亞馬遜科技：數據驅動型企業報告（18頁）.pdf

《亞馬遜科技：數據驅動型企業報告（18頁）.pdf》由會員分享，可在線閱讀，更多相關《亞馬遜科技：數據驅動型企業報告（18頁）.pdf（18頁珍藏版）》請在三個皮匠報告上搜索。

1、1數據驅動型企業作者：Mark Schwartz，企業戰略師，亞馬遜云科技2簡介近來很多人都在討論數據驅動型企業以及是否有必要成為這樣的企業。但究竟要怎樣才能以數據為導向，而且為什么在當今數字環境中這樣做如此重要？企業可以采取哪些實際步驟，以數據作為其思維和做法的基礎？而數據和數據時代其他優先事項（如業務和技術敏捷性）之間又存在怎樣的聯系呢？本電子書將介紹什么是以數據為導向，并舉例說明公司如何利用數據來推動其業務發展。我們還會將以數據為導向和敏捷性、數字化轉型及持續創新串聯起來。數據驅動型組織致力于將其戰略業務決策建立在由數據得出的證據之上，它不僅對嚴謹性有一定要求，與此同時還需要有能力基于數

2、據本身發現機會，從而催生新的產品或市場。他們還會將數據視為可為自己所用的資產，以優化與客戶之間的互動及提高效率。換而言之，他們會分析數據，形成決定并且運用數據來為其客戶提供服務。數據可以是決策的基礎，例如在個性化、動態定價、市場拓展、產品創新或供應鏈優化等方面。但直到最近，不少企業發現很難以這樣的方式運用數據，因為他們僅在交易的背景環境中孤立地思考數據，隨之而來的是，他們將數據鎖定在孤立的數據庫內，那么在這樣的環境里對交易處 理非常有利，但可能不太適用于開放式分析。我們曾以發貨單或訂貨單的思維模式思考問題：“請以每個 100 USD 的價格給我來 20 個小部件”，或者，“請支付 20 個小部

3、件的費用，每一個的價格是 100 USD”。數據是行為表述，而且勢在必行，是交易處理的刺激因素或構件。今天，數據的價值已遠超它的交易角色。我們應該如何在金融范疇考慮它的價值，并且將其最大化？3數據的業務價值每條數據都可被用于各種分析，推動業務成果的提高，然后在從此類分析所得到的結果中凸顯其價值。例如，如果企業通過分析其歷史交易，從中發現優化其供應鏈的方式并進而降低成本，那么數據就能在實現成本縮減的過程中扮演重要的角色。因此，數據的業務價值來源于它可被用于增加利潤或達成使命目標的可能性。因其非交易價值而使用數據的例子其實很常見。以 Johnson&Johnson 為例，他們使用保存在云中的交易數

4、據來改善其醫學合規性，優化其供應鏈，并發現新的藥物。Nike 依靠收集客戶成就數據以提升他們在使用 NikePlus 時的數字體驗。Lyft 會收集并保存其所有行程的 GPS 坐標；他們通過分析發現，90%的行程與來自附近地點的其他行程重疊。這一發現促使他們推出 Lyft Line，該服務允許乘客拼車并享受最高 5 折的優惠。1 即使目前尚未被開發出來，此類使用情況也可以在未來實現利潤，因此，我們可以將數據視作金融資產（雖然在大多數情況下并非 GAAP 資產）。由此可見，一家公司所累積的數據可以是其收購價值中的一項重要因素，或者能使其與其他企業締結伙伴關系。例如，Microsoft 以 262

5、 億 USD 的高價收購了擁有 4.33 億用戶數據的 LinkedIn，以及在 Caesars Entertainment Operating Corp.Inc.2015-2017 年的破產程序中，其債權人堅稱該公司在 Total Rewards 客戶忠誠度計劃中所持有的 4500 萬客戶的數據價值 10 億 USD，是該公司最珍貴的資產。2將數據當做某種有業務價值的金融看漲期權對企業很有幫助，因為它讓我們有機會改變供應鏈或發布新產品，但同時又不會強迫我們采取這些措施。根據數據所顯示的新業務的價值多少，我們可以選擇是否行使該期權。評估數據資產價值的難點也出在這里：相對于計算預計現金流的投資回

6、報率，評估看漲期權顯得更加復雜。所以，企業常常忽略其價值，但正如我在 戰爭與和平與 IT3一書中所介紹的那樣，很多敏捷 IT 交付技巧都能產生此類期權價值。1 亞馬遜云科技案例分析。見 https:/ https:/ 兩個例子均引用自 https:/sloanreview.mit.edu/article/whats-your-data-worth/關于 Caesars 破產案例的詳細分析，見 https:/turnaround.org/sites/default/files/11.%20Paper%20-Caesars.pdf 其破產程序極為復雜，Total Rewards 的價值與其他資產混

7、在一起，因此無法清楚地界定它的最終價值。3 Mark Schwartz，戰爭與和平與 IT：數字時代的商業領導力、技術和成功（俄勒岡州波特蘭：IT Revolution Press，2019 年）。34數據與敏捷性價值的產生不僅源于數據本身，還來自于我們用于分析數據并最終達成此類業務成果的工具和流程。當今的數字世界充滿了快速的變化、不確定性和復雜性，甚至可能是我們所說的顛覆性，我們需要利用數據來保證業務的敏捷性，并有充分的靈活性來迅速針對不斷變化的環境做出反應。敏捷性使組織能夠將快速變化轉變為機遇，并且通過對競爭威脅做出快速反應，以避免被徹底擾亂。數字時代的企業認識到，他們需要將早期版本的產品

8、迅速投入市場，并通過從市場持續獲得反饋來對其加以改進。4 在最近幾年，用于構建敏捷性的技術被產品開發流程所采用，例如，敏捷軟件開發、開發運營和精益軟件開發等。人們將云用于軟件和硬件，以便加快 IT 功能的交付?；趫F隊的組織架構讓我們能夠調動資源，滿足不斷變化的需求。所有這些發展都得以幫助企業，使其流程變得更具敏捷性。但敏捷的流程只是其中的一部分：公司的數據本身也必須具有敏捷性。它必須可以被輕松地應用于應對意外而且持續的變動。它必須觸手可及而且有意義。員工必須能夠輕松獲取相關操作數據的工具，并具有這樣做的技能。這種靈活使用工具（包括我們無法預知的新用途）的能力，正是我們實現企業敏捷性，以及區分

9、敏捷型組織和僅單純采用敏捷模型的框架及形式的組織所缺失的環節。數據敏捷性對于業務敏捷性來說必不可少。數據驅動型企業在這兩個方面都十分精通。4 Ries,Eric，精益型初創企業：當今的企業家如何利用持續創新來打造大獲成功的業務（紐約：Crown Business，2011 年）。5提升數據的敏捷性是一個全新的概念。如果只是交易數據，我們可以將它局限在高度結構化的數據庫當中，而數據庫的架構反映了它將被用于此類交易的方式。關系數據庫系統（如 Oracle 或 SQL Server 等）是我們的工具，它們在交易處理中體現出明顯的優勢。我們使用數據開展交易，并制作運營報告為這些交易提供支持。在重視隱私

10、方面，我們通過嚴格限制對數據的訪問權限對其加以強化，而不是想辦法將數據的使用局限于隱私保護的界限以內。我們采用類似于“通過模糊化來保護隱私”的措施，而不是“通過設計來著手保護隱私”。是的，我們也嘗試使用所謂的商業智能(BI)系統釋放數據以用于臨時分析。但目前工具的先進程度已遠超 BI 系統所能處理的能力：我們現在有機器學習、一系列用于處理不同類型數據的專用數據庫、進行大規模并行處理的算法、大量非結構化數據（如視頻和語音）、傳輸傳感器數據流的 IoT 設備等等，不勝枚舉，造成了海量的數據。借助于這些工具，我們可以將數據從其交易和運營背景中釋放出來。更重要的是，我們已經意識到，實現以數據為導向不僅

11、是一項技術挑戰，還是一項組織挑戰。要成為一家數據驅動型組織，就必須以獨特的方式思考如何做出業務決定，以及如何與客戶互動。這是對數據價值的投入，也是組織的一種謙卑的態度：“數據自己會說話?！蔽覀円绾巫龅揭砸庀氩坏降姆绞绞褂梦覀兊臄祿?，也就是說，我們要如何靈活地使用它，以便為我們提供業務敏捷性？我們要如何利用它提高業務決策的嚴謹性和創造性？我們要如 何改變企業文化，以充分利用此項新的靈活性所帶來的優勢？此外，我們還要對數據采取哪些適當的控制措施，始終保護它的隱私并同時使其能被靈活、快速地使用？歸結起來其實就兩個問題:1 如何提高數據的敏捷性？2 如何使用數據提高業務的敏捷性？56數據敏捷性如何提

12、高數據的敏捷性？要實現業務敏捷性，我們需要隨時對業務和競爭環境中的意外變化做出反應，并且進行真正意義上的創新，因此，我們將需要以在收集數據時可能意想不到的方式將數據運用到工作當中。我們的挑戰：我們的數據可能被局限在交易性關系數據庫中，而且采用孤立的存儲方式使組織的不同人員無法獲取。我們可能沒有適當的分析工具，或者適當的人員在適當的時候可能無法獲得這些數據。我們的安全和隱私模型是臨時的，因為我們或許從未考慮過使用數據進行探索。最有可能的情況是，我們只是通過盡量使數據不可獲取，來強化對隱私的保護。我們的目標：按照隱私和機密保護的要求，在最大程度上提高數據可用性。突破信息孤島之間的壁壘，增強全企業的

13、透明度。為員工提供適當的工具，以計劃外且可利用最近分析技術的方式探索數據。并確保具備嚴謹且創造性解讀數據的專業知識。7在 分析無限制：FINRA 的安全可擴展的大數據架構 一書中，美國金融業監管局(FINRA)的首席信息安全官 John Brady 將這些目標優雅地總結為“他希望降低好奇心的成本”。他指的是最廣義的成本概念，其中包括利用數據進行推斷所用的時間，以及實現的風險。FINRA 的業務在于探索市場中每天發生的 370 億甚至更多筆交易，從中尋找欺詐的蛛絲馬跡。由于沒辦法每次都提前了解欺詐的模式，他們必須依靠其分析師的專業知識，以鎖定可疑的行為。他們的任務與好奇心息息相關：他們希望其分析

14、師充滿好奇地對數據進行檢查，從而發現欺詐的模式及其發生的原因。其所在 IT 組織的任務則是，降低分析師在好奇心的趨勢下投入精力對直覺進行探索的成本。Brady 的想法被全組織及各個職務所采用。營銷人員可以輕松通過探索數據發現意想不到的消 費者購買活動模式嗎？運營部門可以通過探索數據確定績效優化，診斷運營流程中的問題嗎？財務部門可以通過探索數據構思出提升績效的新方法，或者對數據進行細分解讀以加快做出行政決策嗎？IT 主管可以測試其關于如何嚴謹而具有創造性地優化云支出的假設嗎？好奇心是創新與改進的推動力量。敏捷的數據讓員工可以在一念之間自由地探索想法、直覺、假設和猜想，并且使用數據推廣與支持新的想

15、法。要提升數據敏捷性，企業需要解決如何獲得以及獲得哪些數據，如何保護這些數據，如何以及在什么條件下提供數據，還有他們擁有哪些工具和技能可以處理這些數據等問題。781獲取數據要迅速使用數據，首先我們必須擁有數據?？紤]到會將其用于未知的用途，我們收集的數據要比我們知道如何使用的更多。這也是“大數據”的意義所在。值得慶幸的事，在云中儲存數據的成本較低，而且還在進一步降低。因此，我們可以運用業務流程生成大量數據，并將其用于分析。例如，物聯網(IoT)應用通常包含傳感器，將數據點流快速地傳輸到云，使企業可以立即加以分析或儲存用于未來分析。企業現在還可以處理更多數據類型：如，視頻、文本和語音。以新穎有趣的

16、方式使用此類全部信息的可能性數不勝數。舉例來說，GE Oil and Gas 在其輸油管中使用他們稱為“清管器”的類似于 MRI 的設備，以收集有助于其找到管道基礎設施潛在問題的超過 750 TB 的信息。Hudl 收集了大約 10 PB 的視頻和其他數據，供體育教練和運動員進行回顧檢查。Peloton 從鍛煉周期收集數據，進行分析以便為其客戶提供見解。而 Airbnb 每天也在云中積累大約 50 GB 用于快速分析的數據，使用 Amazon Elastic MapReduce(EMR)工具允許對大批量數據進行快速地并行分析。5 5 https:/ Timestream 是專門為管理時間序列數

17、據（如由工業傳感器在很長一段時間內生成，或通過長時間追蹤市場活動而生成的數據）而設計的數據庫；Amazon Quantum Ledger Database 適用于在數據塊中使用的數據類型（必須可采用類似于密碼學的技術對其歷史記錄進行驗證的數據）；以及被設計用于表示復雜聯系與關系（如社交網絡）的 Amazon Neptune。企業不再受限于將其強行置入到關系模型。更好的是，（對于敏捷性來說）將被用于未確定分析的數據可被儲存在被稱為數據湖的靈活存儲庫中，而且每條數據會采用收到它們時的原本格式被儲存。數據湖的好處在于可被用于對其進行分析的工具：這些工具讓您可以混合異構信息、結構化與非結構化數據、來自

18、于不同組織孤島中的數據，以及其他大量數據。目前的工具可以應用機器學習算法和統計分析，而且它們能夠兼容自然語言文本、視頻和語音。換而言之，數據庫可以滿足企業在掌握數據將被使用的所有方式前加以存儲的需求。我們可以將不同業務孤立渠道的數據大批量保存到數據湖，然后對其進行整體分析。我們可以快速設置將數據從新收購公司導入到數據湖的方式，從而清楚理解它的運營情況，而且我們還可以將其與我們自己的數據進行整合。實現所有這一切的神奇之處是：(1)低成本存儲，(2)此類工具兼容松散結構化的異構數據，以及(3)可使用特定服務以高帶寬、非同步的方式將數據推送到數據湖（以原來的格式將數據發送到數據倉庫，它們會迅速到達數

19、據倉庫而無需等待，與電子郵件的原理有異曲同工之妙）。92儲存數據3提供數據10提升數據敏捷性的下一步就是在有幫助的時間和場合提供數據。（注意，我說的不是有需要的時間和場合。這里要討論的是敏捷性和創新。）目前經常被用到的模型是其中一種自助式預置。如果分析師充滿好奇，他或她可以啟用一系列工具和數字子集進行分析，而不用申請或等待其他人提供。由此得來的自由讓分析師可以抓住一連串的靈感或“思路”，而不是采用斷斷續續，會破壞創造性或者您也可以說增加好奇心成本的方式進行操作。云在其間扮演重要的推動角色，因為它實現了對新作業環境進行預置、使用，然后在不再需要的時候舍棄。它還簡化了防護措施的部署，對隱私加以保護

20、（見下方關于此方面的更多信息）。114提供工具員工通?？梢酝ㄟ^自助式預置模型從其所在的數據驅動型企業輕松快速地獲取適當的分析工具，如上所述。各種軟件和服務可供使用：如果您想要對數據執行傳統的結構化查詢，例如，您可以基于數據湖中的數據設置數據倉庫，或者您也可以預置工具，讓您可以直接對數據湖 執行舊式的 SQL 類型的查詢。但今天，可能性變得更多。例如，您可以使用建模工具對數據進行可視化，而且您還可以構建場景并確定其后果。當今的分析革命都和人工智能及機器學習有關，它為我們可以對數據進行哪些操作創造了新的可能性：預測結果、找出異常、分類數據、分析情緒、發現模式、引導機 器人等等。例如，Capital

21、 One 正在使用機器學習來偵測欺詐，但同時維持高水平的客戶服務。T-Mobile 通過機器學習改善其客戶服務，機器學習會預測哪篇文章對客戶最有幫助，并快速將其提供給客服代表。Sky News 在報導英國王室婚禮時利用亞馬遜云科技機器學習為電視觀眾識別并找出人群里的名流。而 Formula 1、職業棒球大聯盟和全國橄欖球聯賽都使用機器學習來優化運動賽事觀眾的體驗。6要應用機器學習，您要根據更早之前的數據集訓練模型，然后將它應用到新的數據集并對其進行觀察。在亞馬遜云科技中，機器學習的一般方法分為三種：(1)使用預訓練的模型，如 Amazon Rekognition（它經過預訓練，可識別圖像中的對

22、象），或 Amazon Lex（它經過訓練，可理解自然語言中所表達的意圖）；(2)使用 Amazon SageMaker 訓練與應用您自己的基于任何一種用于機器學習的常用算法的模型；或者(3)如果您的員工精通機器學習，使用您自己的算法和訓練方法，直接操作針對機器學習進行過優化的 Amazon 基礎設施。借助于上述工具，企業可以釋放員工的創造力，并找出運用數據的新方式。6 https:/ USCIS 的首席信息官時發生過一件事，當時我們正在探索如何縮短處理特定類型應用的時間。我們開發控制面板以追蹤處理的平均時長，但我們所做的每次更改對指標的影響似乎都微不足道。我們沒有意識到的是，少量會引起國家安

23、全或欺詐憂慮的應用所需的處理時間要長得多，因此使平均值發生了偏移。我們對這些時間毫無控制能力。雖然我們的改進辦法適用于大多數案例，但由于嚴重偏移的平均值，我們無法觀察到它們的影響力。當我們最終意識到問題所在并開始監測，比方說，第 85 個百分位的完成時間，我們可以發現我們的變更對大多數案例產生巨大的影響。我們有數據、工具和訪問權 限我們所缺少的只是正確推理的技能。如果數據以（甚至無意地）誤導性的方式呈現，以數據為導向的決策也可能站不住腳。在其著作定量信息的可視化顯示 中，Edward Tufte 介紹了數據可以如何被呈現方式扭曲或遮蔽。7 對于想嚴謹使用數據的企業來說，確保其具備正確的分析與呈

24、現技能以及正確數據的重要性再次被凸顯出來。7 Tufte,Edward R.,定量信息的可視化顯示（Cheshire，CT:Graphics Press，2015 年）。136提供保護在可以將數據用于新穎的用途之前，如滿足好奇心，我們必須保護數據的隱私和機密。數據驅動型企業會“通過設計來著手保護隱私”，刻意地根據計劃和預見來設置保護的機制。他們會確保其已經考慮到什么需要保護，以及設置自動化的做法，以便最終獲得速度和靈活性。實際上，最近頒布的 歐共體通用數據保護條例(GDPR)也要求通過設計來保護隱私。云可以提供眾多設置自動化訪問控制的工具，并且在十分精細的級別讓您可以為員工提供其應該精確訪問的

25、數據的權限。追蹤數據的來源和有效性，對其進行加密或模糊化，以及基于逐字段或逐記錄的原則限制訪問權限的方法有很多。換而言之，您可以指定員工可以訪問哪個客戶的數據，以及查看哪條與這些客戶關聯的數據。Amazon Macie 甚至可以通過機器學習來確定數據湖中的哪些信息是個人可識別信息(PII)，并追蹤它如何被使用?；蛘?，您還可以選擇僅在聚合級別管理數據，或對信息進行遮蔽或匿名處理。在提供如此靈活性的情況下，每家數據驅動型企業必須根據所保管數據的類型負責任地做出關于隱私的決策。在使用企業所持有的海量信息的過程中還有很多其他挑戰。其中一項挑戰即，如何準確地關聯來自不同 IT 系統的關于個人的數據，在像

26、美國這樣沒有專門的全國身份證制度的國家或地區來說尤其如此。數據也有可能是不準確的，不僅因為在數據錄入時可能出錯，而且收集數據的 IT 系統也有可能存在局限性。例如，有些 IT 系統只支持姓氏和名字，在遇到姓名中有更多組成部分的人員時就有可能發生不準確的情況。8無論如何，數據驅動型企業的目標是提供數據，實現嚴謹而準確的決策和持續的創新。它要求收集與儲存數據以靈活地在未來使用，提供數據及合適的工具而不會與其他使用的人員發生沖突，通過設計確保隱私和機密的安全，培養技能以做出有效的推理，并且解決可能導致錯誤決策的數據健康狀況問題。這是提升數據敏捷性的意義所在。8 想要了解關于對現實場景不靈敏的 IT

27、系統的精彩故事，請參閱 Gojko Adzic 的人類 vs 計算機。14通過嘗試新的想法，獲得反饋，調整方向，然后重復這些做法，數字時代的敏捷業務得以維系。這個快速反饋的方式讓公司能夠在使用前測試想法，（低風險、高速且低成本地）進行創新并降低投資風險。它使公司的產品與其服務的市場高度契合，確保該公司在適當的時間以適當的方式解決適當的問題?？焖俜答佋谶@種意義上來說，反饋并非指問客戶他們是否喜歡新功能或產品。更常見的情況是，數據驅動型企業會使用定量反饋，此類反饋的收集方式為觀察客戶的實際行為，或監控市場行為或其他指標的變化。例如，公司經常通過 A/B 測試來改善其網站的使用體驗；亦即，嘗試使用兩

28、種不同的設計方案（通常一種為當前使用的版本，另一種為他們考慮采用的新設計）。他們會向部分客戶展示 A 版本，向另一部分客戶展示 B 版本。他們會收集關于客戶活動的數據，分析它與自己關心的結果之間的關系。如果他們要決定使用綠色或紅色的按鈕，以便使點擊次數最大化，那么他們可以向有些用戶展示綠色按鈕，有些展示紅色按鈕，然后觀察哪一個的點擊量更高。Expedia 和 Netflix 這兩家公司就定期開展 A/B 測試，利用大量來自云數據倉庫的數據。9 9 https:/ A/B 用戶界面測試。例如，針對新的產品創意，可以通過打造“最小化可行產品”進行測試，它是公司可以用于收集該產品是否能成功，或者如何

29、改進才能成功等信息的最小型、最簡單的產品版本。營銷策略、促銷和替代技術等，所有這些都可以通過試用和衡量進行測試，以減少不確定性。這樣做的關鍵就是，收集數據，將它們用于分析。Eric Ries 的著作 精益型初創企業 對使用最小化可行產品和快速反饋的技巧進行了描述。10 根據 Ries 的理論，一家初創企業會在特定的時候產生兩種假設：關于他們的產品方案如何為客戶創造價值的價值假設，以及關于該公司將如何才能拓展其市場，也就是吸引客戶使用其產品的發展假設。最小化可行產品是能為初創企業確認或推翻此類假設提供信息的最小型產品，企業可以借此進行更改，并在市場中對它們進行再次測試。這套實踐方法不僅適用于初創

30、企業或新產品開發，它已經成為組織（包括大型企業）基于所學到的經驗教訓改變方向，從而實現業務敏捷性這一過程中的核心。如果某企業考慮開發新的 IT 系統供其員工使用，他們會假設該 IT 系統將如何在其商業案例中實現提議的業務成果。他們應該對該假設進行測試，并根據顯示的數據做出更改。因此，敏捷的實踐需要數據：要學習和適應，企業必須收集數據，了解其新舉措的影響，并將其用于為此類舉措提供充足的信息。另外，敏捷性還要求企業能夠感知到其業務環境的變化，以便于做出適當反應，從而將業務成果最大化。數據驅動型企業不僅能提升其數據的敏捷性，還能利用數據為其自身的敏捷性提供支持。10 Ries,Eric，精益型初創企

31、業：當今的企業家如何利用持續創新來打造大獲成功的業務（紐約：Crown Business，2011 年）。16文化和流程變更 從這個意義上來說，以數據為導向需要與眾不同的決策方式；對于很多組織來說，這是一次非常深刻的文化轉變。在過去，我們可能制定詳細的計劃，以可用的數據分析選項，然后僅根據可用的數據選擇可能會產生最佳結果的選項，這就是我們的決策方式。在數字世界，我們拒絕接受制定計劃時僅有的數據。我們會設計實驗以獲得更多數據，然后將它們用于我們的決策過程。我們通過生成新數據來消除不確定性。其中一個例子就是我們在 USCIS 時設計的 IT 治理方法。我們沒有編寫冗長的需求文件，然后把它提交給實施

32、的技術人員，我們只是提交了一項業務目標。例如在一個案例中，我們注意到一位嫻熟的案件處理人員（“狀態驗證人員”）每天可以處理大約 70 個案件，但我們的業務目標是使其高于這個數字。在另一個業務案例中，我們發現有些紙質文件在不同處理地點之間傳送期間丟失了，而我們想杜絕這樣的問題。針對這些目標中的每一項，我們首先會創建顯示有關鍵指標的控制面板：每天的案件數量，或丟失的文件數量等。我們會創建一支由業務運營人員和 IT 技術人員組成的跨職能團隊，然后要求他們優化指標，而不是編寫一份需求文件。我們為他們提供工具，以便快速對 IT 系統和業務流程進行更改，然后在控制面板中加以監控。他們嘗試小型的增量更改，并

33、每天監控結果。依據所見的數據變化，他們可以確定下一步該怎么做，以便將結果最大化。而管理層則可以決定是否繼續為相關舉措提供資金，或者將資金用到其他地方。其結果是可快速創造價值的以數據為導向的低風險、輕量級治理流程。這將引出另一個要點：通過透明度強化問責制。在大范圍內提供數據，我們使團隊進度保持 透明。因此，監管機構可以時常反思其投資決定，增加或減少投資，重新定義目標，或者完全停止投資行為。結果是衡量成功的唯一標準，而且它們能夠被輕松取得。但這些結果必須有數據作為支撐。1617發現模式數據可以提升敏捷性的另一個方面是感知環境中的變化并確定其模式。例如，機器學習可被用于偵測與對異常做出反應。我們會用

34、歷史或常規數據對機器學習模型進行訓練，使其習慣于什么是“正?！?，然后應用以找出不正常的活動。例如，此項技巧可被用來鎖定欺詐交易或黑客對網絡的入侵?；蛘哒页龉S生產線上行為異常的設備，并在其實際發生故障前進行維修或更換。當收集大量數據時，我們可能會發現過去沒有意識到的事物之間的關系。社交媒體公司會構建大型的人員關系數據庫。國土安全部可能會發現他們正在調查的潛在恐怖分子曾經與已經確定的恐怖分子住在相同的地址，這樣一來，他們就可以在下次遇到該人員時提出相關問題。大量欺騙性的移民申請可能被證明全部都出于同一個移民律師之手。在這種情況下，我們已不再局限于簡單地使用數據來處理交易：我們現在可以發現此類交易

35、之間的重要而有趣的關系。但還是老問題，我們不知道究竟可能會發現怎樣的關系；而且靈活性，以及好奇心是從數據獲取價值的關鍵。要引述關于利用數據“監控事件”的更多例子，數據點的存在可被用來證明發生過的活動，例如，當審計跟蹤自動創建時。對活動進行跟蹤，審計人員或許可以驗證合規性或調查不當活動。數據塊經常被用于儲存證明活動發生的數據，例如，雙方之間的資金轉移，或有關方批準相關合同。通過使用自動化保護措施和審計數據建立合規性，企業經?？梢员苊鈺档兔艚菪缘闹亓考壓弦幜鞒?。當然，在使用數據支持業務敏捷性的過程中還存在很多挑戰。正如我們在上文中談到的那樣，它要求具備從數據中獲得適當推理的技能。數據并不是總能告

36、訴我們要采取什么行動：我們 必須進行解讀并做出正確的決定。通常，我們要在錯誤的積極面和錯誤的消極面之間做權衡，例如，如果使用數據發現異常交易以便確定潛在的欺詐行為，我們要冒著標記出過多異常交易的風險，從而為客戶制造麻煩，或者標記出過少異常交易，使欺詐行為蒙騙過關。數據集的規模越大，出現無意義模式或重要的模式被大量潛在聯系所掩蓋的可能性也變得越高。干擾會隨著信號的增加而累積。18數據驅動型組織會使用數據促成嚴謹的決策過程，以及提供可用的數據激勵創新并為客戶創造價值，從而在工作中運用數據來優化業務成果。若數據被鎖在僵化的框架或孤島中，或者難以取得，它們會成為業務敏捷性的障礙，使公司無法對機遇做出反

37、應或使產品無法快速被投放到市場。更糟糕的是，當業務無法通過使用數據促進其流程和投資，它將放棄與自己嘗試服務的市場產生重要聯系，或錯過可能有助于其舉措取得更大成功的反饋。而在另一方面，數據驅動型組織會通過數據獲得敏捷性，并利用此敏捷性使數據變得更有價值。結語Mark Schwartz，企業戰略師，亞馬遜云科技關于作者 Mark Schwartz 是 Amazon Web Services 的戰略師，也是 業務價值的藝術、一席之地：敏捷性時代的 IT 領袖和 戰爭與和平與 IT：商業領導力、技術和在數字時代取得成功的作者。在加入亞馬遜云科技之前，他曾擔任過美國公民及移民服務（國土安全部的下屬機構）的首席信息官、Intrax 的首席信息官，以及 Auctiva 的首席執行官。他持有沃頓商學院的 MBA 學位，以及耶魯大學的計算機科學理科學士和哲學文科碩士學位。閱讀關于 Mark Schwartz 的更多內容 2021,Amazon Web Services,Inc.或其聯屬公司。保留所有權利。