分析任务

最近，在Teradata与《福布斯》杂志共同赞助的以数据分析为主题的 “数字化革命峰会”上，这种认识达到了前所未有的高度。这次峰会在10月初的一天举行，地点在旧金山外的一个会议中心，涵盖从交通运输和金融到制造业、大型联赛运动甚至市政府的各个产业，以评估各个产业是如何受到数字化转型的影响的。 参加峰会的有150多位分析专业人士，包括eBay、Uber、富国银行、Facebook和美国航空等公司的顶尖数据高管等。任务似乎很明确：我们的任务是连接各个点，确认客户需求，及时为市场提供解决方案，为各个州各个行业的各类客户带来变革。那么我们怎么去做呢？

无论是著名的摩尔定律，还是我们自己用于大规模分析的感知型企业（Sentient Enterprise）成熟度模型——都具有无数的框架，以便理解创新和突破是如何相辅相成，推动数字化的快速增长。其中，越来越清楚的一点是，分析解决方案必须能够实时管理和扩大创新。有时候，这种快速的成功会给自身带来全新的挑战。

数字领导力

创新提升能力，这反过来又产生了新的业务或政策问题。前面两个例子在阐明观点方面还可能较为狭隘。为此，让我们来审视影响我们整个产业的更为广泛的因素——这就是缺乏数字领导力。

与其他成功的症状一样，数字领导力的匮乏是在容量、连接和带宽飞速发展，并让大多数公司能够获得前所未有的大数据能力的大背景下产生的。这个挑战，正如我经常引用行业分析师Tom Davenport的话说——“与购买数字领导力相比，购买数字能力要容易得多。”

“如果您不处理实物资产和业务流程问题，您就不会有可持续的变化，”这是一家正在经历自我变革的大型网络跨国公司的首席数字官最近提醒我的话。他表示，成功就是围绕着数字化运营模式和技术进行创新。“您应该围绕角色/责任进行创新，围绕洞察力、能力、行为和操作程序进行创新，”他说道。

当您促使企业从数据寻找真实答案的时候，成功需要适应不断的变化。理想的情况是，您的系统架构和设计可以应对未来不断增长且超出原先预期的数据、用户、查询和需求。您的成功模式需要基于周密的长期规划，并意识到需要一致性的可扩展的增长。