专家:敏捷的数据驱动决策是增长的关键

福雷斯特研究的主要分析师Boris Evelson称，数据驱动的决策对于组织的增长和生存至关重要。

但是仅仅使用数据来推动决策是不够的，Evelson周二在由Orbit Analytics主持的一次演讲中说。敏捷——能够在不断变化中迅速行动和反应——在一个组织的数据驱动的决策框架内也是成功的关键。

Evelson表示，GUT Instinct和个人体验无法打折，但数据是没有情感的事实，而依赖数据依赖其决策过程的组织是更有可能实现增长而不是那些没有的。

Boris Evelson.

他指出，自2016年以来，数据驱动的企业已经比全球经济增长了8至10倍。从那时起，全球GDP已经增长了3.5％，而数据驱动的公共公司年增长率显示27％。与此同时，根据Forrester的研究，自我认同为具有高级数据驱动的决策哲学的公司报告两位数同比增长的可能性比只有分析才能获得两位数的可能性是2.8倍。

但这是过去。现在，增长和生存率依赖于不仅仅是分析的采用。

“在现代世界，变化是新的常态，”Evelson说。“如果你在去年之前不知道这一点，你肯定会在去年3月全球流感爆发时发现这一点，当时所有的商业策略都被抛在了窗外。我们相信，这将成为未来的新常态，这个新世界将需要适应性强的企业。”

他仍在继续，自适应企业将是那些从数据中获得见解的企业。将通过分析技术和A调整的能力启用数据驱动的决策过程构建和交付以促进敏捷性。

在现代世界，变化是新的常态。如果你在去年之前不知道这一点，你肯定会在去年3月全球流感爆发时发现这一点，所有的商业策略都被抛在了窗外。

根据Evelson的说法，开发一个敏捷的数据驱动的决策系统需要具备五种能力:

• 策略:计划的愿景，承诺和沟通。
• 人们：这包括聘请首席数据官和首席分析官，追随员工的数据识字，发展卓越中心由能够为其组织提供一系列最佳实践的熟练知识工作者组成。
• 过程：这包括启用自助分析，这是一个数据治理框架，它在限制最终用户可以使用数据之间进行良好平衡的数据治理框架，同时使他们能够创造性，并使用增强智能和机器学习自动化某些任务。
• 数据：组织的数据管道、数据库和其他技术，这些技术将来自不同来源的数据聚集到单个环境中。
• 技术：人工智能和机器学习能力，使最终用户成为公民数据科学家。

“我们强烈建议您将相同数量的努力和预算和资源投入完善所有这些能力，”Evelson表示。

大多数开发真正敏捷的数据驱动的决策过程的关键是启用自助分析。

他表示，为终端用户提供知识和技术工具，让他们根据实时分析分析做出决策，这将推动增长。

Evelson说:“如果不向企业用户提供尽可能多的自助分析、商业智能和报告，就无法实现敏捷性，也无法具有适应性。”“自助服务是真正变得敏捷和适应性的唯一途径。”

但是，这是与数据治理相关，这对敏捷数据驱动的决策也是必不可少的。

“在巨额自助服务和没有足够的治理之间存在一个非常精细的线，而不是太多治理，而且没有足够的自助服务，”Evelson补充道。“希望，两者之间有一个中间地面，我们称之为金发姑娘数据治理。”

同时，所有这些能力结合在一起，使组织按照Evelson的说法变得敏捷多模式分析和报告。他们通过仪表板和报告，诊断和预测分析进行描述，使组织能够通过仪表板和报告，诊断和预测分析来获得洞察力，并最终是规范和可操作的分析来做出决策和触发行动。

如果组织未能变得敏捷并适应不断变化，它们会冒险无关紧要，最终破坏。

Evelson说，40年前，标准普尔500指数成份股公司的平均寿命约为30年。然而，随着变化速度的加快，人类的寿命已经下降到20岁左右，而且还在继续下降。

同时，避免成为路边的公司之一的方式是能够基于改变度量来制作数据驱动的决策在几小时或几天内。花几周甚至几个月的时间将数据转化为洞察力已经不够了。

“三十或40年前，它是好的[慢慢反应]，但今天这是不可接受的，”Evelson说。“他们需要敏捷和自适应。”