在本文中，我們將著眼探討三大核心因素：“數據堆棧”究竟從哪里開始；CIO們需要關注哪些架構變化；以及該如何實現(xiàn)“業(yè)界最佳”與“超越自我”。
隨著更多組織意識到CIO的職能逐步超越技術基礎設施的安全合理運行范疇，CEO們開始愈發(fā)倚重這位“首席技術專家”，邀請其直接參與到影響企業(yè)盈利的關鍵業(yè)務與戰(zhàn)略決策當中。
這一趨勢也必將在未來幾年內得到普及：根據Gartner的介紹，將有25%的傳統(tǒng)大型企業(yè)CIO成為數字業(yè)務運營負責人，并到2024年一步步發(fā)展成為新的“代理COO”。但這兩個問題往往困擾著剛踏上這段旅程的CIO們：我該如何將這段過渡成為有益于企業(yè)及員工的探索？在踏上這條未知道路之前，需要考慮哪些陷阱？
在本文中，我們將著眼探討三大核心因素：“數據堆棧”究竟從哪里開始；CIO們需要關注哪些架構變化；以及該如何實現(xiàn)“業(yè)界最佳”與“超越自我”。
-Part1-
推動“數據堆棧”現(xiàn)代化
在解決“技術基礎設施”的現(xiàn)代化問題方面，CIO們首先需要關注數據、AI與分析人員隊伍的快速增長與最新變化。
就在幾年之前，DJ Patil與Tom Davenport還將數據科學家評選為“世界上最性感職位”。但實際上，數據科學家的熱度正逐漸褪去——根據LinkedIn發(fā)布的2020年新興工作職位報告，“人工智能專家”才是增長最快的第一職位。
當然，這不是說數據科學家職位已經徹底衰落。目前，其在榜單上仍然排名第三，但在吸納新人才的能力方面，數據科學家已經無法與人工智能專家相比肩（過去四年內，崗位增長比例分別為37%與74%）。
總結：“數據堆棧”現(xiàn)代化的起點在于您的員工。請評估現(xiàn)有技能，并確保后續(xù)會吸納更多新鮮血液。另外，請制定起明確的計劃，思考如何培訓現(xiàn)有員工以引導他們發(fā)展為數據科學家，所需的培訓內容又與“AI專家”有什么不同。
-Part2-
技術架構的演變
過去十年當中，數據、人工智能與分析領域發(fā)生了巨大的變化：從Hadoop的迭起興衰，到云計算這一核心驅動力的普及執(zhí)法。
2021年，Gartner發(fā)布預測稱云計算將是一種“必然”。到2022年，公有云服務將在90%的數據與分析創(chuàng)新項目中發(fā)揮重要作用。
麥肯錫方面則警告稱，要發(fā)展成為數據驅動組織，企業(yè)必須有能力使用云數據倉庫、開放數據湖與實時分析平臺對原有IT資產進行現(xiàn)代化改造。
波士頓咨詢集團則建議，大家應重新調整數據與數字平臺（DDP）的構建方法，并將其與云服務提供的全新租戶架構融合起來：
數據與核心事務系統(tǒng)彼此分離
通過API在系統(tǒng)之間創(chuàng)建模塊化接口
將數據即服務交付給全渠道智能業(yè)務層
最后，風險投資公司Andreessen Horowitz呼吁采用“統(tǒng)一數據基礎設施”，借此適應行業(yè)中的最新架構變化。
說了這么多，很多朋友是不是感覺有點頭暈？面對這么多建議乃至最佳實踐，CIO到底該怎么做？我的建議很簡單：首先明確哪些因素對員工乃至企業(yè)的業(yè)務產出影響最大。接下來，我們將從近期三大數據架構變化的角度出發(fā)，有針對性地找到答案：
1.云數據倉庫
曾幾何時，IT部門發(fā)起過一輪為期多年的轉型旅程，努力將企業(yè)內的所有數據都集中在數據倉庫當中。支撐這一愿景的基本思路在于，IT部門應該維持一套事實（或者說「數據」）版本，并將其交付給企業(yè)內的各個業(yè)務部門。數據將在這里集中接受清洗、維護與保護。在此過程中，行業(yè)意識到這樣的愿景存在很多問題：數據的移動比預期中要更困難、也更昂貴，而且將IT服務擴展至業(yè)務需求的挑戰(zhàn)性也遠高于我們的想象。
在本地存儲、保護及維護數據的高昂成本，導致IT部門無法真正靈活地將任意數量的數據納入數據倉庫，由此帶來的效果與最初目標可以說南轅北轍。而云數據倉庫之所以能夠蓬勃發(fā)展，依靠的就是其使得企業(yè)能夠以更快的速度與更低的成本通過自助服務模式快速配置海量以往根本無法獲取的資源。
此外，由于送入數據倉庫的數據源能夠比以往更加分散，因此企業(yè)需要一種同時具備批處理與實時處理模式的敏捷系統(tǒng)，負責在本地系統(tǒng)、SaaS應用程序以及第三方來源之間隨時提取數據。用業(yè)務術語來說，云數據倉庫對于組織之所以具有重大意義，是因為它允許您以一種經濟高效、安全且敏捷的方式，幫助員工以必要的速度訪問必要的信息，最終據此做出正確決策。
2.從ETL到ELT
這類概念相信大家已經聽過很多次了，這里最重要的是確定哪些術語對您的團隊及其需求真正具有意義。以往，大多數企業(yè)從“受信”源系統(tǒng)中提取到的數據，而后對其進行轉換（即「準備」）并加載至目標數據存儲當中（即ETL流程）。
請注意，這里的“受信”是加了引號的。選擇此流程的一大原因在于數據存儲成本：ETL能夠幫助團隊減少實際加載至數據倉庫內的數據量。但這同時也引發(fā)了負面影響：負責“T”部分的團隊必須決定要傳遞多少數據、采取怎樣的數據傳遞形式。
設想一下，這樣的數據在落入最終用戶手中時必然引發(fā)大麻煩：不同團隊可能會根據自己的情況需要不同的數據類型、樣式與規(guī)模，但這一切恐怕都與“T”團隊的預設匹配不上。問題的常規(guī)解決方法就是回歸“E”團隊，這通常是一支遠離數據使用者的技術團隊。雖然效果不錯，但這又會給企業(yè)即時達成業(yè)務目標的能力造成巨大損失。
ELT則認為團隊應首先提取出盡可能多的數據，將其加載以供分析人員與科學家使用，之后在實際分析前的最后一個環(huán)節(jié)內執(zhí)行轉換。這種方法的實現(xiàn)基礎同樣源自云數據倉庫，云服務的經濟性讓這套方案真正擁有了成本可行性。但在考慮使用這套方案之前，請確保您的團隊已經擁有或者有能力掌握新流程所需要的各項技能。
總而言之，ELT的核心優(yōu)勢在于，只要您認為數據儲備是越多越好，那么我們就能保證提取過程和業(yè)務用戶對龐大數據總量的訪問能力。
3.可組合與智能應用程序
隨著低代碼/無代碼趨勢的興起，以及對于富數據應用程序的需求，您的員工需要以更敏捷、更靈活的方式應對日常工作。
換言之，我們應該將可組合應用程序作為業(yè)務生態(tài)系統(tǒng)中的一大主體，同時保證相關數據的訪問安全。在我看來，可組合應用程序與智能應用程序是CIO們絕對不可忽視的兩大重要趨勢：Okta在其2021年《Business at Work》報告中提到，目前每家組織平均擁有88款應用程序，包括技術或媒體等特定行業(yè)組織的應用程序數量甚至可能翻倍（分別為155款與133款）。
按行業(yè)劃分的客戶平均應用程序數量
-Part3-
“業(yè)界最佳”與“超越自我”
當下，已經有大量發(fā)展藍圖可供CIO達成自己的發(fā)展愿景。CIO們首先應當保證技術團隊提供滿足每一位員工所期待的標準，借此實現(xiàn)業(yè)務成功。
通過實際合作，我發(fā)現(xiàn)很多技術負責人的目標并不是“比去年的自己更好”，而是在推進現(xiàn)代化改造的過程中拿出“業(yè)界最佳”級別的成果。
面對市面上不計其數的技術選項，最重要的是確定少數幾種最具意義的“技術架構轉變”方案，并讓您的團隊能力與其匹配起來。
這就是CIO數據決策避坑的終極秘訣：不僅要從技術的角度出發(fā)，更要從員工的角度出發(fā)。
