首席数据官应该讲什么“基本法”？

这是一个人人都谈大数据的时代，尤其对很多企业来说，数据已是议事日程上的当务之急。首席数据官（CDO）这一新兴职位就在这样一种背景下越发壮大。但问题是，首席数据官及站在背后的各位公司老板们，你们想好要做什么了吗?

▍首席数据官的真正价值

对一个首席数据官来说，你的首要职责已经很明确了——帮雇主减少麻烦。你需要应对监管环境的变化，确保企业顺畅运行，不要发生客户数据泄露。

不过很遗憾，这些短视的见解会让你失去更大的机会。

统计数据很惊人：根据贝恩的一项管理方面的调查，只有4%的公司表示他们有合适的人员、工具和数据，并且希望从数据中找出内在原因并且做出调整。

5年前首席市场官还根本不会把数据提上议事日程，但今天首席执行官要是不谈数据就相当于是个外行。甚至戛纳国际广告节都充斥着数据讨论。

然而，数据在讨论和实操层面上仍然是脱节的。

毫无疑问首席数据官们在管理公司方面也劳神费力。如果一个首席执行官对于一件事情不甚了了，那么至少要保证的就是这件事不会毁了公司或者让自己丢饭碗。

在读过那么多头条后，我们也知道企业投在数据上的钱是相当高昂的。毕竟我们从客户信任的角度去看这个问题：花一笔钱雇个能有效地管理数据，并且遵循数据保密规则的高管是值得的。这也是数据时代公司的成本之一。

但“避免麻烦”和“占据市场份额”是风马牛不相及的两件事。

事实上，企业把首席数据官看作具有创造潜力的战略性职位会对企业更有利。

▍数据供应链到底有多重要？

许多人把苹果今天的成功归功于乔布斯和艾维（DT君注：前苹果首席设计师），但笔者认为正是因为库克决定把苹果的供应链作为一个具有竞争力的武器，才使得苹果成为今天的苹果。

苹果经过长时间的探索才搞定了供货问题，这不仅包括原材料供应商，也包括关键零部件的优先采购或独家采购权。

库克曾决定预留1亿美元的全年无休航空货运基金，以保证苹果的产品可以在任何时候准时投放市场。在苹果的设计师们决定在MacBook上加上一个摄像头指示灯时，铝制板材上的激光钻孔技术成了关键。库克的团队找到制造商，并且买断了相应技术。之后更是直接收购多家公司整合进自己的供应链。苹果还在零件箱中设置监控以防关键技术泄露。并且通过控制主要的销售渠道，苹果可以实时预先通知上游部门根据消费者的需求来调整供应。

苹果在供应上的管理是异乎寻常的，但它绝不是唯一一家把实体供应链打造成战略特征的企业。

不是每家公司都制造实体产品并需要实体供应链。但每家公司必然需要进行决策，决策的来源就是数据。

数据供应链一点也不比实体供应链来的容易，毕竟它是人工或者软件做决策的依据。当一家公司招聘首席数据官时，他们应该同时构思好了相应的数据供应链，并且应该招募那些能够像库克给苹果做的一样给公司带来数据管理方面竞争力的人。

一个完整的数据供应链应该包含四个部分：数据源，后勤，研究，执行。首席数据官应当对每一个部分都负有责任，并且应当基于全数据供应链给公司带来的竞争力优势被评定是否称职。

▍数据供应链第一步：数据源

（图片说明：可以获得的数据越来越多，但真正有用的数据却增长缓慢。）

我们处在一个数据分布不均的世界里。既有数据大佬如谷歌、脸书、亚马逊、腾讯、阿里巴巴以及其他一些公司，也有大多数数据荒的公司。

但即使是最传统的在数据上处于劣势的公司也有一些步骤可以遵循，从而获取独一无二的数据，例如：

创造数据——无论卖产品还是服务，总有方法创造出商家和产生数据的客户之间的数字联系。保乐力加（DT君注：一家总部在法国的烈酒和葡萄酒集团）在中国抓住了防伪的契机，发明了一种独特的防伪方法。顾客只要扫二维码就可以追溯一瓶酒的来源辨别真伪。这一做法一方面解决了顾客的诉求，另一方面则创造出了关于顾客购买和喜好的珍贵的新数据。

采集数据——一个豪华酒店品牌需要关于其客人的有竞争力的数据，以便更精准地进行广告投放。数据团队通过采集TripAdvisor网站上关于酒店属性的每一条评论和竞争对手收到的评论。他们通过使用自然语言的处理方法从评论中提炼出主题词，并且构建了随机森林回归模型来弄清楚哪些主题词会预示5星评分。这不是那种随随便便在社交点评排名网站上能看到的。互联网是世界上最大也最鱼龙混杂的数据库，只有精确的筛选和睿智的分析才能得到酒店市场人员所需要的数据。

解放数据——某家大的航空公司已经坐拥大量的旅客数据。这些数据来自销售渠道、数码触点、合作伙伴和会员计划。但是老旧系统的错综复杂和机构臃肿使得数据的取得成了天方夜谭。首席技术官意识到了这个问题，并且不单单要接上多个数据系统，还通过内部API公布了数据。现在所有的决策者和市场相关部门都获得了查看每个旅客数据的便利。这项工作困难且繁琐，但这种努力很明显是值得的。

合伙数据——某家制造商希望获得关于顾客运动健身行为的深度剖析，他们找到应用市场上领先的iOS和安卓系统健身应用的运营商。运营商提供的数据让制造商可以以一个独特的视角来观察目标人群的喜好，并且帮助他们在从设计到媒体覆盖等全方面制定策略。无论你的公司的经营方向是什么，总有潜在的在客户领域能够起到关键作用的合作伙伴。当然，任何一家公司都希望建立这样的伙伴关系，所以动作要快。

这类例子不胜枚举，企业创造性地发掘数据从数据小萌新变成数据大佬。在这期间，对于数据供应链的革新和确保数据供应链领先于同行，则是首席数据官的职责。

▍数据供应链第二步：数据后勤

在供应链管理领域，我们通常会涉及到一个概念叫后勤，也就是以最高效率、最小库存成本地将货物从A点运输到B点。

数据后勤的概念也与此类似，数据从四面八方汇集到企业，通常路径是不同的。系统会做原始数据的整合以及筛选。

有时数据会进入人为设置的仓库，而不与外界交换。系统通过不同的触点与用户交互，产出无法匹配和合并的数据。类似客服电话聊天记录这种线下数据没有办法采集的主要原因是因为设备老旧无法记录。即便是最简单的企业级设备有时在操作和处理上也是异常繁琐的。

几乎没有企业享受过从初创开始就有完备的数据体系的奢侈，所以虽然从旧设备上挖出数据来这件事很有挑战性，但伴随困难而来的是机会。

一个企业的数据后勤不需要达到Uber的水准，只需要做到比同行强就可以。比如一个保险业的公司，首席数据官的任务就是将从直接渠道和代理商那里得到的数据完成统一。解决方案并不需要完美无缺，只要方案的执行比同行更快更聪明就行。

▍数据供应链第三步：数据科学

有了好的数据还是有可能会做出错误的决策，所以数据分析绝非易事。这种能力非常稀缺，并且有时候看起来这种能力与创造力是矛盾的。

为了更好地从数据供应链中获得收益，就需要更多关注提高员工技能和实现自动化方面。

假设按照对数据分析的熟练程度，将组织内的所有人从左到右排成一排。最左边的人甚至不会打开表格，最右边的人却能在自己的闲暇时间试验新AI技术，并发现其中的乐趣。

那么企业的目标就应该是让每个员工的能力向右边移动。需要移动多少要根据企业的需求而定：一个在创新部门工作的员工也许只需要在AI上学点皮毛；而一个财会部门的分析师则因为要把不确定性带入决策模型而需要学习如何构建蒙特卡洛模拟。

总的来说，一家企业也许需要在发展数据科学部门上有所投入，从而来获得未来在产品或者服务上的优势。每家企业都可以提高它在数据灵通条件下的决策能力。

我们不能把一切的希望寄托于我们的人事部门帮我们找到数据方面有天赋的员工，相反我们应该让首席数据官帮助我们了解整个公司在数据方面的能力，并且规划将来发展的方向。这包括新的培训计划、职位职能的变化、技术和外部咨询。

可能有的首席数据官考虑雇佣一个数据分析师团队，但数据分析的职责最好还是由该数据所处领域的专家来承担，并且他们可以支持市场、财务、客服和产品开发等部门。

▍数据供应链第四步：执行

（图片说明：从左到右文字依次为：供应商的承诺、平台的实际能力、额外的技术补充和令人失望的新营销技术。）

并不是只有接触数据的人才会去做决定，和系统进行互动的客户也同样在做决定，而且比企业本身多得多。

这些系统的程度不一，从电话客服中心的接线系统到为计算访客价值和定制访问体验的网站使用的个性化系统。首席市场官会想方设法去投资一些额外的技术来改善企业的市场表现，因为这些系统会提升利用数据自动做出决策的能力。

而实际上的问题是，这种事情通常事与愿违。

某供应商保证某个系统可以解决所有问题，然后首席市场官就买了。系统上线运行，一年以后所有人都对于系统原来所承诺能做的事情表示失望。问题不单单是供应商的错（虽然大多数供应商都会对他们的产品极力吹捧）。

现代营销系统已经是非常先进的平台，可以完成各种复杂的任务，但是营销人员往往倾向于直接使用系统而很少关注背后的数据结构，以及解决无效输入无效输出问题的策略。

我们问了很多首席市场官，他们比那些首席信息官在技术上花费了更多，而且还要为客户的整体体验负更多责任，因为营销系统的问题影响着方方面面，他们需要来自首席数据官们的帮助。

首席数据官应该肩负起让客户数据更灵活地被（营销部门等）获取的责任。还要对新的营销平台给出评价。最后，数据官们还应该给客户的数据提供保驾护航，防止系统供应商的无心之失导致客户的数据泄露。

▍一些总结

数据是块硬骨头，所以有些企业选择“把头埋在沙子里”，装作什么都没发生。

让首席数据官去处理麻烦而其他人如常工作，这其实很容易办到。

发几个市场调查然后笼统地去分析客户群体而不关注客户的个人层面，不去做那些困难和代价高昂的足以转变一个行业的事情，这同样也很容易。

今天每个行业都面临数据崩坏的威胁，首席数据官们需要直面这些挑战并且推动变革，需要朝着通过使用数据构建竞争力的方向努力。

因为大多数的企业目前的方向仅仅是不要出问题就好，他们把数据看成是可能带来麻烦尤其是客户隐私方面的潜在危险。

是时候更积极的看待数据的问题了！

本文编译自Daniel Hughes发布在Medium上的文章“Brands are Hiring Chief Data Officers for all the Wrong Reasons (And What to Do About it)”，文中配图均来自Daniel Hughes，部分小标题为DT君所加。

编译｜慈兆佳

▍数据侠门派

作者Daniel Hughes，阳狮集团旗下数字营销公司DigitasLBi国际部门数据负责人。