企业数据科学成熟度模型评估（2）-战略维度

每日一句

苦难不是财富，对苦难的思考才是。

——柴静《看见》（贝贝）

在昨天的文章中，我们在数据科学成熟度模型和我们将讨论的维度上介绍了这个系列。 成熟度模型中第一个维度是“战略”：

什么是数据科学的企业业务战略呢？

战略可以定义为“在不确定条件下实现一个或多个业务目标的高级计划”。在数据科学方面，目标可能包括做出更好的业务决策，创造新的发现，改善客户获取/保留/满意度，降低成本，优化流程等。根据可用数据的数量和质量以及数据的使用方式，企业面临的不确定程度可以显著降低或加剧。

接下来我们将讨论数据科学成熟度模型“战略”维度的5个级别：

第1级：企业没有应用数据科学的管理策略。

对于1级的企业来说，对数据科学的世界可能并不熟悉，但仍然有一定的数据。数据分析可能是企业日常活动的一部分，但没有总体管理策略或认识到数据是公司的资产。企业已经定义了目标，但数据支持这些目标的程度非常有限。

第2级：企业正在探索数据科学作为核心竞争力的价值。

2级企业实现了数据的潜在价值，并利用该数据获得更大的业务优势。随着机器学习，人工智能和高级分析的所有宣传和实质落地，企业中的商业领袖正在研究科学数据可以提供的价值，并积极进行概念验证 - 认真探索数据科学作为核心业务能力。

第3级：企业将数据科学视为竞争优势的核心竞争力。

在完成概念验证后，3级企业已致力于将数据科学作为核心竞争力及其带来的好处。正在进行系统性的努力，以便在该成熟度模型的其他方面增强数据科学能力。

第4级：企业采用数据驱动的决策方法。

一旦企业建立了数据科学的能力，4级企业就有信心接受使用数据驱动的决策 - 用测量结果和预测分析/机器学习来支持或替代原本罗霍的业务本能。随着数据和技能的提升，业务领导者在做出关键业务决策时更有信心信任数据科学的结果。

第5级：数据被视为重要的公司资产 - 数据资本。

关于数据科学的最高级别的策略是对数据提供它应得的“崇敬” - 将其视为有价值的公司资产 - 一种资本的形式存在。在第5级，企业分配足够的资源来开展数据科学项目，这些项目由适当的管理，维护，评估，安全和数据资产的增长以及人力资源支持，以系统地实现战略目标的落地。

在我们明天的文章中，我们将介绍数据科学成熟度模型的“角色”维度。

分享：