NewVantage Partners 最近進行的一項調查顯示，儘管 93.9% 的高管預計在 2023 年增加數據投資，但只有 23.9% 的組織認爲自己真正以數據爲導向。這種脫節引發了人們對這些投資方向以及哪些障礙阻礙高管實現公司以數據爲驅動的未來的願景的疑問。

數據素養對組織成功的影響

79% 的高管認爲，主要障礙是組織內部的文化問題。這凸顯了人在推動或阻礙向數據驅動方法轉變方面的關鍵作用。顯然，單靠數據無法改變企業；推動企業發展的是人。

十多年前，Gartner 分析師 Svetlana Sicular 強調了關於大數據的兩個基本事實，這兩個事實經常被忽視。首先，組織已經擁有比神祕的數據科學家更瞭解其數據的人員。其次，學習 Hadoop 等複雜數據技術通常比掌握公司獨特業務流程的複雜性更容易。

爲了有效利用數據的力量，公司應優先考慮讓更廣泛的員工羣體能夠使用數據工具。這包括鼓勵使用熟悉的工具（如 Microsoft Excel）進行數據分析，充分利用已經熟練掌握這些工具的員工的熟練程度。

在衆多編程語言中，Python 是 AI 生產力的重要推動力。它的易用性和多功能性使其成爲越來越多有抱負的數據工程師的首選語言。這與數據科學將成爲企業級能力的預測相一致，而 Python 因其廣泛的易用性而成爲主導語言。

SQL 是數據管理中另一個必不可少的工具，它與 Python 並列爲當今最流行的編程語言。這種組合充分利用了許多員工已經掌握的技能，無需進行大量再培訓，並確保數據操作更加順暢。

生成式人工智能 (GenAI) 代表着一種有前途的途徑，可讓員工更有效地處理數據。然而，平衡技術與人類專業知識至關重要。雖然 ChatGPT 等工具可以自動執行任務，但它們有時會犧牲技術準確性來換取文章質量。取得適當的平衡對於保持用戶信任至關重要。

最大限度地發揮數據在業務增長中的作用

問題的關鍵不在於技術，而在於人們如何使用技術。NewVantage 報告始終強調，成爲數據驅動型組織的主要挑戰根源於人爲因素，例如文化、人員、流程和組織結構，而不是技術限制。儘管認識到這一點，但克服這些挑戰的進展仍然緩慢。數據主管往往過於關注數據現代化、人工智能和機器學習等技術方面，而忽視了人爲因素。

關鍵在於，任何組織最寶貴的資產都是員工，他們能夠解讀和利用數據。爲了成功過渡到數據驅動的未來，公司必須找到利用員工現有知識和技能的方法，使數據工具更易於訪問，並使技術與人的能力保持一致。

顯然，儘管數據投資在不斷增加，但數據驅動轉型的成功取決於解決文化和人類挑戰。組織不能僅僅依賴技術，而必須優先考慮賦予員工權力，以釋放數據的真正潛力。