通过数据和人工智能实现商业价值。每个人都在谈论它，但大多数公司都在努力将数据货币化。我认为在大多数情况下，这是由于缺乏有效的商业战略。本文将向您展示激活公司数据资产所需的战略基础。

1. 数据出了什么问题

组织无论大小、国企或私企，都努力成为数据驱动型。数据驱动意味着由内部运营流程创建的数据被“回收”以支持决策、实现决策自动化并实现数字商业模式。

总体而言，利用数据可以实现以下目标：

• 更多收入

• 降低成本，提高效率和利润

• 更好的风险管理

• 基于数字产品和服务的更多创新和新商业模式的可能性

数据咨询行业、众多数据专家（包括我自己）和技术供应商从不厌倦重复令人信服的理由，说明组织领导者应该投资于他们的数据能力，包括技能、能力、方法、文化，当然还有相应的 IT 工具和平台。

“持续利用数据创造价值已经成为当今企业的决定性竞争优势，在不久的将来，它甚至将成为企业生存的必需条件。

近年来，由于令人瞩目的技术进步和随之而来的生成式人工智能（GenAI）的媒体炒作，该话题引起了人们的关注，生成人工智能已经进入主流媒体。尽管目前 GenAI 被大肆炒作，但数据价值创造的理论和实践却并非新鲜事物。过去，它曾以不同的名称出现，例如分析、商业智能、统计建模、数据科学、机器学习、大数据，现在主要被称为人工智能。所有这些术语或多或少描述了从数据中提取见解的不同技术，如果正确使用，这些技术可以显著改善业务。

应用统计方法来检测模式，企业可以利用这些模式来增加对消费者、市场或竞争的了解，进而增加收入或降低成本或风险。在每个行业和价值链的每个环节，都存在许多经过实践证明且易于理解的数据价值创造用例。

虽然“回收”数据可以创造额外的商业价值，甚至转变现有的商业模式，具有明显的应用和好处，但我也观察到了商业现实的截然不同的景象：

许多组织只是努力有效且高效地利用数据来创造商业利益。

组织里的数据出了什么问题？

1.1 数据价值创造障碍的症状

组织在数据方面遇到的问题可以列成一长串，而且每个组织的情况肯定都不一样。然而，问题通常归结为一些典型的描述：

1. 数据解决方案的编排和开发以及支持活动（例如数据治理或数据架构）的职责不明确。

2. 不成功的数据、分析或人工智能计划：分析和人工智能项目耗时长、成本高，或者在启动时与特定业务目标没有紧密联系，导致项目无法增加可衡量的价值。

3. 缺乏数据意识：员工和高管不清楚利用数据作为资产的潜力和好处。他们根本不了解数据的当前和未来作用，错失了机会。这通常与缺乏高层管理关注有关。

4. 孤岛有两种：组织孤岛阻碍协作、创新和效率；数据孤岛阻止人们访问、组合和利用来自组织不同部分的数据，从而导致观点分散和结果冗余或矛盾。

5. 缺乏技能人员：组织中缺乏数据亲和性业务用户或数据专家。

6. 数据质量差：团队经常报告数据准确性、完整性或一致性的问题，导致对基于该数据的见解和决策缺乏信任。

这些都是许多组织都熟知的症状。但这一切痛苦的根本原因是什么呢？

1.2 根本原因

过去和现在都存在一个根深蒂固的误解，认为数据价值创造是一项技术挑战。如果我们引入正确的平台并提供必要的培训，组织将能够有效、高效地使用数据来创造商业价值。但这是一个谬论。

IT 平台、工具和算法库已经存在了一段时间，已经成熟，随时可用，并且还在不断改进。虽然数据的技术提取和准备应该“正确”地进行，但为了获得高质量的数据以及可扩展且灵活的数据模型，存在经过验证的框架和最佳实践来实现这一点。

选择和实施数据的IT平台、工具、最佳实践和算法库是一个复杂但并不复杂的问题，实际上已经解决了。

组织要么拥有内部选择和实施技术的专业知识，要么可以轻松获得有关此事的外部专家的可靠咨询。

我认为数据价值创造失调的根本原因是缺乏连贯的商业战略：

缺乏商业战略是许多组织在数据、分析和人工智能方面失败的根本原因。

如果没有明确定义业务战略，组织将很难构建和维护所需的数据能力，从而无法有效、高效地发现、创新、构建和维护数据驱动的解决方案。

图 1：战略是大多数公司在数据方面失败的根本原因。

例如，成功实现数据价值所需的一项核心数据能力是数据文化，它确保员工：

1. 了解数据的可能性

2. 希望利用数据改善业务

3. 可以使用数据来实现

4. 必须使用数据，因为这是领导者的期望

然而，为了创建有效的数据文化，你需要知道你的目标文化应该朝哪个方向发展。你必须了解数据业务需求，这将指导你朝哪个方向发展你的目标数据文化。这些数据业务需求由战略提供。

如果没有明确的业务战略，就很难就企业对数据、分析和 AI 的需求达成一致。数据价值创造的作用因此不明确。然而，为了构建量身定制的可持续数据能力，你只需要了解组织中数据的主要用途，例如，向 CFO 提供一组报告，还是数据是一种推动竞争优势的手段，比如通过数字产品和服务。

通过深思熟虑的战略设计将隐含的选择明确化，就可以建立一种沟通形式来就数据业务需求达成共识。

正确掌握数据和 AI 能力当然不是为组织制定可靠战略的唯一好处。这更像是副作用。这应该是不言而喻的，但为了完整起见，制定明确且精心设计的业务战略的好处如下：

1. 竞争优势

2. 明确的方向和目标

3. 专注和有效的资源配置

4. 员工协调和士气

5. 长期成功和可持续性

6. 有效的风险管理

1.3 问题有多大

当我开始与新客户合作解决数据相关问题时，我通常执行的第一个信息请求是要求提供相关战略文档，最重要的是企业业务战略。我经常收到以下模糊的回复：

• “我们的战略尚未记录下来。”

• “我们的战略已经过时了，需要更新。”

• “我不确定，我必须做一些研究。”

• “我们有一种行动导向的战略。”

在提供战略文件的情况下，它通常只是一个松散的举措列表，这些举措听起来都很好，但总体上并不符合常见的战略标准。

虽然我不知道这方面的代表性统计数据，而且良好的商业战略肯定取决于组织的规模和其他潜在因素，许多公司都缺乏坚实、明确、精心设计的战略。

很少有组织会追求明确、可靠的商业战略，从而推断出所需的数据、分析和人工智能能力。

根据我的经验，中小型企业（Mittelstand）的情况尤其具有挑战性。

在本文中，我旨在通过阐明利用数据作为资产需要进行哪些战略工作来解决组织数据失败的根本原因。

首先，让我们仔细看看战略到底是什么。

2. 为赢而战

2.1 起源

“打赢”战略框架由罗杰·马丁创立，他被评为 2017 年世界第一管理思想家，是全球各大公司 CEO 值得信赖的顾问，曾任 Monitor 顾问和罗特曼管理学院教授。

该框架在 20 世纪 80 年代和 90 年代不断发展和完善，最终在罗杰·马丁和宝洁前首席执行官雷富礼合著的一本书中得以体现。该框架成为宝洁的标准战略方法，并已成功应用于许多行业。此外，罗杰·马丁通过一系列战略实践者见解不断详述“为赢而战”框架。

尽管可能还有其他非常适合的战略框架，但我选择了“为赢而战”的方法，因为它广为人知且得到广泛应用，并且配备了一整套流程、模板、资源和培训的生态系统，可用于设计任何类型的战略。

2.2 战略就是做出选择

在“为赢而战”框架中，战略定义如下：

“战略是一系列综合的选择，它使企业在行业中占据独特的地位，从而相对于竞争对手创造可持续的优势和卓越的价值。”

因此，战略就是做出（通常很艰难的）选择，让你的公司获得竞争优势。然而，没有人能保证这些选择是正确的。结果总是一场战略赌注。战略设计过程旨在降低成功率，即在现有信息的情况下最大限度地提高成功的可能性。

请注意，此战略定义与计划截然不同，计划常常被误解为战略。

“规划是制定项目时间表、交付成果、预算和责任的行为。”

然而，战略和计划并不相互排斥。制定计划是战略设计过程的自然组成部分，目的是建立实现战略所需的能力。

战略还有另一种定义，我特别喜欢这个定义，即：“战略是为了实现特定目标而决定做什么和不做什么的逻辑”。

因此，每个组织都有一项战略，无论是否写下来。这种隐性战略可以从公司采取的行动中推断出来。这种隐性战略的问题在于，组织中可能没有就这种隐性战略是什么达成共识，而且这些行动可能是无效的。

2.3 战略选择级联

在“为赢而战”框架中，每个战略设计师都必须做出五个关键选择。这些选择被组织在所谓的“战略选择级联”中，这是该框架的核心工具之一。

图 2：战略选择级联有助于构建在战略设计期间需要回答的战略问题。

该战略的实际核心是由第二和第三个框中做出的连贯选择构成的：在哪里行动和如何取胜。

如何应用级联最好用一个现实世界的例子来说明，该例子描述了西南航空的公司战略选择。

图 3：西南航空的战略选择级联示例

级联并非只填写一次；在整个战略设计过程中，它会被重新审视并反复用于各种用例：

• 通过观察竞争对手的做法来重建他们的战略：这是一种熟悉框架的好方法，也是开始战略设计过程的一种破冰方法。

• 记录当前的战略：如果以前没有这样做过，这是一种建立对现状的共同理解并明确当前的隐性选择的好方法。

• 记录新的战略可能性：战略设计过程包含一个创造性元素，其中会生成未来目标战略的多种可能方案并对其进行系统评估。使用战略选择级联对这些方案进行记录和详细说明，每种方案都对应一种可能性。

2.4 备忘单

当我使用级联时，我的“Playing to Win Cheat Sheet”可以帮助我，其中包含有关各个框的更多信息以及框架的主要来源。

图 4：《争取胜利》备忘单提供了战略选择级联的每个元素的详细信息。

2.5 做出综合选择

在进行战略级联时，各个框绝不应该单独填写，而需要一起考虑，因为真正的战略的选择应该很好地契合在一起并相互加强。

这尤其适用于“在哪里行动”和“如何取胜”，它们是不可分割的组合，总是需要一起考虑。

但是，在考虑必备能力和管理系统时，还需要牢记在哪里发挥作用以及如何取胜。能力和系统是一种现实检验：如果无法建立实现战略所需的能力和系统，就需要考虑不同的取胜方式，有时甚至需要考虑不同的竞争环境。

图 5：处理级联是一个反复的过程，在处理前景时需要牢记背景。

由此应该可以清楚看出，填补战略选择级联的练习可能是一个非常反复的过程，来回移动，直到你得出一组选择，其中包含一个令人信服的获胜理论，可以在所选的竞争环境中实现获胜的愿望，而这可以通过所需的能力切实实现，这些能力是通过所需的管理系统构建和维护的。

2.6 战略选择

战略选择发生在整个组织中，但并非所有选择都是在公司最高层面做出的。

选择特许是在整个组织内定义、传达和授权战略选择的结构化过程，以确保各个层面的决策一致且有效。

因此，在大型组织中存在嵌套战略和相应的选择级联，例如国家、类别、品牌或业务部门战略。不仅各个业务部门需要做出自己的战略选择，从而形成嵌套的选择级联，而且 IT、人力资源、财务、营销、研发或数据和人工智能等职能部门也需要做出自己的战略选择，从而形成嵌套的选择级联。

图 6：嵌套选择级联

功能战略的一个特殊性是，它们可以被视为自然垄断，其中内部客户通常别无选择，只能使用该功能提供的产品。

2.7 将战略付诸实践

好的战略设计流程不会区分创建阶段和随后的执行阶段，而是从一开始就将激活融入到战略流程中。战略激活的目标是让每个人都了解所做的设计选择，并让利益相关者能够做出自己的选择来支持该战略。

战略激活包括创建利益相关者的参与，使战略切实可行，并通过构建必备能力和相应的支持管理系统将战略从设计转化为行动。

图 7：通过构建所需的能力和系统，该战略得以实现。

一旦定义了能力和系统，就需要构建和维护它们。然后，对每项能力或系统进行适合度差距分析（通常称为成熟度评估）将提供输入，以制定构建、购买或借用所需能力和系统的计划。

有趣的是，数据咨询公司通常会先提供成熟度评估，作为为客户提供的一种入门服务。但从上述内容可以看出，任何匹配差距活动只有在战略工作的基础工作完成后才有意义。

将战略付诸实践也提供了与规划的联系，而规划常常与战略混淆：战略选择通常需要构建新的能力，在评估现状后需要制定行动计划。

3.数据业务需求

一旦明确了业务战略，就应该清楚数据、分析和人工智能对组织扮演什么角色，即企业数据业务需求是什么。

就这么简单：

商业战略必须回答组织或业务部门的数据有多相关。

当使用“为赢而战”框架时，只需看一眼业务战略的选择级联，就应该清楚地表明数据与业务的相关性。

数据业务需求可以采取四种不同的形式之一。

图 8：四种可能的数据业务需求概述，以浅黄色突出显示业务战略选择级联的相应元素，其中数据、分析和 AI 发挥着作用。

让我们深入探讨这四种情况。

3.1 无需明确的数据

在这种情况下，组织内部并未就数据价值创造是否是取胜的必要条件达成共识。这意味着，数据似乎与战略选择级联的五个框中的任何一个都无关。

例子

一个例子可能是一家专注于手工制品的小型传统手工艺企业，它依赖于手工技艺、声誉和客户关系。

建议

虽然我相信数据、分析和人工智能不是宇宙的中心，也并非每个组织都依赖它来获得胜利，但作为一名可能有偏见的数据专业人士，我自然会通过以下问题来挑战这种观点：

• 借助数据分析和人工智能可以解决当前哪些业务痛点和收益？

• 数据、分析和人工智能在创新中能发挥什么作用？

• 竞争对手、您所在行业或其他行业的公司已经采用了哪些解决方案？

• 潜在的利益是否值得投入更多的精力和资源？

组织应该清楚了解潜在的数据用例以及这些数据与业务的相关性。

3.2 数据作为运营职责

在第二种情况下，数据、分析和人工智能是可操作的，但不是战略能力和/或系统，因此应尽可能以成本效益高的方式实现。相关数据元素可以在级联的第四和第五个框中找到，即必备能力和支持管理系统。

示例 1

对于上述西南航空的案例，数据、分析和人工智能的业务需求是为了高效且经济地管理航空运营的复杂性。

公司需要建立、运行和维护支持管理系统，以确保运营效率：

• 实时追踪飞机准点率的绩效管理系统

• 监控和优化登机口等候时间的系统

• 最小化燃料成本的系统

• 新车站和线路规划的决策支持系统

这意味着，以西南航空为例，数据、分析和人工智能的业务需求主要体现在最后一个框中——支持管理系统。

示例 2

一家区域公用事业公司使用数据、分析和人工智能来监控能源使用情况、预测维护需求并生成内部报告。与示例 1 一样，数据有助于实现运营效率并满足合规性要求，但无法提供战略差异化。

因此，数据、分析和人工智能是代表运营需要而非战略能力的能力或系统。

与数据相关的支持管理系统的示例可以是提供管理见解所需的数据报告系统、BI 工具或相应的数据平台。

建议

在构建和维护此场景的业务战略的数据相关能力和系统时，成本效益应该是一个关键维度，以决定是否构建、借用还是购买在指定竞争领域中获胜所需的能力和系统。

虽然将数据仅用于提高运营效率并没有错，但组织应定期评估是否忽视了战略机会。当然，作为一名数据专业人士，我会通过以下问题来质疑这一点：

• 数据、分析和人工智能在创新中能发挥什么作用？

• 当前的产品和服务是否可以通过基于数据的洞察进行扩展，从而为客户增加价值和/或与竞争对手脱颖而出？

再次，组织应该努力明确潜在的数据用例，以及这些数据与当前业务模型的战略相关性，或者是否可以使用数据、分析和人工智能来扩展现有业务模型。

3.3 数据作为战略差异化因素

在这种情况下，数据、分析和人工智能是核心差异化因素，直接影响公司如何在市场上取胜。它们是实现公司价值主张的关键部分，帮助公司创造竞争优势（框 3：如何取胜），或者是实现竞争优势理论的关键战略能力（框 4：必备能力）。

例子

以下是咸味零食生产商 Frito Lay（Lays、Doritos 等）的例子，该公司采用直接送货到店系统，产品直接送到便利店并由送货司机放置在货架上。

这种直接送货上门的系统是劳动密集型的，因此成本高昂，但它使菲多利公司从竞争对手中脱颖而出。拥有大量知名产品为菲多利公司的送货系统（许多产品的一站式配送）创造了巨大的成本优势，产生了竞争对手无法比拟的独特竞争优势。

构建数据和人工智能解决方案，预测商店库存并为每个销售点生成最佳产品订单，有助于降低直接送货上门系统的成本。因此，数据、分析和人工智能是战略能力（框 4：必备能力），直接支持竞争优势（框 3：如何取胜）。

建议

使用业务战略级联来传达数据在组织中的战略重要性。确保高管和所有相关利益相关者了解数据、分析和人工智能对业务的影响和价值。这为必要的数据文化和数据素养发展以及充分构建获胜所需能力所需的组织变革奠定了基础。

最后，它还有助于讨论资金以及设定正确的优先事项。

批判地质疑外包任何数据功能是否有意义，因为它们对于组织具有战略重要性。

拓展你的思维，考虑是否还有其他数据货币化的机会，从而有可能导致“数据即商业”。

3.4 数据即商业

这是大多数人都感兴趣的场景：数据扩展甚至彻底改变现有的商业模式，组织进入数字经济。

在这种情况下，数字数据驱动的产品或服务是公司产品的一部分，甚至可以成为愿景的一部分。

例子

这个例子是关于法律搜索服务的数字提供商 Westlaw 的。Westlaw 的战略资产之一是 1975 年以来的法庭案件记录数据库，律师可以通过它浏览历史案件，以处理手头的法律事务。

数据是公司产品的一部分，其在市场中的独特性确保了其竞争优势。

建议

数据显然是确保竞争优势的公司资产，因此请确保数据得到适当的处理。例如，它需要关心、培育、保护和质量保证。

因此，数据治理（框 4：必备能力）和相应的系统（框 5：支持管理系统）势在必行。

3.5 了解数据业务需求为何如此重要

每个组织都是不同的，有独特的数据业务需求。

组织需要了解数据、分析和人工智能在业务战略中扮演的角色，以便知道需要花费多少资源来创建和维护与数据相关的功能和系统。

许多高管仍然对数据和人工智能的炒作感到困惑，这导致了他们对此持怀疑态度、不确定性或不加思索的投资。

因此，完善的业务战略和对数据业务需求的透彻理解可以提供指导，并有助于传达数据在组织中的重要性和作用。

因此，我主张：实现数据驱动的第一步是完善的业务战略设计。

4 何时需要专用数据或 AI 战略

4.1 数据战略之谜

如果你已经认为“战略”一词存在混淆，让我告诉你，“数据战略”一词更令人困惑。我读过的几乎每一篇文章或每本书都对它的定义有所不同——如果有定义的话。当我开始深入研究这个话题时，这经常让我头疼。

在大多数情况下，“数据战略”一词是指在组织内构建数据相关能力的计划。

它被称为构建分析 IT 平台、推出新的 BI 工具、建立数据治理、提高数据素养、发展数据文化或构建数据管理、分析和 AI 的运营模型的计划。

在我看来，数据战略这个术语应该仅用于描述一种功能的战略，该功能首先向内部数据客户提供数据服务，有时也向外部数据客户提供数据服务。

4.2 数据或人工智能的战略

在许多情况下，组织需要与数据相关的功能，提供以下服务：

• 为业务自助服务用户提供集成的、建模的、质量有保证的可用于分析的数据（例如以数据集市的形式，可通过数据目录浏览）

• 开发和维护 BI 仪表板和报告

• 为业务用户进行分析，这需要专业知识，例如数据科学或机器学习

• 提供有关数据用例的创新、发现和评估的咨询或与购买与制造决策相关的咨询服务（例如 GenAI 解决方案）

• 创建和执行数据、分析或人工智能的教学和培训

• 向内部或外部利益相关者提供持续的信息请求，例如与供应商交换数据或满足监管数据需求

如果一个组织拥有或将拥有数据管理、分析或人工智能功能，为（内部）数据客户提供服务，那么它只需要一个如上文第 2.6 节所述战略。

图 8：数据战略选择级联的可视化展示了如何将级联转换为数据函数的上下文。

清晰的战略使职能部门能够明确自己应该在何处发挥作用以及如何赢得数据客户。它还可以指导和协调其行动，以有效分配资源并提高为组织提供的价值。

如果你的数据功能没有明确的战略，那么很可能会默认采用具有破坏性的隐性战略，即“奴性战略”（试图满足所有可能的业务需求），或者“帝国战略”（仅仅为了做数据、分析或人工智能而做）。

根据此功能提供的服务和产品的性质和重点，您可以称之为数据战略、分析战略、BI 战略或 AI 战略。

该职能部门的数据战略通常包含跨越或存在于组织多个部分的能力和系统，例如企业分析数据平台。

4.3 数据能力建设计划

当谈到数据、分析或人工智能时，大多数公司热衷的话题是构建数据相关能力和系统的计划。

制定这样的计划可能是一项艰巨的任务，因此需要投入大量时间。我只想说，你需要确保事先做好战略基础工作，这样你就知道你真正需要什么样的能力和系统才能获胜。计划的性质和许多设计选择的要求都取决于战略基础工作。

此类“数据计划”的范围可能因组织的数据业务需求而有很大差异：从专门为控制目的构建报告系统和相应的数据环境，到使许多业务部门和职能能够充分利用整个价值链中数据用例的潜力。

后者通常与全公司范围的转型计划相结合，而构建数据能力的计划可以成为总体数据驱动的业务转型路线图的一部分，由专门负责数据、分析或人工智能的领导者 [14, 15]（有时称为首席数据官）领导。

5 综合起来考虑

一个构建数据或人工智能能力和系统的计划应该放在最后，作为契合度差距分析的结果，其中目标状态由前面的战略选择提供。

因此，组织需要明确其数据业务需求，即数据、分析和人工智能将在其未来业务中扮演什么角色。底线：需要从战略基础开始。

5.1 奠定数据战略基础的过程

设计有效数据和人工智能能力的流程如下：

图 9：为数据、分析和人工智能奠定战略基础作为数据驱动型组织的基础的四步流程。

1. （重新）设计你的商业战略

• 确定现有的战略选择，无论是隐式的还是显式的

• 确定组织或业务部门需要哪些数据业务，并确保在业务战略中明确制定有关数据、分析和人工智能的相关战略选择

• 确保高管和相关利益相关者对数据、分析和人工智能在组织中的未来作用达成共识

2. 战略相关选择

• 为数据功能制定战略选择并为该功能设计数据战略

• 为相关业务部门和/或职能部门授权其他相关数据选择

3. 评估和规划能力和系统

• 这适用于组织内的各个战略层面

• 对实现战略所需的每项数据相关能力和系统进行成熟度评估

• 制定构建、扩展或维护每个功能和系统的计划

• 对于数据战略，这可能包括：组织设计、数据目标运营模型、技术和工具、数据管理、数据集成、数据建模、数据架构、数据治理、数据民主化、数据质量管理、主数据管理、数据创新管理、BI、数据科学、数据素养和数据文化

4. 建立能力和系统

• 开展项目以建立和维护利用数据取胜所需的能力和系统

• 衡量你的战略是否成功并监控进展

通过奠定战略基础，您将解决组织中数据价值创造功能失调的根本原因。

奠定战略基础可确保高管和员工了解数据在组织中的作用。这反过来将有助于建立有效且可持续的数据能力，并为投资开发和维护这些能力所需的资源提供指导。

对于步骤 1，我们已经在本文第 3 部分中看到了示例。步骤 2 中的选择特许可能是什么样的？

5.2 特许数据相关选择的示例

我们将该流程的第二步应用到上述菲多利的例子，其中商店库存预测支持直接送货上门系统的竞争优势。

这个用于销售部门的门店库存预测用例可能是 Frito Lay 的众多 AI 用例之一，因此组织的许多部分都需要 AI 功能。假设 Frito Lay 因此决定构建一个中央 AI 功能，从而实现专用 AI 功能。

图 10：组织中特许数据和 AI 相关选择的示例。

然后，AI 职能负责人的任务是设计一个支持公司战略并直接为 Frito Lay 的“如何取胜”做出贡献的 AI 战略。AI 战略的一个重点是为销售部门提供预测解决方案。

为了确保 AI 预测解决方案发挥影响力，还需要将与数据相关的选择授权给销售主管，以便销售人员承诺在其规划过程中使用 AI 驱动的洞察。这意味着“AI 驱动的销售规划”成为销售战略的必备能力。

6 结论

良好的商业战略对于成功创造数据价值的重要性似乎被低估了。公司必须有一个明确、清晰的商业战略，任何数据、分析和人工智能需求都应从中体现出来。这一战略基础是制定与数据相关的选择的起点，无论是在专用的数据管理、分析还是人工智能功能方面，也是在业务部门之间构建必要能力的起点。

为了让组织成为数据驱动型组织，确保拥有坚实的战略基础。否则，您很可能会遇到麻烦，并会经历数据价值创造功能失调的症状，我们对此都非常了解。

展望未来，竞争格局正在迅速演变。未来最成功的组织将是那些将数据视为战略资产而不仅仅是运营副产品的组织。随着人工智能技术的成熟和进一步融入业务流程，拥有连贯战略的公司将准备好利用这些进步，创造新的收入来源，推动创新，并保持可持续的竞争优势。在未来几年，我们将看到为数据和人工智能奠定战略基础的公司与继续照常营业的公司之间的差距越来越大。前者将蓬勃发展，而后者可能在日益数据驱动的世界中挣扎求生。

现在是采取行动的时候了：优先考虑战略（重新）设计，调整数据业务需求，并构建利用数据取胜所需的能力。只有这样，您才能真正利用数据、分析和人工智能的变革力量来获得长期成功。