凌　平　刘光强

如何在更短时间和更小风险范围之内做出更好的业务决策?为保持持续增长,企业面临各种挑战。而内部数据的不可靠性是其中之最,因为这些数据往往是用作决策依据的。

从两年到6~8个月

大多数企业数据管理方面的问题是,采用自顶向下的方法,且只着眼于短期的业务需求目标。要做好数据管理少不了业务经理的合作支持,但业务经理会以此争取自己部门的利益,用其去支撑实现一些业务目标,而不会太注重费力不讨好的数据管理流程本身。

只有极少数公司的数据管理实际有效,因为在大多数情况下,对数据管理而言,自顶向下的方法是无效的。如果用典型的自顶向下的瀑布模型来实现数据管理,企业需要花6个月时间来形成决议,再花6个月时间来定义和启动项目,然后花6个月时间收集需求,最后再花6个月争论相关的技术……这样,两年下来,所有的人都只是在无数的会议中浪费时间,而数据管理却不会有任何实质性进展。

为解决这一问题,企业应该借鉴敏捷开发的方法。通过引入敏捷的管理流程,公司可以先在小范围内快速实现数据管理流程与策略,并逐步进行适应和调整,在解决业务需求和数据自身问题之间找到最恰当的平衡点,使得数据管理流程更加稳定,比如将其重心放在其客户数据的关键数据管理项目上。

想要尝试敏捷数据管理方法,公司需要遵循一些基本原则,来帮助公司取得成功。首先,最为重要的是,要重点处理那些能够为企业带来最大业务利益,以及能够确保项目取得成功的条件与数据。其次,要限制数据管理团队的规模,但同时也要保证在项目的每个阶段,所涉及的数据都有团队成员对其一清二楚,只有这样才能帮助提高流程的效率,并消除绝大多数的潜在问题。最后,在项目的每个部分,都指定稳固的数据管理团队帮助确保最后的成功。

在整个项目开始之前,企业需要选择一个核心而精干的数据管理委员会,这个委员会必须能够代表企业高管关于整个企业业务目标走向的策略性思想。这个委员会的意图要让整个公司彻底理解,从而能够将企业所面临的各种关键的数据问题加以分门别类,进而确定哪几个重要的问题应该首先跟踪解决,这其中包含最为关键的第一个项目,那就是必须让这个数据管理项目取得开门红,为以后的项目进展带个好头。要解决的数据管理问题是那些严重破坏可靠性,并会对企业利润、生产率、生产周期、客户满意度、风险、名誉、成本节约、员工士气等关键方面起到严重负面影响的问题。这个数据管理委员会将最终为总体的数据管理流程负责,但他们并不直接负责具体的项目。具体实现时,需要将数据管理分割为细小的单个项目,并确保这些项目都在往一个方向努力。但现实情况下,这可能会严重影响其敏捷性,甚至严重拖累整个项目的进展。

敏捷数据管理的七个步骤

在敏捷数据管理项目的每一个阶段,都应该由专门的实现团队来管理,他们要与公司其他部门的人员一起工作,采取一系列的具体步骤,最终才能实现成功的目标。以下是一些推荐的步骤,按照这些步骤,企业有望取得成功。

1.搭建第一个项目的管理团队。

在设定了数据的优先级之后,核心管理委员会就应该选择实施项目第一阶段的管理团队。这个团队的选定与数据管理改进的关系最为密切,从这个项目中收益最多的高管应该参与这个团队,以确保项目能够及时有效地完成。项目的每一个部分都需要不同的团队成员,这取决于要解决的数据问题所关联的部门和人员。例如,一个公司在解决B2B的分层数据时,其团队的成员与解决其产品分类问题的成员自然应该有所不同。

2.精确定义数据问题。

数据管理实现团队应该评估和确定要解决的数据问题的规模和范围。他们必须清楚地定义试图解决或者改进的业务问题,然后集中精力处理与之密切相关的问题,而暂时放弃其他问题的处理。如果一个仅涉及单个数据问题的项目需要花费多于8个月的时间才能完成,那么很可能设定的范围太大了,应该进一步分割细化。

3.建立数据处理工作团队。

数据管理团队应该建立一个专门负责具体处理工作的部门,由那些最熟悉这部分数据的工作人员组成。他们会处理大多数与特定数据相关的最困难的工作,并为找出不可靠数据、修正这些数据及防止新数据产生错误的具体技术和方法负责。数据管理委员会应该对他们的工作给予最大的支持,让他们的工作能够顺利地得到其他部门的配合,最终圆满地完成。

4.验证或者反驳最初的假设。

数据处理工作团队的首要任务就是验证或者反驳数据管理团队的假设,即先要调查所选择数据领域的数据质量问题。这其中包括理解数据质量问题的数据发现、在系统边界可能出现的数据转换、数据超负荷的消息查看、ETL转换检查及数据整合等工作。

他们的进一步工作是要确定数据质量问题的影响、数据问题的根源性原因以及对其进行处理可能会带来的不利影响。对于大型跨国企业而言,出于范围管理的考虑,先集中处理整个系统的具体一小部分问题,无疑是更加明智的选择。

5.确立数据变更策略。

在数据处理工作团队提交其分析结果之后,数据管理团队需要从宏观上建立新的数据策略。这应该是业务策略,而不是具体的技术策略,为如何处理这些数据提供原则性指导。他们不仅要确定与系统无关数据的处理策略,还要指定与具体交易相关数据质量问题的原则,以及解决和实现跨企业数据持续共享的思路。当涉及的系统具有数据完整性约束时,管理团队还应该确保这些约束条件是符合公司业务策略的。

6.在IT部门的支持下解决问题。

数据管理团队与数据处理工作团队要一起工作,来完成具体项目的实现。这需要企业内部IT部门的帮助,他们熟悉企业现有的IT架构,能够提供最佳的操作解决方案。通常,修补工作能解决一些问题,但可能也会带来更多的新问题,有的问题会立即出现,而有的问题会潜伏一段时间才显露出来。

因此,必须在项目设计时就提出具体的指标,让IT部门在出现异常或者错误时及时捕获和报告。毫无疑问,数据管理委员会、数据管理团队和数据处理工作团队,都应该遵循严格的业务准则。

7.比较结果与预期,调整优化。

在经过解决方案试点、扩大范围到涉及的所有系统并实现新的数据管理工具之后,团队应该仔细比较结果与之前预期的不同,找出依然存在的问题。在解决了所有的遗留问题之后,需要评估这些工作在整个数据管理改进中的成效,并确定下一步的工作安排。

从小范围试点是关键

要改变目前的数据管理流程需要一个漫长而曲折的过程,在采用上面所介绍的更敏捷的方法时也可能面临着各种各样的挑战。但是,对于那些想要提高其内部数据质量进而改善其业务决策的企业而言,最为重要的还是应该从实现第一个敏捷数据管理流程项目开始探索。在6到8个月之内,这些企业就能看到回报。这种新的方法,并不需要企业管理层进行惊天动地的变化,而只是需要采取一些简单、易于控制的步骤。

需要特别注意的是,最小化工作范围是确保成功的关键要素,特别是对于那些繁忙的高管而言。敏捷的数据管理方法能够为企业带来快捷而可度量的结果,解决企业无处不在的数据质量问题。最终,企业能够依赖敏捷数据管理流程的逐步实施而取得业务上的成功。

如果自顶向下做数据管理,企业需要花6个月时间来形成决议,再花6个月时间来定义和启动项目,然后花6个月时间收集需求,最后再花6个月争论相关的技术……而敏捷的数据管理则只需要6~8个月。