由亚马逊云科技发布了《亚马逊云科技-首席数据官（CDO）2023年日程：优先关注商业价值创造》这篇报告。以下是对该报告的简单概括，更多内容请前往原报告进行下载查看。数据是每个应用程序、流程和商业决策的核心。几乎每家组织都在力求更加以数据为导向，从 而更快地发现洞察并采取行动。
CDO 的困境 ：数据防御还是数据 进攻
CDO 的活动基本上可以分为两个重点领域 ：数据防御和数据进攻。虽然数据防御仍然是工作 的关键组成部分，但我们看到，数据进攻活动呈上升态势。让我们探讨一下这种转变背后的 原因。最初的核心 CDO 职位主要存在于银行和保险公司，很大程度上是以数据防御为主（见 侧边栏）。数据治理在我们的调查结果中仍然是一个主要优先事项，除数据治理外，许多当代 CDO 发现很难通过防御性计划迅速展示价值，因此正在采用进攻性活动。
“要想坐上首席级高管的位置，你就必须进攻，”沃尔玛、霍尼韦尔和邓百氏公司的前 CDAO Bill Groves 如是说。大多数情况下，进攻型项目都涉及分析和 AI。如今，许多 CDO 的官方 头衔或实际职责是首席数据和分析官，简称 CDAO。在为了开展这项研究而对他们中的许多 人进行访谈时，我们清楚地看到，虽然创造价值的方法在不断变化，但数据分析和 AI 仍然是 CDO 首先考虑的事项，因为这两个被视为创新的潜在推动因素。CDO 和 CDAO 都必须在这 两种活动之间取得适当的平衡，才能取得成功。
CDO 职位不局限于数据管理职责
如今，CDO 的作用和职责与许多人预期的不一样。这份工作本身并不仅仅是“首席数 据官”；在本次调查中，264 名受访者的正式职务包括首席数据官（30%）、事实上的首 席数据官/最高级数据主管（43%）、首席数据和分析官（21%），以及首席分析官（6%）。 几位经验丰富的 CDO 在访谈中表示，只有数据管理职责并不能构成一个成功的角色， 主要是因为身为这样的角色，迅速展示价值非常困难。他们中的许多人都是正式或非正 式的首席数据和分析官。
CDO 面临越来越多的责任和越来越高的期望
我们在调查中发现的另一个洞察是，CDO 承担太多责任并背负太多期望。图 2 和 图 3 表明他们需要专注。按照优先顺序排列，CDO 正试图管理以下各项 ：数据治 理、数据质量、建立高级分析功能、商业智能功能、改善数据基础设施、AI 功能 和数据变现。这是一组很广泛的责任，因此，53% 的受访者提到他们面临资源不足， 无法实现目标的挑战，也就不奇怪了。 数据表明，要想取得成功，CDO 应该加强针对性，并与高级管理人员（最好是在 他们开始工作之前）讨论他们应当肩负的最重要的责任和计划。
对数据的主要责任仍然不统一
人们很自然地认为，首席数据官对其公司的数据负有主要责任，但对于许多组织的 CDO 来说， 事实并非如此。只有 41% 的受访者表示他们主要负责公司的数据管理，30% 的受访者表 示他们与其他高管共同承担责任，29% 的受访者表示数据责任既集中又分散。那些表示对数据负 有主要责任的受访者相比那些分担责任的受访者而言，前者认为自己作为 CDO 非常成功的可能 性比后者高出 10%。
数据治理是 CDO 的重中之重
我们的研究表明，数据治理是 CDO 的最高优先事项。当被问及 CDO 工作 的三大职责是什么时，提到“确立清晰有效的数据治理”的受访者占比最 高，为 44%。 当被要求列出 CDO 花费至少 20% 的时间来完成的任务时， 数据治理计划排名第二。 在我们看来，数据治理计划在整个组织中需要更有战略性的关注，因为治 理是一项共同分担的责任，并且作为 CDO 很难通过治理来增加价值。治理 涉及改变数据用户的行为，并让业务职能和业务部门承担更多的数据管理 责任。“治理”对业务数据用户来说也不是一个有吸引力的词 ；一位 CDO 表示，她禁止在她的公司使用这个词。 一些优秀的 CDO 强调“通过设计实现治理”和提高数据使用的便利性，而 不是使用典型的规劝方法来改变用户行为。我们认同，这是 CDO 通过其数 据治理工作产生影响的最佳途径。
打造数据驱动型文化仍然是 CDO 的其中一项首要举措
改变组织文化，使其更加以数据为导向，这显然是我们调查 的 CDO 的一项重点工作。当被问及 CDO 将时间投入到哪些 举措时，选择“数据驱动型文化举措”的受访者比例最高。 就 CDO 在工作中面临的挑战而言，他们通常会提到文化问题 （图 5）。62% 的受访者认为“难以改变组织行为和态度”是 一项挑战。56% 的受访者选择了“缺乏数据驱动型文化或数 据驱动型决策”。 49% 的受访者面临“缺乏数据素养或数据 理解”的挑战。 当然，数据驱动型文化属性和变化很难衡量，但在我们的调 查和访谈中，大多数 CDO 认为无论如何都需要解决这个问题。 有些受访者指出，他们不能局限于“打勾选择”数据素养计划。 正如 Fitch Group 的 CDO Heidi Lanford 所说，“重要的不是 有多少人参加数据素养计划，而是那些人是否改变了他们的 思维方式、语言和行为”。 一些 CDO 制定了更广泛的文化变 革举措。
成功的 CDO 根据业务目标而不是技术成就来 定义他们的成功
我们的调查和访谈回复清楚地表明，CDO 主要关注实现业务目标，而不是纯技术目标。 在调查中，只有 5% 的 CDO 根据实现的技术目标来定义他们取得的成功，只有 2% 的 CDO 定 义为防止了严重的数据问题。相反，42% 的受访者根据实现的业务目标来定义成功，19% 的 受访者认为成功就是实现组织变更管理或取得文化成就，32% 的受访者认为成功是各种成就因 素的组合。即使是那些主要拥有技术背景的 CDO，将实现业务或企业目标定义为成功的可能性 也比将实现技术目标定义为成功的可能性高出七倍左右。
许多 CDO 主要侧重于为组织 创造价值
随着角色的不断发展，我们的研究揭示的最大转变是，许多 CDO 痴迷于为他们的公司创造价值，以及在某些情况下衡量 其价值。当我们询问 CDO，他们正在采取哪些举措为组织带 来更多价值时，大多数受访者认为主要的价值创造机制是分 析和 AI（图 7）。 许多人强调要瞄准一些重要的分析或 AI 项目，一旦成功完成 这些项目，将对其公司的业绩产生重大影响。36% 的受访者 表示，他们“专注于一小部分关键分析或 AI 项目”，以实现 价值。一些公司将数据管理和现代化的重点放在开发分析和 AI 使用案例方面。
CDO 专注于分析、AI 和机器学习项目， 以便创造业务价值
相对先进的分析和 AI 公司的一些 CDO 也强调，仅完成关键项目是不够的。他们 认为，CDO 最终需要构建一个基础设施，从而加快整个公司对数据、分析和 AI 的使用。Todd James 负责 Kroger Co. 的数据科学子公司 84.51° 的数据和 AI 项目， 他说道 ： “只有一组战略性使用案例是不够的。这会创建一组针对性解决 方案。您必须拥有一组可重复使用的分析功能，才能够进行扩展。 我们正开始实现这一目标。我们正在尝试创建一组 [ 使用模块化 组件构建的 ] 可组合的分析和 AI 应用程序，这些应用程序可以 通过 API 访问。”
同样，一家领先银行的企业数据和机器学习（ML）主管非常关注 ML 的规模和基 础设施开发。他在接受采访时指出 ： “借助机器学习，我们朝着每个人都可以利用的标准化和自动化 平台迈进。我们希望根除任意唯一性，并摆脱临时的机器学习平 台。我们还在构建一个功能平台，我们在这个平台上投入了大量 时间。这是一个每个人都可以参与进来的特征存储。随着机器学 习特征在实时分析中变得越来越复杂，我们存储了其创建方式， 并使其成为生态系统的按需组件。”
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
