为什么每个首席执行官都需要首席分析官-经管之家官网！

为什么每个首席执行官都需要首席分析官
如今，公司首席执行官正受到高层管理人员的猛烈抨击，他们迫切要求为数据科学以及任何可标记为人工智能（AI）的事物提供大量资金：
CMO希望更好地进行细分，线索的动态预测评分，提供优化，从社交媒体的嗡嗡声中获得更好的洞察力，等等–以获得新客户，保留现有客户，增加市场份额，增强品牌知名度等。
CIO / CTO希望替换旧有的基础架构，构建更大的数据存储库，并通过更多数据，更多自动化，更多标准化和更多文档“现代化”核心平台。
首席数字官希望为Chatbots，SEO，采用从Google Analytics（分析）到标记和跟踪所有数字资产的各种工具集提供更多资金。
首席财务官希望AI处理实时信号，以识别什么是赚钱，什么是亏钱，以及动态重新分配预算和投资以优化净收入。
首席执行官们必须立即采取行动，为AI支出的大幅增长提供资金，以免一度被称为“大数据”，以免灭绝！
也许是时候吃药了？
让我们退后一会儿。我们真正要解决什么问题？我们回答这个问题的前提是什么？在我们看来，大肆宣传和疯狂地拥抱AI的一切都是基于当今董事会中的三个主题：
美国企业局终于意识到，数据/信息是他们最重要的资产（一直都是，但这是另一个Blog的故事情节）。今天，比以往任何时候都有更多的数据，PB级。
数据驱动的见解/基于证据的决策应该是指导业务行动的基础。
对于那些有能力快速转移资金的人来说，数据科学和人工智能将使机器自动挖掘数据，以生成最佳流程和结果，降低成本并赋予明显的竞争优势。
我们所看到的挑战是：
如何有意义地利用数据科学/人工智能的各种工具来利用这一数据母源，以改善业务流程，提高客户满意度并增加底线收入
谁应该是这些工具的使用和部署的“所有者”，应该向谁报告以最大程度地提高企业价值。
我们认为根本的答案是组织性的-即，数据科学/人工智能是否应该像今天大多数实践那样继续是分散的活动？还是直接向首席执行官汇报的企业C级任务？
我们坚决支持后者，即由首席分析官（CAO）领导的企业范围的分析功能。CAO是CEO的直接顾问，是基于事实的“真相”沟通者。不再向CMO，CIO，COO或其他一些行政职能报告。
这种观点对分散分析的现有公司规范提出了挑战，每个职能部门和损益所有者都拥有自己的数据科学家群，就像其他中小型企业一样，例如金融分析师，业务分析师，人力资源等。
分散式分析的缺点是多方面的：分析型中小企业通常是“孤儿”，只有一个或几个人在一个孤立的区域内工作；与其他分析型中小企业进行讨论和分享最佳实践或学习新技能的机会很少；没有真正的职业发展道路可以转化为高周转率；超出他们自己领域知识的接触很少，限制了他们的建议如何影响其他业务部门的全部范围；企业范围内机构历史的发展很少，更不用说达成广泛认可的KPI了。
在我们之前的职位中，负责领导商业智能职能，现在作为顾问，我们已经多次被聘请来帮助处于起步阶段或陷入困境的公司分析职能指明正确的方向。我们经常被要求面对的共同主题来自这种分散的方法：
CAO并不是真正的C级主管，而是从属于另一C级主管。必须坚持该部门的目标，而不是最有利于企业的目标
首席营销官，首席信息官和其他高级管理人员的高管们出于自身利益来控制各自领域绩效的叙述-因此，他们受到衡量绩效和分析投资回报的CAO职能的威胁
分散分析时如何获得吸引力–很少在工具集，建模方法，KPI的操作定义，数据质量问题，数据孤岛等方面实现标准化。
缺少严格的测试协议（实验设计），测量周期，与相关性相对的因果关系确定，关于成功指标的协议等。
由于权力下放，聘用CAO适得其反; 许多人在技术方面（虽然很重要）而不是在业务策略上过分强调了错误的领导者。参见Tom Davenport的《竞争分析书》。CAO必须具备业务知识，执行人员沟通技巧相结合的方法。分析人员需要成为合作者，以便与其他企业利益相关者合作，以洞见采取行动。分析不是目的，而是开始，必须要有责任心，分析才能发挥作用。
CAO与首席数据官的角色相同，因为数据有助于推动分析。您需要准确，及时的信息/数据才能获得最佳分析，因此我们认为角色不应分开。（有关更多信息，请参见以后的博客文章。）
公司采用企业范围的商业智能解决方案并建立CAO作为向CEO的直接报告已经是很久以前的事了。根据定义，分析活动的口袋是次优的，通常会阻碍而不是加速整个企业中成功部署分析。汤姆·达文波特（Tom Davenport）在其著作《 Analytics（分析）》中充分证明了企业方法的成功。是时候让CAO真正赢得他或她的C条纹了。
我们从在一家大型的面向消费者的金融机构的经验中汲取经验，该机构建立了100多人的企业商业智能功能，为美国和国际上的16个业务部门提供了支持-市场营销，风险管理，催收，交叉销售，追加销售，回销办公室优化等。尽管BI功能在组织上与服务的部门分开，但绝对是这样的情况：数据科学家每天在业务站点上工作，参加会议，帮助制定议程并通过分析来支持各个领域的成就业务目标。
通过具有企业级BI功能，它
使数据科学家可以共享最佳实践并相互学习
与建模，细分，预测和实验的最佳方法和工具保持一致；
建立“真相”的“单一”来源和对潜在客户和客户的360度视角；
最小化两次犯同样的错误
促进了对测试和优化，快速失败，快速原型的不懈关注
促进各个业务部门之间的轮换，以扩大分析师对企业的了解，而不是一个筒仓；
提供了职业发展路径，减少了人员流动。拥有一个从事分析工作的家庭是关键！
当首席执行官明确支持首席运营官，并且首席执行官完全接受数据驱动的见解作为企业管理的标准时，所有这些都是最好的实现。
1