企业架构在构建数据驱动组织中的角色

组织对数据和分析(D&A)的需求正在增长，但许多EA和TI的领导者仍然专注于与业务优先级无关的数据管理计划。相反，他们应该利用自己独特的企业观点来确保决策者拥有推动业务成果所需的数据。

Gartner企业架构研究团队最近的研究表明，“随着58%的首席信息官在2021年增加对商业智能(BI)和D&A计划的投资，EA领导者有机会提供数以百计的企业观点决定包括数据倡议。”

下载电子书:决策的未来

企业架构领导者如何利用他们独特的观点

如果EA领导能够利用与其角色自然关联的优势，他们就能够识别和捕捉高需求、高潜力的D&A能力的机会。例如，ea的独特定位是:

• 识别在竖井中工作的人无法识别的企业数据机会。
• 了解端到端数据流，确保优化。
• 确保数字化和业务战略保持一致，以满足当前和未来的数据需求。

这些优势可以转化为对组织的D&A愿望至关重要的实际应用程序，并可以提高其业务价值。

EA领导者可以通过四种方式利用他们独特的企业观点来帮助建立一个更加数据驱动的组织。

1 .提供数据环境的企业视图

企业体系结构跨越竖井来解决端到端旅程图所识别的跨功能数据集成需求。跨系统的糟糕数据集成可能导致数据冗余，而旅程地图可以很方便地指出这类问题。他们可以确保组织看到数据改进机会的全貌。

例如，一所大学使用旅程地图来发现在整个招生过程中要求提供的多余信息。EA团队能够识别整合机会，并为学生优化流程。

欧洲一家大型零售连锁店的EA团队与D&A员工合作，通过数据旅程映射，使数据改进机会变得有形和可量化，以便D&A计划能够适当地确定范围和目标。他们开发了对用户行为和购物模式的跨职能理解，并为他们的体验增加更多价值。

例如，如果用户通过电子邮件收到促销信息，那么根据他们的购买历史，就可以发送个性化的促销信息。类似地，如果用户访问该公司的网站并完成订单，则可以自动生成定制的购物清单。

阅读更多:企业架构支持数字创新

2 .改进和扩展数据分析流程

如果数据分析和决策仍然很麻烦，那么优化数据管理实践是不够的。数据质量本身并不能增加收入、降低成本和提高敏捷性。

EA领导者可以改进数据分析工具和技术的使用，以推动组织做出明智的业务决策。

他们可以回答以下问题:

• 这些人有时间进行分析吗?
• 做一个数据驱动的决策需要多少步骤?
• 该工具是否为最佳分析提供了必要的功能?
• 该工具是否用户友好，是否鼓励实验?
• 相关人员是否有权限查看这些数据?

3 .定义数据改进的角色和职责

虽然EA和D&A团队的职责取决于业务模型，但明确定义每个人的角色和职责是至关重要的，同时，关注共享的结果和成功措施，以便更好地做出决策。这可以鼓励合作，防止责任重叠。

例如，除了负责信息架构之外，信息架构师还可以在集成和系统功能等领域与IT交付团队协作。同样，数据科学人员可能拥有数据分析模型，但它可以与业务领导者合作，以确定这些模型可以回答的关键问题。它还可以与信息架构师合作，以确保正确的数据位于正确的位置。

第四，促进业务相关分析

商业问题需要可量化的、背景的和可操作的见解，这些见解提供了足够的价值来证明投资的合理性。除了重新构想D&A能力外，还需要将分析专业知识与商业头脑结合起来，以达到两全其美的目的。

EA组可以与D&A团队和业务领导者合作，以确定数据可以回答的关键问题，并识别回答问题所需的可用信息。

在这些对话中，EA领导可以处理标准数据质量问题(如准确性、及时性等)和不明显的问题。例如，数据质量很好，但没有得到应有的利用。通过这种方式，他们可以成为持续推动组织朝着数据驱动决策方向发展的关键合作者。