8 CTO/CIO如何把控数字化转型
CTO/CIO除了需要具备很多技术相关的能力并紧跟技术发展趋势外,还需要重点关注如何为数字化转型选型、如何盘点数据资产以及如何组织技术团队。
8.1 数字化转型对CTO/CIO提出的要求
8.1.1自我提升
1) 系统化地学习数字化转型
以前,IT出身的CTO/CIO更多是负责研发管控型软件,实现业务流程线上化,确保软件实现的良好交互效果,还负责筛选供应商,确保软件开发更高效。但数字化转型决定了数字化需求是赋能型的,比如CTO/CIO需要以数字化的方式赋能业务人员,令其更高效地完成工作,或者让公司的业绩快速达到目标。
2) 理解数字化转型方法论
以前,IT人员选择的开发模式大多为敏捷开发法、项目管理法,但数字化转型要求基于数据创新。IT人员工作时间久了,会形成一定的路径依赖,下意识地选用自己最擅长的方式来开发产品,CTO/CIO需要改变思维方式,理解数字化转型的方法论。
3) 主动创新
以前,IT人员更注重对技术的提升,而数字化是基于数字化手段实现整体的业务目标,它要求IT人员改变被动接受指令的习惯,主动创新。
4) 调整心态,积极应对挑战
做到CTO/CIO这个职位的技术人员,可能在擅长的领域已耕耘多年,技术实力很强。但数字化转型需要的能力模型是不同的,CTO/CIO不应以过去的思维和方法去解决现在转型中遇到的问题。尽管数字时代所用到的技术都有相似性,但具体的执行细节却并不相同。
5) 具备体系意识
一些CTO/CIO以碎片化的方式了解数字化转型,缺少成体系的执行方法论,致使在项目实施过程中不明白到底该在哪个点发力、在哪个点浅尝辄止。这些不确定性可能会让企业错过创新和成功的机会。
8.1.2 应对之道
1) 开阔技术视野
CTO/CIO要不断开阔自身技术视野,对各种技术的发展趋势和应用场景都有所了解,这样才能应对不同层面的问题,才能知道在不同场景下应用哪些技术。此外,很多问题要想得到解决,也离不开CTO/CIO开阔的技术视野以及解决问题的经验。
2) 提高技术背景
CTO/CIO需要具备资深的技术背景以及丰富的工作经验,因为只有深入了解团队成员使用的工具、工作流程以及程序设计方式,才能更好地指导工作。
3)加强团队管理
团队管理的核心就是对人的管理。如何加强团队凝聚力,充分调动团队成员的积极性和创造力,是CTO/CIO需要深入思考的问题。
4)建立企业文化
CTO/CIO既是技术人员未来发展的标杆,也是公司向下沉淀文化的渠道。营造良好的企业文化,离不开CTO/CIO对团队建设的热情和对新人的带领。作为CTO/CIO,也应该多多把握与同事分享经验以及增加对企业和行业了解的机会。
5)培养产品意识
CTO/CIO应具备一定的产品意识,把客户需求放在第一位,并且选择适用于产品研发的技术。
6) 增强沟通能力
CTO/CIO作为企业技术方面的最高负责人,掌握着技术方面最全面的信息,并需要与各个层面的人进行技术方面的沟通与交流。既要能够协调内部工作,还要维护外部关系。
8.2 CTO/CIO 如何选型
8.2.1 IT为构建数据中台提供基础设施支持
1) IT为数据中台确定实施方法
CTO/CIO可通过ETL(数据仓库技术)对企业内外部数据进行提取、转换并加载、整合,构建一个庞大的数据网,在此基础上搭建数据中台。数据中台可帮助业务团队分析数据并合理分配工作,满足业务部门的需求。
2) IT助力开发数据自助分析服务系统
IT技术作为构建数据中台的手段,能够帮助数字化转型企业开发具有强大数据处理分析能力的自助服务系统,为数据分析师或数据科学家等业务角色提供可直接使用的数据集成技术,促使公司各层人员有意识地关注数据,监控数据质量。
8.2.2 DT 构建数据中台提供技术架构支撑
1) CTO/CIO与CEO及各部门合作,共创数字化愿景
CTO/CIO可借鉴其他行业建设数据中台的经验,与各部门合作,确定数据中台搭建方案,向CEO提供技术愿景,并在此基础上制定新的行业愿景。
2) CTO/CIO要以业务为核心建设数据中台
CTO/CIO建设数据中台时,要以挖掘业务价值为核心配置技术资源,从而建立业务部门与技术部门可共享、合作、协同的数据中台。CTO/CIO可听取业务部门需求,建立契合中台架构的API接口,扩展数据中台数据采集范围,开发适合业务人员分析数据的模型,赋予业务人员决策的灵活性,并开发数据溯源体系,帮助业务人员和开发人员在数据分析应用的过程中追溯数据,同时采取一定的措施监控和审计数据。
3) CTO/CIO要优化数据中台技术
在数字化转型过程中,CTO/CIO肩负搭建数据中台的重任,并负责组建及运营团队。同时,CTO/CIO还需要保障数据中台能够持续运转,为前端业务部门提供源源不断的数据分析应用服务。因此,CTO/CIO需要定期评估中台的优化能力,包括操作编排、机器学习、内部审查、模型构建、单元数据分析和与关联系统的智能互动等功能,从而保障数据中台随时满足数据共享需求。
8.2.3 选择数据中台时应关注的问题
1) 是否能节省成本
2) 是否能快速产生应用
3) 是否用智能的方式处理数据
4) 是否可以帮助创造业务价值
8.2.4 CTO/CIO选择数据中台的建议
1) 数据中台应具备前瞻性和开放性
2) 数据中台应具备兼容性
3) 中台架构应标准化
4) 数据中台应做到运维成本可控
5) 数据中台应保障数据安全
6) 数据中台的建设周期要短
7) 数据中台应具备行业落地案例
8) 完善的数据中台供应团队
8.3 CTO/CIO如何治理数据
8.3.1 数据治理的步骤
1)数据集成
即根据业务需求及特性,将企业内部管理系统和外部数据融合。数据融合要完全覆盖业务场景。数据集成的工作原理是通过各种数据工具融合不同渠道的业务数据并保持长期稳定运行。
2) 数据治理
首先需要设计数据治理模型,包括建立数据标准。建立数据标准要深入产品和业务系统中,以便为后期数据智能化管理提供稳定的基础。数据标准包含不同方面,比如数据应用标准、业务数据标准、数据实践标准。
3)数据服务
数据服务是为使用场景准备的。建设数据中台会经历从局部数据到全域数据的整合过程,并且涵盖企业全部业务系统。在庞大数据的基础上,依据不同的业务场景和产品类别,会形成特定的数据服务,这些数据服务可为业务部门提供用户画像、群体标签等助力营销推广的内容。
4) 数据安全
数据不但要满足企业内部使用,还会因业务合作与外部产生联系。因此,保障数据安全变得十分重要。在数据中台架构之上,可针对不同的数据类型进行不同形式的安全设定。依托数据中台数据分层保护机制构建的数据安全服务中心,可以保护来自不同系统的数据。在与外部进行数据合作时,可以通过数据中台搭建的公共空间完成隐私数据的安全交互。
8.3.2 数据治理标准建设
1) 数据治理管理条例出台
不论是金融业、零售业还是传统产业,这些成熟的行业都会有一套相对完整的数据标准,且是从行业业务特性出发对数据进行定义。这套数据标准是行业通用的,企业也可以采用行业标准作为数据治理的参考。
2) 数据治理意见和指导
随着数字化浪潮的推进,数据治理的相关标准也在不断改进。对于数据治理,国家也出台了部分指导意见,企业进行数据治理时可将其作为重要参考。
3)数据全覆盖
数据全覆盖包含3方面内容,分别是数据治理全覆盖、数据架构全覆盖和业务领域全覆盖。
数据治理全覆盖是指在思考数据治理的时候要搭建体系化的数据治理工具。数据治理团队搭建的数据治理模型不仅要契合中台的功能,同时,数据治理团队还应该考虑到数据获取方式、数据类型和内容、数据应用方式等,这些可以为完善数据治理模型、调整数据治理方向提供思路。
数据架构的全覆盖不仅包括传统的数据仓库,还包括关系型数据库的处理。数据治理的思考源头应该从应用方向考虑,数据治理的架构将会越来越复杂,覆盖面也会越来越广。
业务领域全覆盖是指数据治理要覆盖全部业务场景,包含常规业务数据,比如银行的贷款、储蓄、理财业务,以及更为细化的业务内容,再比如银行教育性金融产品、旅游性金融产品等。
伴随消费场景的不断变化,新的业务领域会不断呈现,数据治理的方向也会越来越多,这就要求企业要全面进行数据治理。
4) 以应用驱动数据治理
数据治理的目的是智能应用,数据治理和数据应用必须不断融合和过渡。数据治理要有目的,需要一开始便制定好数据治理的标准和方法,在实施过程中不断以应用为出发点逐步推行。
8.4 CTO/CIO如何组建数据团队
8.4.1 数据团队成员构成
1) 中台底层架构建设团队
中台底层架构建设团队由数据开发工程师、数据平台架构师及运维工程师组成,主要负责搭建数据中台基础架构。
2) 数据运营管理团队
数据运营管理团队由数据开发工程师、数据挖掘工程师、数据仓库架构师组成。在数据中台底层架构搭建完成后,对于数据的接入、归集、清洗等围绕数据中心进行构建的工作将由这些人完成。
3) 数据智能应用团队
数据智能应用团队主要由业务分析师和建模分析师构成。该团队利用数据运营管理团队提供的大量、丰富的数据服务,开发数据分析智能应用,为产品研发、更新以及新业务的拓展提供更多数据方面的决策意见。
8.4.2 数据团队的工作方式
数据团队的工作由两部分构成。首先是搭建数据基础技术架构,其次是在数据中台架构之下为企业的产品和业务提供数据服务和数据模块化产品。
数据智能分析管理团队主要对企业内外部数据进行接入、整合、清洗、归集、存储、管理和分析,将数据按照一定业务要求和规律填充到中台架构中,完善、充实中台基础架构,在中台之上形成企业内部的数据中心,并配备专业的数据挖掘和数据建模能力,为前端业务平台提供多维度的数据分析和智能应用服务。