無論是著名的摩爾定律，還是我們自己用于大規模分析的感知型企業(Sentient Enterprise)成熟度模型——都具有無數的框架，以便理解創新和突破是如何相輔相成，推動數字化的快速增長。其中，越來越清楚的一點是，分析解決方案必須能夠實時管理和擴大創新。有時候，這種快速的成功會給自身帶來全新的挑戰。
我之前曾經主張采用快速試錯(fail-fast)策略來獲取最大的洞察力、恢復能力和最終的競爭優勢。我即將在這里討論的是 “成功癥狀”挑戰——準確地說，這種類型的挑戰是一些新的技術能力造就的。
某些成功的癥狀可以像技術問題一樣“生動”。例如，在2016年行業論壇上，一位來自領先共享車服務企業的資深數據高管與同事進行討論：實際情況是，這家公司在匹茲堡首先發起了無人駕駛出租車項目，并在賓夕法尼亞州獲得了成功——這種情況引發了新的令人討厭的問題，比如“如果乘客在乘車過程中發生嘔吐，出租車如何進行自我清潔？”
幸運的是，這位高管告訴聆聽其小組討論的聽眾，算法沒有那么不堪一擊——基于推測，可讓他們利用環境傳感器和清潔工邏輯找到新的解決方案，從而不會讓作為下一個乘客的您明顯發現這輛出租車應該停止服務。
在同一個論壇上，我也聽到了另一個例子。一位來自棒球大聯盟球隊的資深數據分析主管討論了利用球員健康數據以獲取競爭優勢的合法性問題。通過分析，可將健康數據與實時指標進行對照，從而確定球員在比賽中的健康度、疲勞度和表現。但是，這就產生了一個新的難題：這種寶貴的健康數據是屬于球隊（作為球隊資產），還是球員呢（作為受到聯邦《健康保險隱私及責任法案》保護的個人健康數據）？
在這個案例當中，這位高管表示，該球隊的政策是尊重患者隱私，但同時仍然會使用較為不敏感的整體數據或其他輸入，如身體素質評估。不管確切的補救方案是什么，只有在新技術能力指引的前提下，這類政策性問題才會產生。
成功的另一個癥狀：對數字領導力的需求創新提升能力，這反過來又產生了新的業務或政策問題。前面兩個例子在闡明觀點方面還可能較為狹隘。為此，讓我們來審視影響我們整個產業的更為廣泛的因素——這就是缺乏數字領導力。
與其他成功的癥狀一樣，數字領導力的匱乏是在容量、連接和帶寬飛速發展，并讓大多數公司能夠獲得前所未有的大數據能力的大背景下產生的。這個挑戰，正如我經常引用行業分析師Tom Davenport的話說——“與購買數字領導力相比，購買數字能力要容易得多。”
“如果您不處理實物資產和業務流程問題，您就不會有可持續的變化，”這是一家正在經歷自我變革的大型網絡跨國公司的首席數字官最近提醒我的話。他表示，成功就是圍繞著數字化運營模式和技術進行創新。“您應該圍繞角色/責任進行創新，圍繞洞察力、能力、行為和操作程序進行創新，”他說道。
當您促使企業從數據尋找真實答案的時候，成功需要適應不斷的變化。理想的情況是，您的系統架構和設計可以應對未來不斷增長且超出原先預期的數據、用戶、查詢和需求。您的成功模式需要基于周密的長期規劃，并意識到需要一致性的可擴展的增長。
京公網安備 11010502049343號