• 阅读: 229 回复: 0
    数据驱动智能

    数据供应链的方法可以确保你的数据项目产生价值

    楼主 发表于 2021-09-26 16:50:28

    随着新技术和数字化趋势的出现,从数据中实现价值是组织的首要任务。与此同时,越来越多的人开始意识到每一项业务都是数据业务,特别是通过大数据、物联网和高级分析等技术参与数据项目的组织。然而,研究表明,对于这些项目将如何为组织提供价值或利益缺乏理解。换句话说,数据项目不会自动交付业务价值,不会按预期执行,也不会使您的组织受到数据驱动。为了使您的组织在实现数据项目和开发成熟的数据功能时更加有效,需要在利益相关方广泛沟通,并关注数据项目要解决的关键问题。通过回答六个简单的问题:为什么,是什么,什么时候,谁,在哪里,以及如何,使利益相关者能够达成共识。然而,考虑到围绕这个问题需要进行的大量沟通和交流,在规划数据项目时,缺乏适当的工具。本文的目的是提出规划数据项目的新方法。

    一 数据项目的问题

    信息技术在实现数字化和提高数据资产价值方面的必要性是毋庸置疑的。然而,在数据项目的规划中,技术可能会成为关键焦点,而损害项目本身。这种盲目的行为并不少见,特别是当项目涉及创新技术时,组织也会跟随这种技术的“潮流”。然而,在数据项目中,对技术的关注提供了一个抽象级别,该级别假定技术中的嵌入式数据流程与组织的需求保持一致。然而,在技术提供“一刀切”解决方案的环境下,这种假设的成本可能非常高。原因是,当问题开始出现时,它将棘手的数据问题推迟到项目的后期阶段,在这个阶段,修复它们的成本会越来越高。然而,一些项目需要执行的速度需要有目的地推迟这些数据问题。在这些情况下,未来的费用被记录在必要的技术债务中,必须在项目实施的后期阶段支付。然而,虽然这被认为是典型的做法,但这并不意味着这是一个明智的策略。当过分强调技术时,另一个问题是,数据问题可能会被错误地归因于技术。如果不从逻辑上将技术与数据分离,或者实际上不将数据作为关键的焦点,就很容易将所有数据问题标记为技术问题。当然,这条道路上的下一个理性步骤是为“技术”问题寻找技术解决方案。然而,这忽略了一个事实,即人员和组织过程在实现数据的潜在价值方面发挥着同样重要的作用。

    数据项目的困难也可归因于数据的流动性和由此产生的跨职能和管理的流动。这将表明:所有组织各方都有共同的责任来确保数据质量(和潜在价值)保持高水平、数据在组织中的流动不受阻碍、所有各方都应从中受益的所有权。

    然而,数据的所有权经常被那些最能受益的人(业务所有者)放弃,而转移给那些缺乏领域专业知识的技术人员,以确保数据的质量得到维护和价值实现。更重要的是,所有数据利益相关者之间的沟通为实现数据的价值提供了基础,而不是所使用的技术类型。然而,由于思维、议程和语言的不同,在这些利益相关者之间进行清晰对话的能力变得更加困难。这清楚地表明,需要一种方法来实现一种共享的语言和共享的愿景,所有利益相关者可以从中有效地沟通,并与组织价值驱动的目标保持一致。虽然这些问题可能是众所周知的,但它仍然是数据项目的一个主要问题。

    二 信息供应链的数据项目规划方法

    在本文中,提出了一种新的方法来促进数据项目的价值驱动规划,该方法基于对数据流的严格和系统的探索,通过四个阶段:获取、整合、分析、交付。支撑这四个阶段的是数据治理,它与四个阶段一起最终转化为价值。该方法从信息系统和设计思维领域的概念出发,提供了对潜在数据项目的整体视图。从信息系统的“人,过程和技术”的组成部分被合并,因为这三个组成部分的融合不仅构成了一个信息系统,而且还决定了它的成功。

    随着数据成为信息供应链的关键焦点,人员、流程和技术与“组织、治理和共享数据以实现业务目的”的能力保持了一致性。

    为了详细描述数据项目的人员、过程、技术和数据方面,六个非常简单的问题(为什么、是什么、什么时候、谁、在哪里和如何)确保所有潜在的项目假设在没有完全检查的情况下至少都受到了质疑。这形成了信息供应链的基础,如下表所示,然后根据信息供应链的前四个阶段进行定制。

    数据

    数据什么时候是.....?这确保了数据的时间方面不会被忽略。这对保持高数据质量非常重要。

    谁…数据?这确保了对所有列出的数据任务都确定了所有涉众。如果可能的话,这些涉众应该包括在项目讨论中。

    技术

    数据在哪里…?详细说明每个数据所需的技术

    过程

    怎么……?描述了在信息供应链中将数据从一个阶段移动到下一个阶段所需的实际过程。

    在描述了信息供应链的基本结构后,实现信息供应链方法的关键是为每个阶段完成:数据源、数据集成、数据分析过程和数据交付类型。一旦这些完成,它们就会被可视化为信息供应链本身上的抽象节点,以有效地交流作为输出。一开始,完成信息供应链中每一个方面的每一组问题的想法似乎是重复的。然而,每次通过这些问题的行为使过程变得严格,每一个隐含的假设都被质疑。最后,该方法能够有效地促成价值驱动的对话和成功的数据项目;它需要促进跨职能合作,同时也要挑战现状,让人们跳出固有思维,跳出数据孤岛。为了实现这一目标,该方法需要在“设计思维”的思路下应用,这是一种以人为本的解决问题的方法,包括综合思考、乐观主义、实验、合作和利益相关者的同理心。通过纳入这些技术和观点,信息供应链为数据建设项目提供了一种非常强有力的方法基础,这种方法不同于其他方法:

    • 描述了数据流经的四个逻辑阶段,并在每个阶段提供了探索和详细说明关键方面的具体问题。

    • 将价值作为每个阶段的关键输出,并确保通过对利益的描述、利益的度量和所有者的识别明确地描述该价值。

    • 启用抽象级别,允许可视化数据流和识别模式。

    • 为明确的数据交流提供框架,因为技术、人员和流程准确定位于数据,为此类对话提供了明确的上下文。

    • 采用信息供应链的概念,提供详细的问题,以确保在规划过程中采用严格和协作的方法。

    • 将数据治理集成为项目的一部分,同时也为数据治理实现提供一种更一致的自底向上的方法。

      这种方法是根据数据行为、此类行为的基准和负责促进这些行为的所有者来设定的。

    下面定义了信息供应链的每个阶段,并描述了每个阶段的相关信息供应链。此外,在每个阶段都强调了研究结果,以提供相关的背景,并深入了解完成数据项目的价值驱动规划过程。

    1 获取

    信息供应链的获取阶段详细说明了业务活动和实体数据的收集。对数据源的严格检查尤其重要,因为在规划过程和信息供应链中都应尽早确定潜在的数据问题。由于许多组织确实知道他们拥有什么数据、数据有多重要、数据存储在哪里或数据冗余程度,因此出现了许多这些问题。此外,对为什么需要获取数据的严格审查,将使数据的收集更加关注数据源将带来的价值。

    在数据获取阶段发现数据问题的例子突出了围绕数据来源的一些不同寻常的特征。一位客户服务团队的高级经理需要跟踪团队的业绩,他发现自己从内部分析包中获取数据,然后将数据存储在excel电子表格中,以便修改成可以与其他数据集集成的状态。在将这个序列映射到信息供应链之前,采用已经被分析过的数据并将其反向工程成原始电子表格格式的非正统行为从来没有被质疑过,或者被认为是正确的事情。这个例子说明了可视化在揭示无意识行为方面的做法,同时也为围绕这些行为的变革提供了一个场景。从使用信息供应链的案例来看,电子表格的广泛使用明显地跨越了所有四个阶段。然而,与上面的示例一样,该方法迅速突出了在交付之外的阶段使用电子表格的问题,以及需要有强大的治理行为来确保涉及电子表格的高数据质量。

    数据

    为什么获取数据?这旨在揭示为什么收集数据的动机,并提供一个基础,从中可以判断其与信息供应链的总体目标的一致性。

    获取了什么数据?这要求描述数据本身。这为数据(如员工数据)提供了一个标签,如果需要,还提供了获取的数据集中的确切字段。

    什么时候获取的?这描述了获取数据的时间,并可以突出数据流中潜在的数据质量问题或瓶颈。

    从谁那里获取的?为了确定所有利益相关者,并确保数据可以从内部和外部来源获得,重要的是,如果这些人没有完全纳入规划过程,那么确定这些人是很重要的。

    谁来获取?这描述了参与数据获取的人员。这可以是手工获取数据的一线员工,也可以是支持自动化获取的技术人员。

    技术

    它是从哪里获取的?需要详细说明源所使用的技术/应用程序也很重要。这些技术的变化(可能超出组织的控制范围)可能会对数据流产生重大影响。

    它储存在哪里?一旦获得数据,将存储在特定的技术/应用程序中,这也需要详细说明。

    过程

    它是如何获取的?最后,还需要获得它的过程。这可以是手动的,也可以是自动化的,但如果需要,可以更详细地描述。

    2 整合

    信息供应链的下一个阶段是整合,并描述从获取的数据源中获得的数据的组合。这确实是这个过程中的一个重要方面,根据调查,45%的公司认为这是他们推动分析价值的最大压力,因为他们的数据存储在竖井中。虽然将数据存储在一个位置可以解决竖井问题,但它无助于使组织变得更多的数据驱动。通常与数据相关联的活动主要与ETL(提取、转换和加载)技术相关联。然而,概念上的ETL表示数据将从其“源”结构转换为新的“目标”结构。这种从源到目标的转换要求我们对数据进行“本体论”的思考。事实上,思考本体论可以转化为思考数据模型。到目前为止,在集成阶段占主导地位的数据模型是那些最常与数据仓库相关联的模型。这些数据模型主要是关系的,其中80%是维度的(例如星型模式),只有20%是标准化的。设计来符合这些数据模型的数据仓库分别被称为Kimball或Inmon架构。因此,使用信息供应链来可视化集成阶段的价值在于,组织可以了解他们的数据实际上是如何集成的,以及他们可能离真相的单一版本有多近,这来自仅有的20%的组织。

    对整合阶段进行更严格审查的案例突出了这种活动的价值,因为两者的财务影响都超过了100万欧元。第一个例子涉及一家大型跨国公司的物流功能,该公司每年处理超过225万件货物。在这个项目中,集成阶段更严格的检查发现了数百万美元的未被准确解释的缺陷退货,这是由于数据集没有与物流团队共享。第二个例子是食品和饮料行业的跨国公司,它展示了一个更积极的影响,将组织的焦点从技术中心转移到数据中心。随着重点的变化,组织停止了一个资产管理项目,并避免了一个非常昂贵的、不能满足业务期望的IT实现。对信息供应链数据集成阶段的强调,虽然IT系统将构成解决方案的一部分,但它还不足以解决业务问题。从本质上说,这两个例子都说明了开放和清晰的“数据”对话的力量,这具有真正的财务影响。关于信息供应链中每个数据整合需要完成的完整问题列表如下。

    数据

    为什么要整合?并非所有数据都需要整合。更关注为什么必须整合数据将使项目更有效,更有效地利用数据,因为不必要的数据整合将降低系统性能。

    整合了哪些数据?对要整合的数据的理解可能突出了加入公共数据集以使组织整体受益的可能性。

    什么时候整合?所有信息供应链中数据的及时性对数据质量有很大影响,因此必须有良好的文档记录。

    谁来整合数据?这一点很重要,因为整合数据的人需要对业务有很强的理解,以确保整合的数据将为有价值的分析提供坚实的平台。在数据整合的规划阶段,业务人员的参与也可以延长最终结果的寿命和质量

    技术

    数据整合在哪里?对于更传统的系统,主要有集成结构化数据的关系数据库或数据集市和数据仓库。最近出现了集成结构化和非结构化数据的NoSql数据库和数据湖。

    过程

    它是如何整合的?目前提取转换和加载(ETL)过程在组织中是最常见的。其他过程可能包括主数据管理、语义建模或数据建模。

    3 分析

    数据分析阶段描述了对数据集进行分析的实现,可以通过下表中提出的问题来详细说明。事实证明,通过开发分析能力,并将这种能力以正确的方式发挥作用(次贷金融危机就是分析被错误使用的一个例子),组织能够获得真正的好处,如:更好的战略决策、更好的资产管理和更好的风险缓解。虽然有很多方法可以进行分析,但它们主要属于描述性、预测性和规定性。描述性分析模型描述过去发生的事情,预测模型利用各种统计技术,并应用于历史或当前数据,做出一系列预测判断,而说明性模型超越预测分析,并详细说明行动过程和预测说明。此外,分析可以归入各种角色的职权范围,例如:商业智能开发人员、数据科学家和数据挖掘者。尽管角色各不相同,但他们都需要与一系列的涉众合作,以连接他们对业务的知识,以及获得有价值的见解的能力

    数据

    为什么要分析数据?保持对分析目标的强烈关注将使更有效的价值实现,而不是有效地执行分析。

    分析什么数据?对分析数据的关键理解将有助于在选择分析技术时建立更强的一致性基础。

    什么时候分析?分析的及时性和由此产生的行动。

    谁来分析数据?不同的利益相关者和角色参与了分析洞察力的交付。

    技术

    数据在哪里分析?随着数据量的增加,分析应用程序和技术的数量也在增加。技术范围包括OLAP、数据挖掘、统计数学、高级分析和商业智能。

    过程

    如何分析数据?在不同类型的分析模型(描述性、预测性和规定性)中,可以使用一些统计技术。

    在开发客户流失预测模型的过程中,重点从最初关注导致客户流失的因素转向了关注客户保留因素。从商业的角度来看,两者的意思是一样的,但从分析的角度来看,它们是非常不同的。在这个项目中,我们发现客户支持是客户保留的一个关键方面,特别是,有客户支持案例的客户的生命周期比那些从未打过电话的客户长6倍。这使得组织在客户支持方面更加积极主动,将这一战略视为创收而不是产生成本的活动虽然重点的转移是微妙的(从为什么客户离开到为什么客户留下),但它对项目的影响是巨大的。这个例子展示了持续关注整体目标(为什么)的需要,而不是实际开发的预测模型(如何开发)。

    4 交付

    数据的交付重点在于以合适的格式提供数据。交付是信息供应链的一个关键方面,研究表明,40%的受访者强调需要为更多的员工提供交互式的BI仪表板,这是数据项目的关键动力。这并不奇怪,因为数据格式和实际内容之间的共生关系已被广泛承认。这种观点在许多项目中也得到了强烈的认同,这些项目认为分析的“外观和感觉”与分析本身一样重要,因为不吸引人的外观会很快让用户失去兴趣。另一方面,优秀的数据展示可以让更广泛的受众了解分析以及潜在的见解。

    例如,一个数据可视化项目演示了数据并不总是必须作为报告或仪表板交付。在这种情况下,创建了一个信息图(海报格式),描述了维护一个全球成功软件产品的特性的成本以及客户对这些特性的相应利用情况。该信息图突出显示,维护按客户利用率排名的最后10个功能的成本超过50万欧元。这些特性中有一部分是由单个客户使用的,这最终强调了对更集中的特性退役过程的需要。此外,数据的交付也会对决策的效率产生重大影响。首先,对于一家高科技跨国公司的制造职能,运营驾驶舱的规划详细地节省了近75万欧元:经理在管理运营方面节省的时间、由于生产信息更早地分发,提高了员工的生产率、更有效地分配员工。最后,效率也可以通过改进交付格式本身来获得。其次,对于客户服务部门来说,组织一份高价值客户的报告需要4个人3个工作日,然后输出一份50页的陈述。它被转换成一个客户服务执行仪表板,可以立即提供相同的信息。这些示例说明了在交付数据时注意数据格式的好处,以及在交付与数据消费者的需求保持一致时可以实现的价值。为了支持这种对齐,交付中的问题需要每种交付类型。

    数据

    为什么要交付数据?要做出的关键决策是什么,或者在提供分析的过程中有什么关键目标将在形成后续问题的答案中发挥重要作用。

    交付了什么数据?为了促进目标的实现,需要分析数据集。

    什么时候交付数据?确保提供的数据的及时性将是高质量的。

    谁接收数据交付?要求或需要的关键涉众

    技术

    在哪里交付?所使用的技术可以是分析的一部分,但也可以根据交付需求进行分离。

    过程

    数据是如何交付的?该过程将确定格式的类型,例如:信息图、仪表板或报告。

    5 治理

    支撑信息供应链四个阶段的是数据治理,它被定义为促进良好数据实践的行为。作为信息供应链的一个非常重要的方面,研究表明,对于大多数组织来说,数据治理是一个存在问题的领域。从调查中可以看出,数据治理策略的实现并不需要那么长的时间,53%的受访者表示数据治理策略可以在不到3个月的时间内实现; 然而,只有10%的企业有相应的政策。在详细描述行为时,包括了行为的基准以及促进该行为的所有者或责任人。此类行为的类型可以根据以下标题进行分类:数据原则-阐明数据作为资产的作用、数据质量-确立预期数据使用的要求、元数据-确立数据的语义或“内容”,以便用户可以解释、数据访问-规定数据的访问要求、数据生命周期-确定定义,数据的生产、保留和退役。

    对于某些行为,有记录的措施和活动可用来开发行为和基准。然而,总是需要开发符合组织独特性质的度量和活动。例如,在一个提供统计报告作为其核心价值主张的大型组织的研究中,强调了围绕SAS分析的治理需求。然而,这个任务没有可用的基准。因此,组织集中精力为SAS分析最终用户计算构建成熟度模型。这使组织能够首先度量治理的级别,并开发基准来指导其成熟度。通过记录行为、基准和所有者,有可能获得沿着信息供应链所采用的治理级别的描述,以及识别同样需要注意的领域的潜力。研究指出,识别数据治理实践,保持价值创造和风险暴露之间的平衡,是释放竞争优势和价值最大化的组织新的当务之急

    管理类别

    数据治理的目标是什么?这可以是以下内容之一:数据原则、数据质量、元数据、数据访问、数据生命周期。

    行为

    行为是什么?这描述了行为,并且应该与详细的因素相一致。

    基准

    为行为定义的基准是什么?这定义了可接受程度,或者是组织要实现的目标。它还提供了如何度量基准的见解。

    所有者

    谁负责促进行为?对于一些组织,可能是他们的数据主管,对于其他组织,可能是业务经理或直线经理。

    6 价值

    一般来说,在衡量和传播IT价值方面的困难已经被以前的研究强调和解决。利用这些研究,特别是IT业务案例,信息供应链方法使涉众能够明确地将数据作为资产详细描述,但也突出了不良实践使组织付出代价的领域。研究表明,有58%的调查对象从未计算过低质量数据的成本,这表明有必要帮助组织将详细描述作为信息供应链的一部分的好处。此外,对于许多组织来说,为数据项目创建业务案例的困难已经被强调为一个关键问题。在实现信息供应链时,建议预先描述数据项目的关键值驱动因素。在开始计划之前,您不需要详尽地定义所有的好处,但您确实需要一个驱动因素来证明计划工作的合理性。在规划过程中,可以详细描述更完整的利益。

    信息供应链提示了详细的利益与相应的措施和所有者。例如,一个项目专注于可视化个人客户的关键数据点,是由增加其当前客户的销售/价值的需要触发的。然而,一旦完成了详细的分析,就为项目描述了总共24个好处。这些好处包括:时间(减少了销售代表进行客户研究所需的时间)、过程有效性(提高了对潜在客户的优先排序能力)和财务(增加了新的销售渠道)。对于这个项目,好的业务案例的关键目标是,识别出的好处越多,潜在价值的描绘就越完整。此外,为了确保价值焦点与组织的战略目标保持一致,项目的类型可以在以下标题下定义:转型、创新、实验、过程改进等。有了这种分类将确保对规划过程的战略投入,也有助于此类项目的优先次序。

    利益

    有什么好处?这描述了将从数据项目的实现中获得的好处。

    测量

    如何衡量效益?这将提供一种方法和指标,将决定成功地实现利益。

    所有者

    谁负责数据价值?这确定了在项目实施期间和之后负责推动利益的人。

    三 应用新规划方法的案例

    为了说明信息供应链的应用,下图可视化了所有的数据节点以及附录表A-1到A-6中列出的相关信息供应链。在每个节点中都有连接到相应信息供应链的数据,信息供应链提供了抽象数据节点周围的详细信息。该方法所基于的案例是一家为旅游业提供数据服务的全球供应商。使用信息供应链的高层组织影响是它在非常短的时间内“建立了对数据的认识”。甚至有人指出,当信息供应链是会议的焦点时,让人们参加会议变得容易得多。

    更详细地说,该组织使用信息供应链来详细说明来自其数据策略的六个计划,这些计划专注于使其数据服务产品成熟。这一战略是一个两年过程的积累,在这个过程中充分审查了各组织数据的价值。然而,直到信息供应链的引入,这种策略才获得了很大的吸引力。信息供应链详细描述了第四个计划,该计划是由确定的降低数据平台维护成本的需求触发的。然而,在使用信息供应链期间,描述了其他几个潜在的好处,为他们的客户和公司本身。数据的交付需要开发一个内部和外部的产品仪表板,以及一个仅在内部的平台性能仪表板。在战略的这个阶段,描述性分析足以满足他们的需求。然而,战略后期阶段的计划包括说明性分析。虽然数据项目的重点是将所有数据源集成到单个数据仓库中,但对获取阶段的调查突出了以前没有使用过的有价值的数据源。审查还促使数据整合功能的控制转移给业务利益相关者,而不是IT部门。这增加了数据本身的优先级和价值,高于数据访问安全等方面;关键的IT功能。最后,治理部分描述了许多需要实现的实践,同时也启动了自动警报的开发,以提高数据的质量。下面表格是数据获取的示例:

    数据获取

    技术

    过程

    什么数据被获取

    为什么被获取

    什么时候获取

    从谁那被获取

    谁获取它

    从哪被获取

    存储在哪

    如何被获取

    网络流量数据-受众,获取,行为和转换数据

    记录用户在网站上的行为,有多少人访问了网站,他们在网站上做了什么,他们从哪里来,他们离开网站的地方,他们如何访问网站等等。

    每天,实时

    在线用户

    项目开发团队

    网络分析平台—谷歌分析

    谷歌分析平台

    在平台上启用了谷歌分析内容跟踪

    产品预订详细信息(所有在线产品-机票,酒店,汽车,保险)

    记录用户在网站上的产品预订,并使用户能够管理和服务这些预订(更新、取消等)。

    每天,实时

    在线用户和客户呼叫中心员工

    项目开发团队

    客户预订网站和呼叫中心模块

    呼叫中心系统数据库

    自动化—预订平台提交过程

    四 总结

    在通过数据进行组织创新的早期阶段,信息供应链作为新数据项目的有效构建工具是有效的,即:同化,为新的数据项目制定组织的一致愿景、采用,对为什么应该实施数据项目形成清晰的理解。

    采用信息供应链规划数据项目的好处包括:

     

    1. 实验和迭代中学习的能力——通过信息供应链规划过程的关键内在好处之一是,它将需要大量的迭代来达到共享理解和抽象的水平,这将使它成为一个有用的工件。这是过程的一部分,使用该方法的用户能够从每次迭代中学习。从案例研究中,信息供应链的每个版本揭示了需要进一步讨论的项目方面。无论是寻找数据的困难,还是在数据项目实施后如何管理的新想法。

    2. 平衡复杂性和简单性——对于一些人来说,信息供应链的完成是他们第一次尝试可视化一个数据项目过程。数据、流程和技术的复杂性和相互关联的本质,使得绘制和沟通这种复杂性成为一个真正的挑战。在不考虑分析现实的情况下抽象这种复杂性的能力是信息供应链方法的关键启示,它也体现在输出中——完成的信息供应链。此外,研究表明,信息供应链易于理解。一位具有项目管理背景的高级经理在案例中指出:“我不懂技术图表,但我懂这个……我们可以在会议上讨论这个问题。”

    3. 更好地理解组织的运作方式——通过探索信息供应链和与不同利益相关者的接触,参与完成该方法的各方对他们自己的组织有了更好的了解,从而有更好的机会形成一个一致的项目。在案例中,信息供应链被用来向一个国际办公室展示项目和总体战略,在那里,由于语言和文化问题,沟通已经很困难。然而,使用信息供应链国际办公室立即理解了策略,特别是价值是展示的中心焦点。

    4. 获取专业知识——在完成信息供应链时,谁是数据流的业务和技术方面的专家就变得显而易见了。这些人使数据的使用更加清晰。此外,信息供应链本身证明了跨功能边界和跨管理级别构建共享理解的方法的能力。在案例中,信息供应链迅速强调了组织在全面实施项目方面的技能差距。这种技能短缺主要是在数据项目的分析方面和长期数据战略中发现的。

    5. 挑战现状和提出问题或机会的能力——以人为本的设计是信息供应链的核心部分,对现状的挑战和根本原因分析自然被纳入规定的规划过程。然而,信息供应链本身已经被证明是一种沟通工具,突出关键机会和与之相关的潜在价值。另一方面,它也可以用来描述问题以及从解决这些问题中获得的价值。在案例中,信息供应链本身就是对组织看待其数据服务方式的挑战。特别是,它挑战了组织持有的成本规避观点,并最终提供了一个可以实现的更积极的创造效益的潜在模式

    本文内容转载自“数据驱动智能”(ID:Data_0101),作者晓晓。

热门文章

数据中台系列(一):你的企业真的需要「数据中台」吗?

辨析BI、数据仓库、数据湖和数据中台内涵及差异点(建议收藏)

数据中台案例 | 数字化为零售行业创造新可能

数据中台案例 | 一呼百应:激活 670 万企业用户数据,赋能智慧供应链

最新文章

人民日报《大小单双上岸技巧赢钱规律》百度热议

人民日报《大小单双上岸技巧赢钱规律》百度热议

「央视新闻」快三彩平台邀请码「手机搜狐网」

数据仓库研发规范

  • 未登录

    回复楼主

    登录后可回复
    /1000