在过去二十年里，Uber、Amazon、Airbnb 和 Stripe 等数字优先型初创公司颠覆了交通、商业、旅游和银行等关键行业。各行各业的组织都已认识到，要在新的信息经济中竞争，就必须推进数字化转型。尤其在新冠疫情驱动的经济环境下，企业正在加速其流程与服务的数字化（普华永道）。尽管进行了大量数字化投资，但残酷的现实是，约有 70% 的数字化转型举措未能达到既定目标（麦肯锡）。
数字化转型项目可能失败的原因很多，但关键原因之一在于未认识到：实现可持续的数据转型是成功数字化转型的前提。Gartner 发现，不足 50% 的公司战略文件将数据分析视为在企业范围内创造价值的关键杠杆。
要在数字化举措中取得成功，领导者需要首先关注数据，而非将其视为事后才想起来用来处理临时项目的工具。—Mike Rollings，Gartner 研究副总裁
实现成功的数据转型有许多抓手——从投资数据基础设施、数据工具，到改进流程和敏捷的组织结构。然而，如果不在全组织范围内提升数据素养技能，这些抓手都难以有效推动数据转型。
许多组织尝试通过组建数据科学和分析团队来培养数据素养。但仅仅招聘数据科学家，会把数据科学孤立为一个服务中心，无法促进全组织的数据素养。此外，随着对数据科学家的需求增长，试图通过招聘来弥补数据素养技能差距并不可持续。
在数据驱动型组织中，数据科学——更广义上说，数据素养——是一种包容性的方法论，用于回答组织问题，每个人都具备用数据回答问题的能力。颠覆者与传统企业之间的关键差异不在于技术本身，而在于其数据驱动的文化、在审视并迭代其服务时从数据中提炼的洞见，以及他们所培养的数据素养能力。
简而言之，数字化转型的成功有赖于在整个组织内具备相应的数据素养技能。
弥合数据素养技能差距
确实，许多组织已认识到需要解决自身的数据素养技能差距。麦肯锡的一项调查覆盖了来自不同行业的一千多家企业，发现最紧迫的技能差距是数据分析——43% 的受访者认为在提升技能方面，这是最优先的紧急事项。类似地，普华永道 2019 年全球 CEO 调查显示，34% 的 CEO 认为数据分析的技能差距是对其组织最关键的威胁。
具有前瞻性的组织已经在加大投入，为员工提升技能，以在数字时代保持竞争力。例如，Marks & Spencer 创建了零售数据学院，提升了 1,000 多名员工的能力。Amazon 推出了机器学习大学，为工程师配备在其产品与服务中大规模部署机器学习所需的技能。Airbnb 开发了自己的数据大学，让组织各层级都具备数据驱动决策的能力。AT&T 启动了一项为期 10 年、总额 10 亿美元的项目，为其 25 万员工中超过一半的人提升技能。
总体来看，数据素养的技能提升正在带来回报。另一项麦肯锡研究发现，70% 在技能提升方面投资的组织报告称，业务正向影响已超过最初投入。例如，48% 的组织报告通过技能提升对利润增长产生了中到显著的积极影响——而 73% 的组织报告员工满意度有中到大幅度的提升。DataCamp 针对 300 多位学习与发展（L&D）负责人的跨行业调查还发现，在数据素养能力上投入成熟的公司，在营收增长、市场份额、盈利能力等方面均优于数据素养较弱的同行。
L&D 在构建数据素养方面的挑战
与传统的学习与发展举措（通常是为特定技能开设的一次性培训）不同，数据素养是一种回答业务问题的方法论，组织应当长期打磨。学习路径会因个人与数据交互程度不同而异。例如，经常使用 Excel 的营销分析师，可能需要学习 R 或 Python 才能胜任工作；而经理或领导者可能只需要了解如何基于数据做出明智决策。简而言之，数据素养并不存在“一刀切”的方案。
这也是为什么基于角色、以人物画像为驱动的学习路径更有助于大规模开展数据素养培训。每个画像与数据的关系不同，需要掌握的工具与能力也不同，才能在数字时代脱颖而出。
在 DataCamp，我们识别了在数据相关工作中取得成功所需的各类工具。更重要的是，我们发现每个数据驱动型组织中都存在 8 类关键数据画像，并总结了他们需要具备的不同技能以及最常用的工具。
如果您想进一步了解这些数据画像及其如何融入您的组织，请下载我们的白皮书。
数据转型是数字化转型的基础
在过去二十年里，Uber、Amazon、Airbnb 和 Stripe 等数字优先型初创公司颠覆了交通、商业、旅游和银行等关键行业。各行各业的组织都已认识到，要在新的信息经济中竞争，就必须推进数字化转型。尤其在新冠疫情驱动的经济环境下，企业正在加速其流程与服务的数字化（普华永道）。尽管进行了大量数字化投资，但残酷的现实是，约有 70% 的数字化转型举措未能达到既定目标（麦肯锡）。
数字化转型项目可能失败的原因很多，但关键原因之一在于未认识到：实现可持续的数据转型是成功数字化转型的前提。Gartner 发现，不足 50% 的公司战略文件将数据分析视为在企业范围内创造价值的关键杠杆。
实现成功的数据转型有许多抓手——从投资数据基础设施、数据工具，到改进流程和敏捷的组织结构。然而，如果不在全组织范围内提升数据素养技能，这些抓手都难以有效推动数据转型。
许多组织尝试通过组建数据科学和分析团队来培养数据素养。但仅仅招聘数据科学家，会把数据科学孤立为一个服务中心，无法促进全组织的数据素养。此外，随着对数据科学家的需求增长，试图通过招聘来弥补数据素养技能差距并不可持续。
在数据驱动型组织中，数据科学——更广义上说，数据素养——是一种包容性的方法论，用于回答组织问题，每个人都具备用数据回答问题的能力。颠覆者与传统企业之间的关键差异不在于技术本身，而在于其数据驱动的文化、在审视并迭代其服务时从数据中提炼的洞见，以及他们所培养的数据素养能力。
简而言之，数字化转型的成功有赖于在整个组织内具备相应的数据素养技能。
弥合数据素养技能差距
确实，许多组织已认识到需要解决自身的数据素养技能差距。麦肯锡的一项调查覆盖了来自不同行业的一千多家企业，发现最紧迫的技能差距是数据分析——43% 的受访者认为在提升技能方面，这是最优先的紧急事项。类似地，普华永道 2019 年全球 CEO 调查显示，34% 的 CEO 认为数据分析的技能差距是对其组织最关键的威胁。
具有前瞻性的组织已经在加大投入，为员工提升技能，以在数字时代保持竞争力。例如，Marks & Spencer 创建了零售数据学院，提升了 1,000 多名员工的能力。Amazon 推出了机器学习大学，为工程师配备在其产品与服务中大规模部署机器学习所需的技能。Airbnb 开发了自己的数据大学，让组织各层级都具备数据驱动决策的能力。AT&T 启动了一项为期 10 年、总额 10 亿美元的项目，为其 25 万员工中超过一半的人提升技能。
总体来看，数据素养的技能提升正在带来回报。另一项麦肯锡研究发现，70% 在技能提升方面投资的组织报告称，业务正向影响已超过最初投入。例如，48% 的组织报告通过技能提升对利润增长产生了中到显著的积极影响——而 73% 的组织报告员工满意度有中到大幅度的提升。DataCamp 针对 300 多位学习与发展（L&D）负责人的跨行业调查还发现，在数据素养能力上投入成熟的公司，在营收增长、市场份额、盈利能力等方面均优于数据素养较弱的同行。
L&D 在构建数据素养方面的挑战
与传统的学习与发展举措（通常是为特定技能开设的一次性培训）不同，数据素养是一种回答业务问题的方法论，组织应当长期打磨。学习路径会因个人与数据交互程度不同而异。例如，经常使用 Excel 的营销分析师，可能需要学习 R 或 Python 才能胜任工作；而经理或领导者可能只需要了解如何基于数据做出明智决策。简而言之，数据素养并不存在“一刀切”的方案。
这也是为什么基于角色、以人物画像为驱动的学习路径更有助于大规模开展数据素养培训。每个画像与数据的关系不同，需要掌握的工具与能力也不同，才能在数字时代脱颖而出。
在 DataCamp，我们识别了在数据相关工作中取得成功所需的各类工具。更重要的是，我们发现每个数据驱动型组织中都存在 8 类关键数据画像，并总结了他们需要具备的不同技能以及最常用的工具。
如果您想进一步了解这些数据画像及其如何融入您的组织，请下载我们的白皮书。