第三部分 焦点
第10章 战略与执行的结合
DIKW:从数据中提取价值的基本方法
通常,我们根据数据来推导信息,根据信息来获取知识,根据知识来形成智慧。
正如我们之前讨论的,许多公司并不缺乏可访问的数据数量,其中的关键挑战是,这些公司能否提取重要的数据,从而获得真正的价值。在信息管理中,最基本的模型是DIKW(数据、信息、知识、智慧)层次模型(见图10-7)。它可以很好地帮助我们理解数据、信息、知识和智慧之间的关系。
图10-7 DIKW层次模型
DIKW层次模型中的数据代表原始数据,位于金字塔的底部,不包含任何潜在意义。通过某种方式组织和处理数据,分析数据间的关系,数据就有了意义,这就是信息。信息可以回答一些简单的问题,如:谁?什么?哪里?什么时候?知识是对信息的应用,是一个对信息判断和确认的过程,这个过程结合了经验、上下文、诠释和反省。知识可以回答“如何”的问题,可以帮助我们建模和仿真。智慧,在金字塔的顶端,可以简单地归纳为做正确判断和决定的能力,包括对知识的最佳使用。智慧可以回答“为什么”的问题。
数据智能应用的机会显而易见,但很少有公司会投入时间和资源来创建综合性的数据战略。在创建数据战略的过程中,我们需要关注的关键领域包括:
·数据收集——我们需要收集什么样的数据来推动业务进展?我们要提出什么问题?数据来源是什么?我们需要了解哪一层级的细节?
·存储、管理和访问——我们需要采用什么样的技术、流程、治理、隐私规则、位置、安全?
·数据架构、集成和数据流——数据结构,网络,打破数据竖井。
·洞察力、分析和应用——谁需要什么样的信息?如何将信息转化为知识?目前的需求是什么?我们如何与组织目标保持一致的前进方向?团队成员需要什么样的技能?我们需要担任什么样的角色,承担什么样的责任?我们如何让想法付诸实践?在实践中,如何看待人工智能、机器学习技术以及它们在自动化过程中所扮演的角色?
商业从简单的分析转向数据科学,不仅对技术和人员能力提出了更高的要求,业务流程、数据管理也需要上升到新的高度。敏捷业务构筑组织基础设施平台,实现动态能力灵活流动,让分析(通常是实时的)成为业务管理和运营中心。用英国政府数字服务局的话来说,我们要努力让它保持简单。
要想通过数据取得成功,我们不仅要广泛地收集数据,还要在生产过程和实践中使用数据,让数据助力战略布局和科学决策。打造数据驱动型组织取决于企业高层的支持,它需要被嵌入到组织文化中。
转载此文是出于传递更多信息目的。若来源标注错误或侵犯了您的合法权益,请与本站联系,我们将及时更正、删除、谢谢。
https://www.414w.com/read/868808.html