大数据爆炸改变企业的决策

简介:

如今,越来越多的企业难以解决经营原则的两个矛盾。一方面,他们迫切寻求更大的灵活性;另一方面,他们希望用其流程规范企业利益相关者。这种冲突和不安导致对城传统的“集权/分权”的辩论。企业和客户需要更大的灵活性,而员工和合作伙伴期望更大的权力。因此,企业希望二者兼顾,并达到平衡。

这其中包括更多的人,但通常会增加协调成本和响应时间。而这几乎矛盾的是,更大的企业的灵活性需要更大的反应能力和提高协调能力。涉及的利益相关者越多,决定延迟的可能性越大。但有效的灵活性往往需要具有包容性的利益相关者的参与。

换句话说,更多的人希望更频繁地作出更灵活的决策,这种情况会让客户疯狂。例如在一家财富1000强公司,该公司的几个客户支持小组之间爆发了“口水战”,技术设计组急于回应用客户的投诉,同样迫切地避免临时性修复。却没有一个小组可以有效解决问题,而他们的职能重叠迅速成为冲突来源而不是努力合作。这种情况并不少见。

那些数字网络化企业,例如Slacked,Chattered,Skyped,Google公司等加剧了紧张局势和痛点:更多的利益相关者可以即时访问和共享可操作的信息。其技术有助于提高整个企业生态系统的透明度和知名度,大大提高实时态势感知能力。但是,管理和运作能力可能不会对这些数据驱动的信息采取行动。

到目前为止,处理这些紧张局势最好的和最有效的途径是25年前迈克尔·詹森在决策权的开创性工作。简单地说,决策权要明确决策的权力和责任。决策权是关于如何组织“决定如何判断”谁有权作出决定,并把它看成是对企业决策的治理模式。

詹森的微妙和精彩观点是,做出决定的权利,不仅仅是执行或负责任务的能力,而且对提高组织效率和有效性至关重要。因此,分配决策权是每一个组织重要的工作角色和任务的定义。有鉴于此,决策权可以应该被视为权力的管理机制。你或你的团队的决定权越大,则会赋予更多的权力和责任。

该RACI框架为詹森的决策权办法提供了一个很好的真实世界的实例:

负责:谁在完成任务?

问责:是谁在做决定,并对任务采取行动?

咨询:谁将做有关决定和任务传达?

知情:谁将在在项目/流程中的决策和行动进行更新?

这些问题是简单的,相对容易映射。也就是说,在一个RACI审查中发现有关个人和团队连接数字应该是简单的。越来越多的企业采用RACI(或某些变体)来创建审计问责的网络项目和过程管理。

这些网络同时成为具有包容性和灵活性的平台。想要咨询或通知的个人和团队可以选择网络;反之,当问责或负责经理需要更敏捷地响应客户的需求时,他们可以利用工作网络提供“及时”的回应。映射这些网络为利益相关者和高层管理人员创造了可视性和清晰性。为他们进入企业的决策层次结构提供了必要的窗口和镜头。

然而具有讽刺意味的是,增长最快的应用决策权上强调数字化、数据和分析。而有权访问、处理和共享数据已成为企业中最伟大的机会和争夺的来源。这种结构的转变远远超出了詹森25年前最初的设想和描述,因为大数据的兴起及其相关的分析,改变了围绕决策权的争论。

围绕数据的决策权越来越多地需要决策权的数据。换句话说,如果你的组织已经准备好进入过程,并分享10倍到100倍以上的数据,那么你的现有决策机制的权利是完全过时了。任何机智的品牌经理策划当天的营销活动,而没有纳入社会媒体分析的能力?但品牌管理者需要数据科学家和分析工具的计算能力,并从该数据获得更大的价值。因此决策权是必要的,以确定和界定品牌管理和数据管理的协作方式。

大数据爆炸完全重新定义了决策权和RACI讨论。一些公司历来注重新产品的设计和开发工作,但随着移动应用的兴起,该公司的创新重点转移远离建设更好的产品,而是促进更好的用户体验。UX需要不同的产品数据和分析问责;用户体验的重点是不同的团队和个人需要咨询和告知。从本质上讲,用户体验驱动的数据和分析平衡了灵活性和包容性之间的决策权的关系。

企业的人员和流程围绕UX决策权的技术实施,其结果证明了效果惊人。该公司通过各种形式的社交媒体和使用情况的监测获得10倍以上可用的反馈信息,并在三个月内开发出更好的版本,而不是以往的一年时间,并加大了产品开发力度,目前开发成本是原来产品开发成本的一半。

随着组织决策越来越多地采用数据驱动,高层管理人员需要保证决策权是数据驱动的。这就解释了为什么如此多的组织已经采用数据治理的战略。而相反,更多的传统IT治理,旨在为IT系统管理创造更大的问责性,在数据治理过程中人们认识到,数据是任务资产管理的关键。

如何数据得到共享(包容)?组织如何有效地利用这些数据(灵活性)?这些数据治理问题的答案将在数据驱动的决策权的创新应用中发现。数据治理的未来影响决策权的未来,而决策权的未来决定数据治理的未来。


本文作者:佚名

来源:51CTO

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
数据采集 监控 算法
利用大数据和API优化电商决策:商品性能分析实践
在数据驱动的电子商务时代,大数据分析已成为企业提升运营效率、增强市场竞争力的关键工具。通过精确收集和分析商品性能数据,企业能够洞察市场趋势,实现库存优化,提升顾客满意度,并显著增加销售额。本文将探讨如何通过API收集商品数据,并将这些数据转化为对电商平台有价值的洞察。
|
7月前
|
SQL 存储 监控
大数据Flume企业开发实战
大数据Flume企业开发实战
36 0
|
4天前
|
运维 供应链 大数据
数据之势丨从“看数”到“用数”,百年制造企业用大数据实现“降本增效”
目前,松下中国旗下的64家法人公司已经有21家加入了新的IT架构中,为松下集团在中国及东北亚地区节约了超过30%的总成本,减少了近50%的交付时间,同时,大幅降低了系统的故障率。
|
4月前
|
分布式计算 大数据 数据处理
大数据开发企业级案例__某通信企业数据处理需求(建议收藏)
大数据开发企业级案例__某通信企业数据处理需求(建议收藏)
33 0
|
4月前
|
存储 人工智能 安全
AI大数据分析对企业安全隐私的保护非常重要
AI大数据分析在提供企业发展和决策支持的同时,也涉及到大量的企业数据和用户隐私信息。因此,保护企业安全隐私是非常重要的。
|
7月前
|
机器学习/深度学习 数据采集 边缘计算
大数据和数据分析:决策制定的新方式
大数据和数据分析:决策制定的新方式
|
7月前
|
机器学习/深度学习 大数据 数据挖掘
大数据及其影响:企业如何充分利用它
大数据及其影响:企业如何充分利用它
|
8月前
|
机器学习/深度学习 分布式计算 搜索推荐
大数据在现代化业务决策中的作用
大数据在现代化业务决策中扮演着不可或缺的角色。通过数据驱动的决策、商业洞见的提取、个性化营销和风险管理等方式,大数据帮助企业更加精准、高效地运营。然而,同时也需要解决数据隐私、质量和人才等挑战。随着技术的不断发展,大数据将继续为企业创造更多的商业价值。
98 1
大数据在现代化业务决策中的作用
|
11月前
|
SQL 存储 运维
企业运维训练营之数据库原理与实践—数据库DAS简介和备份上云方案—数据上云(中)
企业运维训练营之数据库原理与实践—数据库DAS简介和备份上云方案—数据上云(中)
103 0
|
11月前
|
运维 关系型数据库 MySQL
企业运维训练营之数据库原理与实践—数据库DAS简介和备份上云方案—数据上云(下)
企业运维训练营之数据库原理与实践—数据库DAS简介和备份上云方案—数据上云(下)

热门文章

最新文章