从自动驾驶到围棋博弈，许多组织因利用数据科学让“不可能”成为可能而频登头条。因此，人们很容易忽视另一场隐形的变革：企业正日益把“已经可能的事”做得更广泛、更普及。换言之，越来越多的公司在追求更强的组织级数据流利度。DataCamp 产品研究副总裁 Ramnath Vaidyanathan 指出，组织通往数据流利的路径取决于五大支柱：基础设施（Infrastructure）、人才（People）、工具（Tools）、组织（Organization）与流程（Processes），即 IPTOP。在上月的网络研讨会中，他分享了一个任何组织都可采用的数据流利框架，帮助其从“被动响应数据”迈向“数据扩展”“数据进取”，最终达到“数据流利”。
要摆脱数据被动响应，先打造数据文化
“数据被动响应”的公司处在数据成熟度阶梯的最底层。此类公司很少访问、使用和呈现数据，导致缺乏数据文化。它使用相互割裂的遗留工具在孤岛中采集数据，并进行临时性的处理。此外，它既不投资于内部数据人才的能力提升策略，也不投资于数据基础设施。要从“数据被动响应”迈向“数据扩展”，公司需要建设数据文化与数据基础设施。为孕育这样的数据文化，公司应优先抓住易于落地的机会，让相关方切身感受到数据素养的价值，例如概念验证型的仪表板与分析项目（如用户流失建模）。同时，公司也可着手搭建数据架构与数据采集流程。
凭借合适的基础设施与组织模型，迈出“数据扩展”阶段
与“数据被动响应”的公司不同，“数据扩展”的公司已具备一定的数据战略与文化，但短板仍然明显。具备必要技能并能自信地分析、报告与呈现数据的员工寥寥无几，导致数据文化薄弱。此外，它缺乏集中式的数据存储与团队，数据与流程高度割裂。
鉴于这些不足，“数据扩展”的公司必须提升组织级数据素养。为此，需要通过建设数据基础设施与集中式数据存储来实现数据可访问性。这样的基础设施能将高质量数据存放于云端，便于所有相关方轻松访问。在合适的存储与访问机制下，员工有能力制定数据质量标准。比如，DataCamp 将数据存放在 Amazon Redshift 这一云端集中式数据仓库中，并使用 Apache Airflow 管理数据管道。由此不再受制于难以对齐的数据孤岛，而是铺就通往“单一事实来源”的道路。
DataCamp 集中式数据存储的简化示意
作为数据成熟化的一部分，“数据扩展”的公司还需为数据科学家制定清晰的组织模型。有的公司选择集中式模型，由数据科学团队作为卓越中心，处理财务、市场、工程等各职能提出的需求。也有公司采用去中心化模型，将数据科学家嵌入各个职能，专注满足该职能的独有数据需求。企业应选择最契合自身数据与业务需求的模型。
公司迈向数据流利度的下一个里程碑是“数据进取”。在“数据进取”的公司中，每个团队至少有一位数据流利的员工，能够分析、报告并呈现其数据。然而，由于数据基础设施仍在成熟，数据质量与可发现性仍有提升空间。尽管员工具备一定数据素养，数据仍几乎只用于报告，价值未被充分释放。难以获得数据工具与流程进一步抑制了数据的普及与民主化。
要从“数据进取”迈向“数据流利”，组织应依据 IPTOP 数据流利框架，同时推进数据基础设施、人才、工具、组织与流程的建设。
在过渡过程中，公司可通过为员工制定并投入合适的能力提升策略来强化数据文化。这意味着持续的数据教育，应兼顾不同的数据人群画像与公司的业务目标。比如，AT&T 的大规模人才转型在 10 年内投入 10 亿美元，为 14 万名员工提升技能。通过激励数据驱动行为并奖励积极传播数据文化的“数据布道者”，公司将从更强的数据文化中受益。
作为数据素养项目的一部分，公司还可构建内部数据产品，将数据流程运营化。这些数据产品可用于完善数据质量标准并监控业务目标。例如，DataCamp 拥有内部框架，使相关方几乎无需编码即可创建可直接用于演示的业务指标可视化。
借助内部框架轻松构建的 DataCamp 仪表板
随着组织数据素养的提升，公司往往转向混合模型：数据科学家既属于集中式数据团队，也隶属于某一业务职能团队。这使数据科学团队能够构建并共享与各职能业务目标一致的数据工具。
要实现数据流利，组织必须让数据成为流程的有机组成部分。这样的流程能降低从数据中提取价值的阻力，并在组织内实现数据民主化。比如，Airbnb 的数据质量计划在全公司范围内定义并执行数据集质量，从而建立相关方对数据的信任，强化数据文化。Netflix 则通过针对不同目标人群定制笔记本模板，让相关方可以无缝创建高效的笔记本。
借助 IPTOP 框架，迈向数据流利
最终，“数据流利”是公司在数据成熟度上的理想状态。在数据流利的公司中，每位员工都具备获取并理解完成工作所需数据的能力。可靠的数据基础设施与工具让数据驱动的决策变得顺畅无阻。更进一步，公司还拥有支持跨部门协作、高效扩展的数据流程与组织模型。
显然，组织通往数据流利的道路并非线性。它需要清晰的数据战略与坚实的数据素养框架。下图总结了组织基于 IPTOP 框架，将数据素养从“被动响应数据”提升至“数据流利”所应采取的步骤。
关于扩大数据成熟度路径的更多内容，欢迎观看我们的网络研讨会，或参与数据成熟度评估。
从自动驾驶到围棋博弈，许多组织因利用数据科学让“不可能”成为可能而频登头条。因此，人们很容易忽视另一场隐形的变革：企业正日益把“已经可能的事”做得更广泛、更普及。换言之，越来越多的公司在追求更强的组织级数据流利度。DataCamp 产品研究副总裁 Ramnath Vaidyanathan 指出，组织通往数据流利的路径取决于五大支柱：基础设施（Infrastructure）、人才（People）、工具（Tools）、组织（Organization）与流程（Processes），即 IPTOP。在上月的网络研讨会中，他分享了一个任何组织都可采用的数据流利框架，帮助其从“被动响应数据”迈向“数据扩展”“数据进取”，最终达到“数据流利”。
要摆脱数据被动响应，先打造数据文化
“数据被动响应”的公司处在数据成熟度阶梯的最底层。此类公司很少访问、使用和呈现数据，导致缺乏数据文化。它使用相互割裂的遗留工具在孤岛中采集数据，并进行临时性的处理。此外，它既不投资于内部数据人才的能力提升策略，也不投资于数据基础设施。要从“数据被动响应”迈向“数据扩展”，公司需要建设数据文化与数据基础设施。为孕育这样的数据文化，公司应优先抓住易于落地的机会，让相关方切身感受到数据素养的价值，例如概念验证型的仪表板与分析项目（如用户流失建模）。同时，公司也可着手搭建数据架构与数据采集流程。
凭借合适的基础设施与组织模型，迈出“数据扩展”阶段
与“数据被动响应”的公司不同，“数据扩展”的公司已具备一定的数据战略与文化，但短板仍然明显。具备必要技能并能自信地分析、报告与呈现数据的员工寥寥无几，导致数据文化薄弱。此外，它缺乏集中式的数据存储与团队，数据与流程高度割裂。
鉴于这些不足，“数据扩展”的公司必须提升组织级数据素养。为此，需要通过建设数据基础设施与集中式数据存储来实现数据可访问性。这样的基础设施能将高质量数据存放于云端，便于所有相关方轻松访问。在合适的存储与访问机制下，员工有能力制定数据质量标准。比如，DataCamp 将数据存放在 Amazon Redshift 这一云端集中式数据仓库中，并使用 Apache Airflow 管理数据管道。由此不再受制于难以对齐的数据孤岛，而是铺就通往“单一事实来源”的道路。
DataCamp 集中式数据存储的简化示意
作为数据成熟化的一部分，“数据扩展”的公司还需为数据科学家制定清晰的组织模型。有的公司选择集中式模型，由数据科学团队作为卓越中心，处理财务、市场、工程等各职能提出的需求。也有公司采用去中心化模型，将数据科学家嵌入各个职能，专注满足该职能的独有数据需求。企业应选择最契合自身数据与业务需求的模型。
借助数据工具与流程，从“数据进取”过渡
公司迈向数据流利度的下一个里程碑是“数据进取”。在“数据进取”的公司中，每个团队至少有一位数据流利的员工，能够分析、报告并呈现其数据。然而，由于数据基础设施仍在成熟，数据质量与可发现性仍有提升空间。尽管员工具备一定数据素养，数据仍几乎只用于报告，价值未被充分释放。难以获得数据工具与流程进一步抑制了数据的普及与民主化。
要从“数据进取”迈向“数据流利”，组织应依据 IPTOP 数据流利框架，同时推进数据基础设施、人才、工具、组织与流程的建设。
在过渡过程中，公司可通过为员工制定并投入合适的能力提升策略来强化数据文化。这意味着持续的数据教育，应兼顾不同的数据人群画像与公司的业务目标。比如，AT&T 的大规模人才转型在 10 年内投入 10 亿美元，为 14 万名员工提升技能。通过激励数据驱动行为并奖励积极传播数据文化的“数据布道者”，公司将从更强的数据文化中受益。
作为数据素养项目的一部分，公司还可构建内部数据产品，将数据流程运营化。这些数据产品可用于完善数据质量标准并监控业务目标。例如，DataCamp 拥有内部框架，使相关方几乎无需编码即可创建可直接用于演示的业务指标可视化。
借助内部框架轻松构建的 DataCamp 仪表板
随着组织数据素养的提升，公司往往转向混合模型：数据科学家既属于集中式数据团队，也隶属于某一业务职能团队。这使数据科学团队能够构建并共享与各职能业务目标一致的数据工具。
要实现数据流利，组织必须让数据成为流程的有机组成部分。这样的流程能降低从数据中提取价值的阻力，并在组织内实现数据民主化。比如，Airbnb 的数据质量计划在全公司范围内定义并执行数据集质量，从而建立相关方对数据的信任，强化数据文化。Netflix 则通过针对不同目标人群定制笔记本模板，让相关方可以无缝创建高效的笔记本。
借助 IPTOP 框架，迈向数据流利
最终，“数据流利”是公司在数据成熟度上的理想状态。在数据流利的公司中，每位员工都具备获取并理解完成工作所需数据的能力。可靠的数据基础设施与工具让数据驱动的决策变得顺畅无阻。更进一步，公司还拥有支持跨部门协作、高效扩展的数据流程与组织模型。
显然，组织通往数据流利的道路并非线性。它需要清晰的数据战略与坚实的数据素养框架。下图总结了组织基于 IPTOP 框架，将数据素养从“被动响应数据”提升至“数据流利”所应采取的步骤。
关于扩大数据成熟度路径的更多内容，欢迎观看我们的网络研讨会，或参与数据成熟度评估。