数据决策避坑指南

负责人，并到2024年一步步发展成为新的“代理COO”。但以下两个问题往往困扰着刚踏上这段旅程的CIO们：

• 我该如何将这段过渡成为有益于企业及员工的探索?
• 在踏上这条未知道路之前，需要考虑哪些陷阱?

在本文中，我们将着眼探讨三大核心因素：“数据堆栈”究竟从哪里开始;CIO们需要关注哪些架构变化;以及该如何实现“业界最佳”与“超越自我”。

推动“数据堆栈”现代化

在解决“技术基础设施”的现代化问题方面，CIO们首先需要关注数据、AI与分析人员队伍的快速增长与最新变化。

就在几年之前，DJ Patil与Tom Davenport还将数据科学家评选为“世界上最性感职位”。但实际上，数据科学家的热度正逐渐褪去——根据LinkedIn发布的2020年新兴工作职位报告，“人工智能专家”才是增长最快的第一职位。

当然，这不是说数据科学家职位已经彻底衰落。目前，其在榜单上仍然排名第三，但在吸纳新人才的能力方面，数据科学家已经无法与人工智能专家相比肩(过去四年内，岗位增长比例分别为37%与74%)。

总结：“数据堆栈”现代化的起点在于您的员工。请评估现有技能，并确保后续会吸纳更多新鲜血液。另外，请制定起明确的计划，思考如何培训现有员工以引导他们发展为数据科学家，所需的培训内容又与“AI专家”有什么不同。

提示：人工智能专家的收入比数据科学家高40%：在发布内部课程与职位描述之前，推荐大家参阅此LinkedIn交互工具以了解相关技能、学位与薪资期望。

技术架构的演变

过去十年当中，数据、人工智能与分析领域发生了巨大的变化：从Hadoop的迭起兴衰，到云计算这一核心驱动力的普及执法。

就在几个月前，Gartner正式发布预测，称云计算将是一种“必然”。到2022年，公有云服务将在90%的数据与分析创新项目中发挥重要作用。

麦肯锡方面则警告称，要发展成为数据驱动组织，企业必须有能力使用云数据仓库、开放数据湖与实时分析平台对原有IT资产进行现代化改造。

波士顿咨询集团则建议，大家应重新调整数据与数字平台(DDP)的构建方法，并将其与云服务提供的全新租户架构融合起来：

• 数据与核心事务系统彼此分离
• 通过API在系统之间创建模块化接口
• 将数据即服务交付给全渠道智能业务层

最后，风险投资公司Andreessen Horowitz呼吁采用“统一数据基础设施”，借此适应行业中的最新架构变化。

说了这么多，很多朋友是不是感觉有点头晕?面对这么多建议乃至最佳实践，CIO到底该怎么做?我的建议很简单：首先明确哪些因素对员工乃至企业的业务产出影响最大。接下来，我们将从近期三大数据架构变化的角度出发，有针对性地找到答案：

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!