数字化|数字化转型不可或缺的6个要素( 二 )

“数据驱动业务”并不是一句口号，其落地的第一步便是人才队伍的建设。完整的数据体系不仅需要掌握数据战略的高层人才，也需要熟稔技术、应用、算法的中层、基层人才。

文章插图
首先从高层人才方面考虑，很多企业在数字化转型过程中，可能会换好几轮 CTO。每一位 CTO 对数字化转型都有不同的见解，因此他们对公司的数字化转型方案都有不同的执行侧重点。
这有可能造成企业的数字化转型工作持续在某一个环节打转，没有进展。企业在高层人才建设方面，除了缺适合的 CTO 外，还缺 CDO。
CDO 旨在通过采用数字技术创造新的商业机会，主要负责推进企业的数字化转型执行工作。该职位要求既能理解上层的数字化转型方案，又深谙技术原理和业务逻辑，可以有效推动数字转型工作的细节，实现数据赋能业务。
其次从中层人才方面考虑，中层需要解决将数据转变为数字化产品并赋能业务的问题。在这个过程中，需要中层人才推动每个业务场景下的转型任务，使技术部门与业务部门完美配合。
最后从基层人才方面考虑，企业需要形成一支多兵种配合作战的队伍。不同性格、工作习惯、职业技能、专长方面的人可以根据项目需要协同工作，实现更高的工作效率。
在基层人才的配置方面往往会产生一个现象，即某一方面的人才饱和，比如写代码的人员偏多，但缺少数据分析师、产品经理、算法工程师这些既懂业务又懂技术的多面型人才。企业的人才配置不合理，就无法高效赋能前端业务。
其中，中基层的数字化人才需求较大。企业可以建立自己的培训体系，培养合适的人才，为企业多维度配置人才、形成系统化的人才梯队做好准备。
企业只有拥有数字化人才，才能形成数字化文化，才能以一定基数和规模的人才来推动数字化的应用。因此，数字化人才队伍的建设对数字化转型的企业来说，至关重要。
四、工具工具企业不能妥善使用数据还可能是因为缺少数字化工具。信息化并不等同于数据化、智能化。CRM、ERP 等系统的部署仅完成了企业数据智能应用链条上数据采集这一环，数据加工、数据挖掘、数据分析等环节均需要不同工具来实现。
数字化工具可以提高企业管理的效率和质量，但必须建立在完整的工具体系基础上。因为数据工具之间的格式大多存在差异，如果不将这些数据格式统一，就无法形成数据闭环。滥用这些数据工具，容易出现错误的分析结果，并且难以定位问题到底是出现在数据融合环节还是数据分析环节。
因此，企业要实现数据驱动业务，不仅要搭建不同环节的工具体系，还要在数据共享的基础上使数据工具之间形成闭环。
五、经验经验缺少数据运营经验，企业使用数据也会困难重重。那些率先完成数字化转型并成功搭建数据中台的企业，大部分都具备丰富的数据运营经验，比如数据中台概念的提出者阿里巴巴。
数据中台是阿里巴巴在数字化转型浪潮下，不断革新大数据建设并经历多次实战后提出的概念。阿里巴巴数据中台的建设依靠的是阿里强大的数据处理能力。
一般企业并不具备阿里这种行业顶级公司的数据应用开发和数据治理能力，面对海量的历史数据，常常“束手无策”。他们不了解大数据的应用场景和数据价值，难以准确摸清大数据应用需求，也就无法对企业的发展实现自我诊断、挖掘数据背后的价值。
业务部门不能提出清晰的数据需求，数据技术部门在短期内无法帮助业务部门挖掘数据价值，企业的决策者可能会认为数据技术投入与产出不成正比，这在一定程度上会使企业对数字化转型的战略持犹豫、观望的态度，不仅影响了企业挖掘数字化时代的商机，也阻碍了企业依靠数字化转型沉淀技术和数据应用能力的进程。