数据团队来管理数据的年代该结束了

　　中心化的数据团队常常会在公司结构中造成瓶颈，阻碍整个企业采取民主和进步的方法来使用数据。其罪魁祸首是众所周知的：孤立式思维、部门/团队之间缺乏沟通，以及对数据使用的被动态度。 

　　最初使用的是数据仓库，然后是数据湖。如果大肆宣传是可信的话，那么现在是数据网格的时代了。

　　所有这些都依次被视为开启金融数据真正价值的灵丹妙药。那么，为什么数据的真正价值之前没有实现呢?

　　中心化的数据团队常常会在公司结构中造成瓶颈，阻碍整个企业采取民主和进步的方法来使用数据。其罪魁祸首是众所周知的：孤立式思维、部门/团队之间缺乏沟通，以及对数据使用的被动态度。

　　这就是为什么是时候该禁止你的数据团队来管理数据了——或者至少要改变他们与数据的关系。

　　数据优先文化对金融部门的好处

　　金融部门充斥着各种数据。这些数据不仅有可能解决诸多的问题，而且有可能引发一场行业革命。

　　以零售银行业务为例。供应商的一个重大担忧是其服务的商品化。Clearbank 和 Revolut 等金融科技公司和支付提供商的崛起已将传统经营商引向集成 API 的方向。但这并不一定是一件坏事。通过这些 API 收集的未利用数据可能会开启产品创新，从而使零售银行能够对其服务进行区分，并更多地以银行即服务 (BaaS) 模式进行运营。

　　有效的使用数据可以促进实现超个性化，可通过预测界面等实现智能体验，从而带来丰富的用户体验。此外，有效的使用数据还可能带来更有效的交叉销售——根据现有客户的个人状况，为他们提供最适合的贷款和信用卡等产品。

　　不仅是零售银行可以从数据中受益。利用“数据即产品”还有助于提高金融科技公司软件即服务 (SaaS) 的业务价格及其平均报酬率 (ARR)。

　　那么，既然有这么多选项可供选择，为什么数据团队不做更多的工作来将其转化为成果呢?在帮助他们对此进行改变方面，其他团队发挥什么作用呢?

　　数据瓶颈

　　数据团队并不总是认为自己当前使用数据的方法存在任何问题。中心数据团队的设立基本上是为了开展复杂的转型，以对数据的含义进行解读。这意味着他们经常关注于“我们正在做的工作可行吗?”而不是“我们能做什么?”。

　　对于数据团队来说，如果数据管道工作正常，那么就一切正常——因为技术团队(根据所提供数据来开发产品的人)没有主动告诉他们可以以不同的方式提供数据。在中心数据团队内部，有一个共识，他们的很多职责都涉及到清理别人的烂摊子。同样，这些事情也可以积极主动地去解决。

　　如果数据团队一开始就能更快地与技术团队接触，以使他们的对话和工作方式保持一致，这会使他们可以花更少的时间解决问题，同时可以有更多的时间来寻找潜在的机会。

　　更好的沟通是消除中心数据团队成为瓶颈的关键。通常，整个企业中会有数百名技术人员可帮助发现和释放数据的价值。

　　让技术人员进入状态

　　技术团队通常会首先获得数据，然后，常常会采取非常被动的方法进行实施。他们倾向于利用现有数据来构建他们被告知要做的产品，而不是激励人们进入更宽的业务领域中，以充分利用他们的数据。

　　从头开始设计某一产品的产品团队可能更多地想了解“为什么”他们要使用自己的数据——但这需要做进一步研究。技术团队必须要问自己，最重要的是问其他人，如果将他们的项目视为一个产品，哪些其他部门/领域可以从中受益。

　　例如，技术团队需要与整个企业内的最终用户交谈，并说“我们已经获取了这些数据——我们以何种方式打包这些数据才能更有益处，并可为你们带来更多价值”?这是所有对话中最重要的一个，为什么完全忽略这种对话呢?

　　如果重点始终是让技术去做某些事情，那么其结果只会出问题。如果技术团队改变这一点，并积极主动工作，那么进步的空间就是无限的。

　　更多的业务部门

　　除了数据和技术团队之外，更多的业务部门在数据去中心化和随之而来的组织文化转变方面也可以发挥重要作用。这意味着给各个部门分配不同数据集的所有权，以及就如何使用数据来帮助个人和整个企业拥有更好的业绩方面进行清晰沟通。

　　让更多的业务部门来支持挖掘数据的潜力，这有助于技术团队更有效地“推销”他们的数据产品。这可归结为全公司范围内对数据持有一种开放态度。

　　随着金融机构为数据发展(无论最终发展为数据网格形式，还是全新形式)的下一阶段做好准备，跨部门地建立一种对话和促进联系将是释放数据价值的关键。

　　最终，在金融机构工作的任何人都不应被禁止使用数据。应该鼓励每个人接触数据，使用数据以提高绩效——只要数据在公司范围内得到传递和共享，而不是囤积在某一特定团队的管辖范围内。

　　因此，要试试这一方法——让你的数据、业务和技术人员坐着一起，让他们列出企业中最有价值的五种数据资产。然后，让他们每个人列出五种可以让这些数据带来更多价值的方法。现在让他们把这五种方法变成现实。你会惊讶于其所产生的不同结果。

　　来源： 企业网D1Net

  　　>>>>>>点击进入大数据专题