推动底线结果：首席数据官不断变化的角色

随着信息技术的蓬勃发展和企业开始处理大量数据，需要专门的工作来管理这些数据变得至关重要。 随着数据量的指数级增长，与数据收集、存储和管理相关的挑战变得同样复杂。 捕获、提取、存储和访问数据既昂贵又令人沮丧。 下一组挑战以构建强大的基础架构来处理数据和产生洞察力的形式出现。 这就是首席数据官的角色出现的方式。

对 CDO 的需求

在当今的业务场景中，企业不以重要方式依赖数据是很奇怪的。 Gartner预测，到 2019 年，大约 90% 的公司将拥有一名首席数据官。根据Forrester 的一份报告，全球 45% 的企业已经拥有一名首席数据官，另外 16% 的企业计划在明年年底之前聘请一名首席数据官。 这些趋势和预测凸显了拥有专门的专家来处理数据支持业务的兴起的重要性。

事实上，这个头衔一点也不新鲜：雅虎早在 2004 年就任命了首席数据官。然而，直到最近，这个头衔才开始引起全球企业的关注。 简单来说，首席数据官负责公司的数据管理活动，同时热衷于数据获取、质量和战略。

CDO 的角色最初更倾向于捕获、存储和管理组织中不断增长的数据等活动。 从某种意义上说，它更多的是管理数据而不是使用数据。 但是，随着大数据环境的改善和数据科学的采用，情况正在发生变化。

大数据

大数据不仅规模不断扩大，处理、分析和从中获取见解的方法也在发生变化。 企业现在以比以往更多的方式使用数据。 这包括商业智能、客户情绪分析、办公空间优化甚至能源数据利用。 既然大多数企业都在网络上根深蒂固，那么由网络抓取技术提供支持的网络数据的可用性也有利于组织将网络数据用于他们的业务。 大数据不断从单纯的商业智能工具演变为组织发展急需的燃料。 我们现在拥有仅依靠数据运作的企业，可以肯定地说，任何企业都可以利用数据的力量来获得更好的业绩。

首席数据官的演变

首席数据官的角色在过去十年中经历了快速演变。 除了仅仅管理数据基础设施和处理相关操作之外，组织现在对这个职位有很高的期望。

虽然在过去，作为 CDO 更多的是充当数据的守护者，负责处理合规政策和相关风险，但现在它已经演变成一个更加注重价值的角色。 CDO 现在应该能够通过影响业务决策来创收。 CDO 的这种演变与大数据本身的演变相关。 随着数据科学的概念日益流行，企业正在寻找可以利用数据作为商业智能工具的力量的人。 拥有能够提出策略以使用高质量数据确保业务增长的人是推动组织现在转向首席数据官的动力。

早期的 CDO 完全以技术为导向。 基本要求是能够决定应该利用哪些数据、哪些数据值得保留以及哪些必须丢弃？ 显然，CDO 还需要具备建立基础设施的技能，该基础设施可以容纳和利用值得保留的数据。 后来，这种演变将 CDO 带到了一个新的阶段。 此时，首席数据官扮演了面向流程的经理的角色。 他们将数据流程的简化作为他们工作的一项重要职能。 现在，这需要技术敏锐度和流程管理技能。 但是，战略规划和业务知识仍然不是 CDO 预期技能的一部分。

新一代首席数据官

直到最近几年，新一代 CDO 才接手。 除了业务流程敏锐度和技术技能之外，全新的 CDO 还拥有另一项专业知识——数据科学。 CDO 现在应该能够抽象地和定量地思考，以识别和提取数据中的价值。 这将带来更高的效率、更好的洞察力和新的收入来源。

数据存在三种状态 - 电子存储机制内数据库中的物理状态，当它呈现数据生态系统示意图的形式时的逻辑状态，第三种状态是当它存在于处理数据的人的头脑中时作为一个概念。 这被称为概念状态，它是组织中数据管理的一个组成部分。 与数据集的定期交互对于形成这种数据的概念状态是必要的。 新一代CDO应该能够管理以上三种状态的数据。

很明显，IT、业务流程和数据科学技能的结合将大大缩小首席数据官职位的申请人数。 然而，组织对这种组合可以带来的积极结果持乐观态度。 拥有一个专门的技术团队来协助 CDO 也很有意义。 这将为人们腾出更多时间进行更具战略性和创造性的思考，以进一步利用数据。 这样，新一代 CDO 将能够解决更多业务问题，并从数据中提供正确的见解和价值，同时直接影响组织的发展。

凭借这种独特的技能组合和数据驱动的问题解决方法，聪明的 CDO 可以显着改善客户体验，从而转化为组织的快速增长。 通过使用从网站/应用程序收集的实时数据，可以识别客户的偏好和需求，并为他/她提出个性化的建议。 Spotify 和亚马逊等公司的推荐引擎就是上述个性化的很好例子。 聪明的 CDO 可以利用他/她的创造力，利用手头的数据提出更好的想法。

基于价值的大数据实施示例

推荐算法

推荐引擎是使用从用户收集的数据点构建的，例如浏览历史、购买历史、订阅、喜欢和不喜欢等。通过实施这一点，可以同时提升客户体验和参与度。 众所周知，亚马逊和 Netflix 拥有深受客户喜爱的强大推荐引擎。

需求预测

使用大数据进行需求预测可以提高业务效率。 通过分析过去几年的销售数据，可以准确预测未来给定时间段的需求。 这支持增长并防止收入流失。

潜在客户优先级

通过将大数据与机器学习相结合，公司开发了基于各种数据点对潜在客户进行优先排序的系统。 这有助于他们从第一个接触点开始了解潜在客户关闭的可能性、收入影响和保留率。

底线

CDO 还应该是精通业务语言的人，可以在数据库和服务器的世界之外进行通信。 业务人员必须确信以数据为中心的流程的底线，以证明他们的数据项目预算是合理的。 简单地说，新一代CDO将有自己的盈亏问责制。 通过聘请合适的 CDO 候选人，组织可以看到其底线结果的显着改善。