提升数据价值的三项核心竞争力

在上一篇文章中，我写了关于新技术（特别是将机器学习与云计算的可伸缩性和弹性相结合）如何引领企业数据管理新时代的到来。

尽管这项技术具有变革性，但组织一直认为，仅凭技术就可以成为炼金术士，将潜在数据转化为黄金。人仍然是方程式的关键部分。解锁企业数据可能带来的刺激，给数据领导者带来了巨大的下游压力，他们需要快速产生令人印象深刻的结果。

数据主管可以从软件的演变中学到东西

大多数数据项目仍然失败。为什么？因为数据领导者及其团队努力获取足够高质量，准确的数据，以使其工作产生良好，可信赖和可操作的结果。

好消息？这个问题类似于我们在使用DevOps进行软件开发中已经解决的挑战。DevOps之所以出现，是因为传统的系统管理无法满足现代软件开发人员和企业的需求。由于技术的进步，开发人员需要一个新颖的框架，该框架允许在利用自动化的同时更快，更敏捷地开发，测试和部署新功能。

同样，DataOps为数据分析师，数据科学家和首席数据官（CDO）提供了一个新的框架，以加速为企业提供更好结果的数据分析结果。

DataOps框架包含三个支柱：流程，技术和组织。

“没有人破产获利”

这种流行的格言是选择正确的数据项目的适当建议。我一次又一次地看到数据领导者迷失了这种选择，选择了错误的项目，以至于以后产生可怕的影响。

因此，首先为每个项目评分。不要仅仅考虑哪个项目可以为企业带来最大的价值。而是将注意力集中在最容易获得所需数据和内部资源的项目上。在数据和人员的可访问性与业务价值之间取得适当的平衡至关重要。换句话说，最好解决下一个可以在下周开始工作的业务中的第三大问题，而不是从现在开始的18个月来解决最大的问题，因为这个挑战可能很诱人。

现代技术是实现此优先级的巨大推动力。得益于机器学习和其他自动化技术，探索和实验的资源成本比以往任何时候都要低，因此，如果您发现某个特定的项目比预期的要难解决，那么您就不必将自己锁定在一个特定的项目中，而不必您不必花任何成本就可以精打细算。此外，您展示初始结果的速度也得到了类似的提高，因此让您的利益相关者从构思到最初结果更加容易。

敏捷是DataOps中的关键概念。通过将大型和复杂的数据项目分解为较小的部分，可以更快地将结果提供给最终用户。您可以从那里获得反馈并衡量项目的成功程度，然后将这些经验教训整合到下一个版本中。

不要煮海洋

数据的技术前景广阔。有这么多可用的选项，最好首先考虑一下您已有的东西。谁在使用这项技术？维护现有基础架构的工具有多重要？哪些工具具有“粘性”并且很难去除，现在可以替换哪些工具？完成本练习后，从系统的角度来看，您将大致了解在哪里投入时间和资源来购买新工具。

然后定义您的结束状态。在六个月，一年，五年内，您想成为哪里？您想使用什么技术？

现在，您已经确定了当前状态和期望状态之间的差距，并且需要确定如何用新技术填补这些差距的优先级。现在，专注于寻找可以最大程度地自动化数据工程师使用规则和脚本完成的关键任务的工具。

在难以替换旧技术的情况下，用API封装它们以使相互依赖的技术可以集成在一起但松散耦合的投资将在那些旧系统最终可以更新为现代替代方案时得到回报。这也是拥抱云原生技术的千载难逢的机会，云原生技术不仅更适合工作负载，而且提供了简化的迁移路径。

建立您的DataOps团队

与评估您的技术类似，通过首先调查环境以将人们映射到他们的专业领域，从而建立DataOps团队。除了现有的数据工程师和数据使用者（市民，分析师，数据科学家）之外，定义和填补的两个主要新角色是数据管理员和数据管理员。数据管理员负责以所需格式将最完整，最新和最准确的数据提供给人们。数据管理员负责收集有关该数据及其使用情况的所有必要反馈，并修复数据或应用治理策略以确保负责任地使用数据。

这两个小组需要共同努力，但是在促进专业化方面也有真正的优势。尽早确定能够胜任新的数据管理和数据管理专业的人员，将随着您的数据熟练程度和交付速度的提高而获益。

最后，确保您的工作和野心有最高水平的适当的空气覆盖。谁负责利用组织的数据（CDO，CIO等）的成功，谁也有权统筹适当的力量来完成这些工作。没有他们的支持和监督，您的项目将无法成功启动。

结论

建立一个能够从现代数据管理中获取最大价值的组织是一个过程。希望您可以使用此建议以及DataOps的原理来快速启动此过程。