1704274080
•是不是必须兼容才行？
1704274081
1704274082
•如果不兼容，新技术如何获取数据？
1704274083
1704274084
这三个问题的答案决定了新技术是否能够在新环境中创造出预期的增值效果。
1704274085
1704274086
迭代增量，小步快跑！
1704274087
1704274088
智能化地引进数据分析技术意味着，不断接近敏捷编程方法中的迭代开发逻辑，Scrum是这其中最常见的一种方法。当项目负责人喊出“迭代增量，小步快跑”这一口号时，他的意思是，将原来列出的项目任务书扔进垃圾桶，不再考虑了。原因是现在用户的需求变化太快，原来的计划缺乏时效性，不能再发挥其作用了。通过小步快跑的方式，迭代开发技术应用以满足客户需求是更好的选择。这些小应用可能不能够满足客户的全部需要，但是它们能够满足最核心的需求。它们应该具备简单易学的特点。如果效果好，那么我们就会对其进行优化，拓展其功能，如果运行效果不好也可以承受，毕竟我们的投入还不算很大。
1704274089
1704274090
虽然我们知道，上面所描述的情况不能百分之百地应用于大企业的数字化战略，但是敏捷编程方法的核心思想可以作为智能数据企业投资决策的指导性原则。我们不要尝试一次性转动技术的巨轮，我们应逐步去实现。哪些小项目最终能够带来预期的增值，在这方面也是遵循“二八法则”。
1704274091
1704274092
1704274093
1704274094
1704274095
智能数据：如何挖掘高价值数据 [:1704272170]
1704274096
智能数据：如何挖掘高价值数据 第11章 智能化地引进人才和开展培训——正确选择员工
1704274097
1704274098
先说一个好消息。对大多数企业来说，并不需要为了更好地使用客户数据信息而去新增雇用很多具备不同才能的员工。如果我们能够在现有员工中发掘合适的人才，去启动、推动、组建、控制智能数据流程，这就足够了。如果某个创新项目是通过追加雇用多名数据科学家和大量分析人员获得成功的，那也不明智。我们确实不需要这样。我们需要在企业内部组建一支先头部队，并组织外部资源给予其支撑。
1704274099
1704274100
对大多数企业来说，并不需要为了更好地使用客户数据信息而去新增雇用很多具备不同才能的员工。
1704274101
1704274102
1704274103
1704274104
1704274105
让我们从企业人力资源管理的视角出发，去审视一下在智能数据流程中核心岗位的人员都需要具备哪些素质。
1704274106
1704274107
战略规划官
1704274108
1704274109
作为企业的战略规划官，首先要考虑企业需要借助数据解决哪些商业问题？在企业顺应智能数据流程的实践过程中，战略规划官需要组织协调同经营目标、潜在机遇和必要基础变动相关的重要部门。战略规划官需要有宏观眼光，但同时也需要有具体的实施计划。战略规划官也被称为企业智能数据流程的指挥官。
1704274110
1704274111
最适合这个岗位的自然是企业的董事或者总经理。企业战略规划官可以来自传统的战略规划部门，也可以是数据分析部门的负责人，在改革中，他们的理念可以实现与企业高层的高度协同。我们曾经结识某企业集团后备领导人中的一位佼佼者，他意识到了作为战略规划官所能获得的重大机遇，出色地完成了工作任务，最终使自己成长为年轻有为且最具执行力的复合型项目人才。
1704274112
1704274113
企业战略规划官必须同时具备三项核心竞争力：
1704274114
1704274115
☆在既有的经营模式下，战略规划官要能够出色地识别出当下以及将来的市场成功因素。
1704274116
1704274117
☆战略规划官需要将智能数据方案的实施步骤和逻辑内化于心。
1704274118
1704274119
☆战略规划官要理解，结果开放和以结果为导向并不矛盾，它们是数据项目中关键的试验步骤。
1704274120
1704274121
小结一下：企业战略规划官必须是具有现代化领导理念的管理者，能够识别出争取客户的机遇和数据技术，并且知道并不仅仅因为他是管理者，他的想法就是最正确的。
1704274122
1704274123
数据科学家
1704274124
1704274125
从智能数据流程的第二步起，我们便开始需要精通数据应用的同事们的辅助。这一类人才在市场上稀缺且昂贵，如果他们之中有人能够被纳入数据科学家的行列，那么就更稀缺、更昂贵了。两年前，托马斯·达文波特在《哈佛商业评论》上撰文宣称，数据科学家是21世纪最性感的工作。他在同名文章中将数据科学家比作“新鲜出炉的面包”，他们不仅具有高深的分析及统计能力，而且对商业流程和经营模式有着深入的理解。正是由于具备这两项能力，使他们能够兼具IT人员和非IT人员的理解和表达能力，最终可成为最富价值的“金牌外交家”。在IBM，什么样的人才能被算作数据科学家？他们要能看懂数据库记录，在其他人还迷惑不解的时候，他们就已经看清了趋势。在博客中对数据科学家有这样的描述：“一半是分析师，一半是艺术家。”
1704274126
1704274127
我们希望每一个数字化企业够能拥有足够的、（在理想情况下）雇佣价格合理的数字科学家。在数字革命中，我们虽然不能说数据科学家是超级英雄，但是我们也不能否认，在数字化变革的每一个阶段，拥有数字技术和商业运营双重知识背景的数字化科学家都做出了极大贡献。在很多数字化项目中我们也发现，有的时候并不能找到一个现成的数据专家，而是需要去发掘或者组建数据团队，比如从IT部门或者从战略营销部门抽调人手，然后整个团队再坐下来一起分析数据。在IT部门和客户关系管理部门总是能够找到一些电脑科学家，他们即偏爱统计学和数学，又对经济领域有兴趣。对于这些“老面包”（与前文新鲜出炉的面包相对）来说，如果谁能够把他们从乏味的编程工作中解脱出来，那他们会很高兴的。如果有必要的话，对他们进行一些商业数据分析方面的培训，使他们能够探索性地处理数据，这样他们会更高兴。他们会去尝试曾经在最喜欢的大数据博客和专业论坛中接触到的东西。经验告诉我们，这批充满好奇心的IT人员一定会成为项目的主推力量，在新的项目中，他们也会忘我地去工作。
1704274128
1704274129
如果通过内部调配人员或者重新招聘仍然无法满足人力需求，我们也可以将某项特定工作承包给外部数据服务商。我们在使用数据外包服务（基本都是外包给专业化的咨询公司）的时候需要注意，外包服务商从一开始就接手一项任务，他们最终交出的结果不可以只是一份PPT材料。他们必须负责，以BOT（建设—运营—移交）的方式完成这项任务。这种任务执行方式不便宜，但是如果依靠企业内部能力无法完成，那么就必须采用这种方式。因为如果外包任务执行得不彻底，没有完整地解决数据方面的问题，我们在执行的过程中往往会面临失败。在这种情况下，分工合作就是正确的选择。企业内部IT部门负责抓取数据并将数据提供给外部数据服务商。服务商首先要开启智能数据流程，然后按照最优的标准分拣数据，再对往来数据进行聚类分析，最后再运行相关算法。在理想的情况下，外部数据服务商不仅仅提供统计分析结果，而是在与内部IT部门合作的过程中，也与企业内部人员共享认知。