數據比以往任何時候都更加重要，但大多數組織仍在為一些常見問題而苦苦掙扎：他們更多地關注數據基礎架構而不是數據產品；創(chuàng)建數據時通常會考慮特定部門的需求，但很少考慮最終用途；他們缺乏一種通用的“數據語言”，每個部門都用自己的系統(tǒng)進行編碼和分類；他們越來越關注外部數據，但幾乎沒有質量控制系統(tǒng)。通過專注于“數據供應鏈”管理，可以解決這些問題。與實體供應鏈類似，公司應該系統(tǒng)地思考，專注于最終產品、定義標準和測量、引入質量控制，并在數據收集和分析的所有階段不斷改進他們的方法。

幾十年來，數據管理一直困擾著大公司。幾乎所有的公司都在這方面花費很多，但發(fā)現結果并不令人滿意。雖然這個問題似乎并沒有變得更糟，但隨著管理者和公司努力變得更加數據驅動、利用高級分析和人工智能并與數據競爭，解決這個問題變得越來越緊迫。在本文中，我們將通過“數據產品”和“數據供應鏈”的視角探索一種有效的數據管理方法。

(資料圖)

大多數公司都在為一些常見但重要的數據管理問題而苦苦掙扎。

首先，企業(yè)集中于數據管理的技術能力，這些能力由 IT 職能控制，需要獲取、存儲和移動數據。這絕非易事——構建技術“管道”是一項具有挑戰(zhàn)性的工作。但在這樣做的過程中，他們更多地關注基礎設施，而不是輸出：用于做出決策、區(qū)分產品和服務以及滿足客戶需求的數據產品。

其次，數據是在組織的不同部分創(chuàng)建的，以滿足各個部門的需求，而不是供其他人以后在數據產品、業(yè)務決策或流程中使用。將其與實體產品（例如汽車）進行對比，其中底盤和啟動器等組件的設計考慮了最終產品。

第三，大多數組織缺乏通用的數據語言。數據是微妙而細微的，對于不同背景下的不同人來說具有不同的含義。雪上加霜的是，一些部門對“他們的數據”擁有所有權，可能不愿意分享?；蛘唠m然愿意分享，但他們不會花時間解釋這些細微差別，以便其他人可以有效地使用它。這導致其他部門建立自己的“近乎冗余”的數據庫，加劇了整體混亂。

最后，公司對外部發(fā)生的事情越來越感興趣，利用外部數據來回答各種問題。但外部數據在很大程度上是不受管理的，幾乎沒有供應商資質或數據質量評估。

數據供應鏈管理，以數據產品作為流程的最終結果，可以幫助解決這些問題。它同樣重視數據管理的所有階段——從收集到組織再到數據產品的消費。它是一種平衡通用數據與產品中獨特和定制數據的優(yōu)勢的方法，它同樣適用于內部和外部數據。采用數據供應鏈管理的公司相對較少，但那些采用數據供應鏈管理的公司往往會報告更好的結果。

數據產品的流程和供應商管理

公司一直以財務報表、向監(jiān)管機構報告等形式生產數據產品。盡管如此，此類產品的范圍和重要性仍在增長。對于許多人來說，目標是將分析和 AI 衍生模型嵌入到為內部和外部客戶提供服務的產品中。Morgan Stanley 的Next Best Action、LinkedIn 的People You May Know、Google 的眾多搜索產品以及 MasterCard 的SpendingPulse和Business Locator都是很好的例子。由于上面提到的問題得到充分展示，“爭論”數據比構建模型花費的時間要長得多，而且仍然不能解決所有問題。

經過研究，有一種更好的方法來獲取高質量的數據。它建立在實體產品制造商使用的流程和供應商管理技術之上。特別是，制造商深入他們的供應鏈以闡明他們的要求，鑒定供應商，堅持供應商測量質量，并在問題的根源上進行必要的改進。這使他們能夠以最少的“物理產品爭論”將組件組裝成成品，從而提高質量并降低成本。

一個在其數據供應鏈中采用供應商質量管理的組織是奧馳亞，總部位于美國的煙草和無煙產品供應商。奧馳亞每天依賴 100,000 多家便利店的銷售點數據來完成其市場報告和分析。一個向 Advanced Analytics 副總裁 Kirby Forlin 報告的團隊負責管理這個領域。合同中明確規(guī)定了數據要求，該團隊旨在幫助商店滿足這些要求。首先，奧馳亞專注于其最基本的要求。質量很差，只有 58% 的每日提交符合他們的要求。但奧馳亞團隊耐心地工作，在三年內將質量提高到 98%。隨著基本質量的提高，奧馳亞團隊將其更高級的要求添加到組合中。正如 Forlin 所說，“這是一項正在進行的工作。我們可以越來越信任數據的證據為我們在分析實踐中節(jié)省了大量工作，并在我們的工作中建立了信任?！?/p>

建立數據供應鏈的步驟

數據供應鏈可以在公司內部建立，方法與物理供應鏈的流程和質量管理中使用的一些相同步驟相同：

1.確立管理職責。

步驟 1a，首席數據官或產品經理應從其員工中任命一名“數據供應鏈經理”來協(xié)調工作，并從整個供應鏈的每個部門（包括外部數據源）招募“責任方”。

步驟 1b 是將與數據共享和所有權相關的問題放在首位和核心位置。我們發(fā)現大多數問題都會消失，因為很少有經理愿意在同事面前采取強硬立場反對數據共享。

識別并記錄創(chuàng)建和維護數據產品所需的數據以及相關成本、時間和質量要求。

2.描述供應鏈。制定一個流程圖，描述數據創(chuàng)建點/原始數據源以及為在數據產品中使用而移動、豐富和分析數據所采取的步驟。

3.定義和建立測量。通常，想法是實施指標是否滿足要求的測量。從數據準確性和從數據創(chuàng)建到合并到數據產品中所用的時間開始。每個數據產品的供應鏈都會有不同的措施。

4.建立過程控制并評估是否符合要求。使用第四步的測量來控制過程并確定第二步的要求得到滿足的程度并找出差距。

5.調查供應鏈以確定所需的改進——整體和特定數據產品。確定步驟五中發(fā)現的差距源自步驟三的流程圖。

6.進行改進并持續(xù)監(jiān)控。確定并消除第六步中確定的差距的根本原因，并在必要時返回到之前的步驟。持續(xù)監(jiān)控輸入數據和數據產品，尋求改進產品以及所需的新數據和更好的來源。

7.確?！昂细瘛睌祿础?/strong>公司將繼續(xù)招募越來越多的外部數據供應商，這有助于確定那些始終如一地提供高質量數據的供應商。對其數據質量計劃的審計提供了“鑒定”那些做的人并識別那些不做的人的薄弱環(huán)節(jié)的方法。

Key Bank 是美國資產規(guī)模排名前 20 的銀行，它使用廣泛的數據供應鏈概念來構建其數據管理計劃。它將其過程分解為“捕獲/組織/消費”三個領域，并試圖提高每個領域的效率和有效性。Key Bank最近將大部分數據存儲和分析轉移到云端，并發(fā)現整個供應鏈的靈活性和速度有了重大改進。它的消費活動在歷史上主要集中在經典的商業(yè)智能功能上，但現在它也具有強大的數據科學功能。

這需要改變數據供應鏈，以實現更大的數據虛擬化，并能夠構建跨越不同數據集并包含外部數據的數據視圖。該銀行已經能夠利用其數據供應鏈來快速開發(fā)高度依賴數據的新銀行產品。例如，Key Bank是美國最大的薪資保護計劃貸款貸方之一，最近還推出了面向醫(yī)生的國家數字銀行。該銀行的首席數據官 Mike Onders 實際上是數據供應鏈經理。他和他的員工評估了銀行數據供應鏈提供各種所需數據產品的能力。

建議所有公司積極管理其最重要的數據供應鏈。數據對企業(yè)來說與任何其他類型的資產一樣重要，數據產品也越來越與物理產品一樣重要。采用與實體供應鏈相同的理念和方法被證明對數據供應鏈管理同樣具有價值。