數據品質解決方案公司(Data Quality Solutions)總裁,著有《人員與數據:聯合起來改造你的業務》(People and Data: Uniting to Transform Your Business, Kogan Page, 2023)。
流程管理做得好,生產力就會提高,但問題是,企業很難將AI大規模融入流程管理,因此很難運用AI的威力,大幅改進流程。本文提出七大步驟,協助企業結合AI和流程管理,提升業務績效。
多數領導人都有一個待解的難題:公司有很多的數據,但都沒有得到很好的管理。這些問題包括:不清楚這些數據要如何使用,以及不知道該選什麼樣的人來負責這件事。企業必須制定更好的系統和方法來處理這些數據,而第一步就是針對全公司上下所有會接觸到數據的人,釐清每個人的管理責任。本文由被稱為「數據醫生」的湯瑪斯.雷曼,提供五個步驟。
我們直覺認為,數據科學是專家的事,一般員工沒必要了解這麼多。這個想法太狹隘了。數據科學必須廣泛地普及化,不妨讓全公司都參與,大家一起「玩數據」。現在已經有許多工具,將數據科學的部分作業流程簡化或自動化,而位於組織第一線的員工,早已熟稔公司業務,只要能掌握使用小量數據,就能熟練並快速地對問題做出回應。數據科學的關鍵在於人,只要能策略性地讓員工參與數據工作,就會看到更好的結果。
數據比以往任何時候都更重要,但大多數組織仍在一些關鍵問題上放錯重點:更關注數據基礎設施,而非數據產品;建立的數據往往很少考慮到最終用途;缺乏共同的數據語言,每個部門各自為政。本文提出一套「數據供應鏈」管理流程,讓公司可以解決上述問題。數據和其他任何類型的資產一樣重要,而且數據產品日益和實體產品一樣重要,如何管理數據,是領導人不能忽視的問題。
若要成功推動數位轉型,必須花費精力匯集與協調很多行動,而這些行動範圍之廣,遠超過大多數領導人的想像。
對企業來說,數據不具策略性。簡單來說,數據可以增添巨大的價值,但我們很難知道數據適用於哪裡。其實,針對數據的運用,好的機會和需求從來都不缺。經過適當整合,數據可以改善各個流程,並讓負責執行那些流程的人更有能力,因而加快推動許多(甚至是大部分的)商業策略。因此,本文提出六個「價值形式」,讓企業領導人把數據概念納入動態的商業規畫中。
現在,出現一批重要的新群體,稱為「保護隱私行動者」。他們會因為個人資料或個資分享政策的原因,改用別家公司或供應商的服務。也就是說,如果你不幫顧客保護他們的個資,就留不住顧客。當然,企業若能了解這個群體,就可以制定本身有關資料和顧客隱私的實務做法,並改進它們吸引和留住顧客的方式,並且與顧客合作得更好。
「清理數據」不再是有效處理數據品質的主要方法。主管和團隊必須採用新的思維,把重點放在第一次就正確創造數據,以確保整個過程的品質,而不是透過尋找和更正錯誤,來解決數據品質。你需要以一種新的方式,看待自己和團隊在數據上扮演的角色,同時找出錯誤的根本原因,再予以解決,讓錯誤一勞永逸地消失。這麼做了之後,你會感謝自己。
為提供您更多優質的內容,本網站使用cookies分析技術。若繼續閱覽本網站內容,即表示您同意我們使用 cookies,關於更多 cookies 資訊請閱讀我們的隱私權政策。