全文共3104字，预计学习时长9分钟

图源：Unsplash

“在工业设计领域，30多年前，设计工作主要是在绘图板和图纸上完成的，数据被记录在一页页的图纸上；20多年前，有了设计软件，同时也产生了一些信息化的数据；今天，在工业设计领域，我们不仅要产生数据，还要让数据创造价值。”

这是西门子工业业务领域工业自动化集团、自动化系统部副总裁，西门子COMOS工业软件部门负责人AndreasGeiss先生在之前举行的西门子工业论坛演讲上的开篇陈述。

大数据的时代，数据正在改变着人类的生活和生产方式。

图源：Unsplash

2019年Gartner第四届年度首席数据官（CDO）调查发现，在CDO组织的成功要素中，数据和分析战略的实施位列第三。

谈起数据，大家都知道四“V”，即variety,veracity, velocity, and volume（多样性、准确性、速度和数量），但是对于许多组织来说，他们的数据仓库基础设施达不到四“V”的标准。不仅如此，第五个“V”——value（价值），更是难以捉摸。因此，考虑到许多现代公司的数据规模，则需要采用一种新的方法——以自动化为基础的方法。

首席数据官将45%的时间花在了寻找能用数据创造价值和收益的方法上，即以一种现实、实用和实际有益的方式运用数据。数据仓库可以帮助达到这个目的，通过为企业数据提供一个集中空间，使首席数据官等企业用户利用该空间提高数据洞察力。

创建一个成功的数据仓库对于首席数据官在组织内部实现数据货币化十分重要。

传统瀑布式数据仓库方法是在上世纪70年代被首次引入的，然而，这种方法只能挖掘数据的一小部分潜在价值。

这种方法需要不断发展，以解决新的数据源并适应业务需求，并需随着组织需求的变化而调整以适应业务需要。使用自动化软件进行设计、开发、部署和操作数据仓库能为企业领导人提供广泛价值。当企业需要时，这种调整能使合并新数据源和技术变得更加容易。

首席数据官能做什么？

图源：Unsplash

数据仓库是能为企业用户提供所需信息的宝贵资源，因为它们是企业数据的中心存储点。然而，用户越来越意识到数据驱动决策的潜在好处，因此，用户期望与数据仓库及时提供最新可消费数据的能力之间的差距不断扩大。

如今企业比以往任何时候都需要更快地从数据中获取信息。此外，新形式数据的不断增长促使这种业务需求攀升，特别是在涉及诸如客户通信、实时消息、传感器数据、社交媒体和音频/视频文件等半结构化或非结构化信息时。

通常，数据仓库的开发和演化意味着要进行一个长周期的IT项目，这与短期项目对设计和环境构建的需求形成了强烈的对比。为支持数字化转型，首席数据官应重构数据仓库，从创新到加速再到自动化，一步步来，以提高企业的时间价值比。

引入自动化

如今，IT部门期望用更少的资源做更多的事情，因此，引入流程需做出改变。

相比花时间定制具有独特配置和更长使用寿命的数据仓库基础设施，IT团队应更专注于配置灵活的决策支持基础设施，即创建一个可以随业务需要而轻松转换的数据仓库。

“上世纪70年代首次引入的传统瀑布式数据仓库方法只能挖掘数据的一小部分潜在价值”。

首席数据官可以通过以下五个步骤帮助公司实现引入目标：

1. 对已有数据要心中有数

成熟的数据管理工具已经作为数据基础设施的一部分在许多企业得到应用。然而，可能并没有得到充分应用。那些已经使用Oracle、SQL Server或Teradata的公司在其IT房地产项目中就已采用了一系列数据管理和移动工具。如果能够推动数据仓库自动化，这些工具将会得到更有效的利用。

然而，在整个盘点过程中，首席数据官应该确保他们考虑了数据仓库的容量需求。众所周知，数据正以指数级的速度持续增长，因此即使数据仓库适合当前需要，数据官也必须确保自动化的流程、通用基础设施和存储需求适应未来数据处理的标准和速度。

此外，数据仓库自动化与企业业务结合非常重要，因为它现在是这样，而且将来也会是这样，而不是像业务部门认为它独立使用就很完美。首席数据官需要做的就是鼓励他的团队去了解可用数据的价值，了解可用于分析业务优先级的自动化分析和评估流程。

为满足这一点，首席数据官必须制定数据仓库自动化策略，使之不仅适用于理想的数据设置，还适用于现实中不可预测的业务数据环境。可以采用一些诸如Data Vault 2.0自动化的数据建模方法，以促进企业更加轻松灵活地应对数据变化。

图源：Unsplash

2.对期望的结果要心中有数

在对数据仓库基础设施的未来做出任何决策之前，首席数据官应了解业务团队将面临的、可以利用数据帮助解决的挑战。根本上来说，就是有关数据仓库自动化和现代化的计划需要围绕协助决策来构建，以在市场上实现差异化。

最近的一项TDWI调查表明，数据仓库现代化的首要因素是对业务对象重新进行调整。首席数据官可以通过支持业务和IT团队之间的协作来帮助制定能使业务目标和技术得以实现的计划。并且，反过来，新的数据仓库计划也能促进做出有关数据的决策，从而有助于整体业务转型。

3.确保高效的自动化

与其他大型转换项目一样，数据仓库自动化需要资源。然而，由于严格预算和相互竞争的优先事项，得到的资源往往很少。因此，首席数据官需要考虑什么是真正的自动化，以便未来更好地开展工作。手工编码SQL、编写脚本或手动管理元数据都是自动化任务更具成本效益的例子。这些系统化过程要么可以不用人类参与（由此也可以消除人为错误），要么大大提升运行速度。

4.培养数据仓库自动化的思维

数据仓库自动化不仅仅是人们购买的一个软件；它也是在业务运行中形成的一种文化。的确，工具和技术构成了业务流程的基础，但是一个好的数据仓库战略需要透明的流程、强有力的领导以及对完成业务最终目标坚定不移的信念。

如果没有强大的数据自动化，企业将很难充分利用数据、挖掘相关技术的潜力。当涉及到数据驱动的转换时，首席数据官必须负起责任去寻找利用大规模数据指导未来业务决策的最佳方式，并且确保在此过程中始终考虑第五个“V”。

5.张开双手迎接改变