引言 

數據分析每天都在幫助無數組織完成各種任務，從衡量環境、社會和治理影響到創造新的收入來源等。因此，沒有建立強大數據文化的公司正感受到壓力。越來越多的企業向需要數據驅動方面的幫助。然而，企業的需求通常是掩飾不住的困惑。他們難以明確表達自己的目標，或者不知道從哪里開始。安全、科學、存儲、挖掘、管理、定義、刪除、集成、可訪問性、架構、收集、治理，以及難以捉摸的數據文化，這些都是數據的組成部分。盡管技術上存在諸多復雜性，企業的困惑更多是心態上的。 

隨著數據技術的飛速發展，企業從最初的數據倉庫構建開始，逐步演進至數據中臺，如今，數據飛輪的概念逐漸成為現代企業數據戰略的核心驅動力。企業的數字化進程離不開數據的積累與處理，而數據倉庫、中臺與飛輪的技術演變代表了不同階段數據能力的提升。接下來，就讓我們一起將通過對這些概念的回顧與分析，探索數據技術如何助力企業實現更高效的數據驅動決策。 

數據倉庫的崛起：數據存儲與管理的基礎 

在數據分析的早期階段，數據倉庫的出現是為了集中化管理和存儲企業各業務系統的海量數據。數據倉庫解決了傳統業務系統數據分散、難以統一分析的問題，提供了歷史數據存儲、查詢和分析的能力。這一階段，企業的數據需求主要是從單一維度進行匯總和報表式分析，數據倉庫成為支持這些分析的核心。 

數據中臺的誕生：打破數據孤島 

隨著企業業務復雜度的增加，數據倉庫逐漸暴露出無法快速響應業務需求的短板。數據中臺應運而生，通過集成企業各個系統的數據，打破了數據孤島，提供了更加靈活和實時的數據分析能力。數據中臺不僅僅是數據存儲的中心，還通過提供標準化的數據服務，支持跨部門的快速協作，幫助企業構建了一個敏捷、可擴展的數據分析生態系統。 

數據飛輪：加速數據驅動的自循環 

當企業的數據基礎設施已經成熟后，數據飛輪的概念帶來了全新的思維方式。數據飛輪強調通過不斷積累和利用數據，讓數據產生的價值呈現出自我增強的循環效應。飛輪的加速并不是一蹴而就的，它需要企業從正確的問題出發，逐步獲取、整合和分析數據，使數據在組織中的使用越來越廣泛、深入，從而推動企業實現真正的數據驅動。 

如何驅動數據飛輪？ 

飛輪模型的關鍵在于：一旦啟動，它的動力會逐漸增加，數據的累積與使用變得更加高效，最終形成一個數據驅動的持續優化循環。因此如何使它轉動顯得尤為重要。 

步驟1：選擇正確的問題 

企業初步發展的時候，往往專注于實際問題的解決。它們看似沒有選擇任何問題，沒有嘗試解決任何數據需求，但實際上它們已經走在正確的道路上。IT高管經常談論人員、流程和技術是IT戰略的基石，但他們有時忘記了所有戰略的核心：解決真正的業務問題。在剛開始時，先放下將雇用誰、使用什么工具以及團隊將如何協作的擔憂，因為這些問題會隨著時間的推移自然顯現。企業應當拋開幻燈片、電子表格和路線圖，真誠地問：我們要解決什么問題？答案不會像想象的那樣容易得出，但討論將是無價的。 

團隊選擇解決的問題，需要具備讓飛輪轉動的正確元素。首先，這個問題要很緊迫。其次，這個問題要簡單（即使它的解決方案并非如此），即很容易解釋。第三，它是具體的，要涉及真實的事物，人員、設備以及其他可以看到、聽到或感受到的東西。同樣重要的是，團隊可以指出他們的努力將影響的具體財務項目。最后，這個問題是整個企業都面臨的，而非僅僅是管理層的問題。 

步驟2：獲取正確的數據 

一旦確定了值得解決的問題，下一步就是獲取需要的數據來解決它。如果已經很好地定義了問題，就會知道需要什么數據，而這正是關鍵的部分。弄清楚需要什么數據、從哪里獲取以及如何管理它將縮小可能構成數據環境的人員、流程和技術的范圍。一旦團隊確定了問題，就能很快找到合乎邏輯的解決方案。這一洞察告訴他們需要什么數據，這又使團隊能夠確定獲取這些數據所需的人員和資源。每一項工作都是一項重大任務，并在不斷演變中。它不僅能夠解決眼前的問題，還能為公司的數據環境和隨后的數據驅動的舉措提供了基礎。 

知道要獲取什么數據為提供了開始選擇人員、工具和流程的背景。無論選擇哪一種，它們都會通向不可預測的目標，所以試圖為數據環境中的每個組件如何與所有其他組件關聯繪制一個全景圖并從中選擇工具包是一個費時且徒勞的過程。相反，針對面前的實際問題和數據來做出選擇。因為是在為組織中真實且重要的事物做選擇，所以的選擇很可能會服務于其他真實且重要的事物。但在這種情況下，將能夠指定所需事物的名稱、成本和順序——這些細節將使數據驅動的戰略變得現實，并讓飛輪轉得更快。 

步驟3：連接曾經看似無關的點 

當開始捕獲數據并讓飛輪轉得更快時，新的機會和數據將顯現出來。一方面，數據飛輪優化當前的業務，解決面臨的問題，降低成本的同時，也可能會帶來新的收入來源。這其中包含兩個關鍵點：

一方面，一開始飛輪轉得慢是可以的——只要讓它開始轉動。吸引哪怕只有幾種新的機會或數據類型，都有機會在曾經看似無關的事物之間建立聯系。這種模式識別將以指數級速度加快飛輪，并促使一個適當復雜的數據環境圍繞它形成。 

另一方面，在可以追求的機會中明智選擇。并非所有有趣的見解都是有用的；追求那些最有價值和最真實的機會，那些人們可以看到、衡量和感受到的機會。這些機會與繁瑣且平凡的重復性組織活動（如匯總影響報告）有很大的重疊。如果能解決這些問題，團隊將證明數據在組織變革中所具有的潛力，豐富的數據文化將開始出現，使飛輪以令人敬畏的速度旋轉。 

步驟4：從原始問題向外擴展 

隨著公司收集了更多數據及其員工獲得了新的見解，企業所面臨的問題在范圍和復雜性上不斷擴大，數據飛輪已經達到可以在公司中驅動數據優先問題解決的速度。隨著飛輪加速旋轉，將有更多的問題可以選擇。優先考慮那些不僅可行且有價值，而且與已經解決的問題在主題上一致的問題。這樣，就可以利用先前所建立的動量。企業的數據環境將已經包含已經完成任務所需的許多人和工具。 

總結 

構建數據戰略就像轉動飛輪。它是循環的、迭代的、漸進的、永恒的。沒有哪條特殊的線一旦跨過就能宣布企業是“數據驅動的”。同樣地，也沒有必要將數據驅動戰略視為一種二元的事物，就像一座正在建設中的建筑物有朝一日會完工。能做的最好的事情就是專注于使用數據來解決那些緊迫的、簡單的、具體的和有價值的問題。召集需要的人、流程和技術來解決這些問題。然后，繼續下一個，然后再下一個，沿途讓一個充滿活力的數據生態系統元素出現。數據驅動戰略無法憑空創造，只能通過專注于飛輪將其引入。