”的职场女性
©2023 聂子云 | Powered by WordPress and Superb Themes!