谈谈企业如何更好的建立数据文化

如今，每家公司都在投资数据，无论是构建数据湖、聘请数据科学家，还是建立数据治理。但问问任何经历过转型失败的领导者，他们都会告诉你：光有工具和人才是远远不够的。阻碍公司发展的不仅仅是技术债务，还有文化债务。 

数据文化决定了数据是否值得信赖，洞察是否得到采纳，以及整个企业的团队是否对数据发挥作用感到责任重大。 这就像一个组织，严格检查仪表盘，而另一个组织则仍然基于直觉或 政策 决策。 

本 文 旨在帮助您理解、评估和塑造组织的数据文化。它引入了一个成熟度模型，该模型列出了具体的行为和规范，并提供了企业可以采取的具体干预措施，以便随着时间的推移养成更牢固的习惯。它还分享了一些组织的成功案例，这些组织之所以能够取得成功，是因为他们采取了深思熟虑、循序渐进的举措，这些举措反映了他们最初的起点。 

简介：什么是数据文化 

数据文化的概念定义多种多样，但大多数定义都认为，它围绕着促进整个组织有效使用数据的共享行为、价值观和实践。如图1所示，这些定义始终强调一些主题，例如将数据融入决策制定、培养数据素养以及使数据实践与组织更广泛的使命和价值观保持一致。例如，Tableau和Talend强调鼓励使用数据的行为和信念体系，而QuestionPro和DataCamp则更侧重于组织流程和访问方式。一些定义，例如BARC和Bullit.io的定义，强调数据文化对战略决策和组织认同的影响。一个显著的区别是，有些人将数据文化视为企业文化的一部分（例如BARC），而另一些人则将其更多地视为分析和业务绩效的实际推动因素（例如GoodData）。无论采用何种框架，所有人都认同：强大的数据文化是使数据成为有意义的战略资产的基础。 

图1——“数据文化”定义的选择。 

为了进一步阐述数据文化的描述，图2展示了一个由25个公开定义构建的词云。其中， “决策”、“组织”、“行为” 和 “使用” 等几个关键术语尤为突出，这强化了数据文化的本质在于组织如何将数据融入日常思维和行动。 “心态”、“信念” 和 “员工” 等词汇表明，文化的塑造源于人们对数据的态度和适应程度，而不仅仅是系统或工具。 “价值”、“改进”、“业务” 和 “运营” 等词汇的出现，凸显了数据文化并非一个理论概念，而是与绩效、战略和成果直接相关的。同 时， “素养”、“环境” 和 “培养” 等词汇则指出了支持强大数据文化的有利条件，例如教育、获取途径和领导力。 

图2根据25个公开的数据文化定义创建的词云 

基于以上总结 的多元视角，我们现在提出自己的解读，以此作为本观点其余部分的 基础 。数据文化关注的是实际的、现实生活中的行为，尤其是围绕如何做出决策的行为。它不仅仅关乎意图或对工具的投资——它关乎人们在面临选择时的实际行为，以及数据是否真正融入到这些选择的制定过程中。数据文化是组织内部强调决策过程透明度、协作和创新的集体行为、信念和实践。它涉及将分析和数据驱动的洞察融入日常运营，培养一种重视持续改进和基于数据的战略协调的思维模式。数据文化的核心在于认识到数据是组织共享的资产，每个人都在使用、保护和管理数据方面发挥着作用。为了有效地为数据提供决策支持，必须具备一些基础能力：治理、质量、访问和素养等等。 

为何重要：数据文化的商业案例 

为了从数据中释放出有意义的、持续的业务影响，组织需要在三个基本要素上进行协调： 

这个公式反映了一个简单却强大的现实：如果这三者中的任何一个薄弱或完全缺失，那么数据驱动转型的整体潜力就会崩溃。这三个因素都至关重要： 

数据 战略 提供方向。它定义了数据如何实现业务目标，无论是进入新市场、提升客户体验、改善运营还是降低风险。

基础 能力。这些包括数据治理、质量、访问、架构、工具和流程——确保数据可用、可信且随时可用的基础设施。

数据文化 赋予了数据以生命。它关乎人们的实际行为——他们是否信任数据，是否将其用于决策，是否与他人合作，是否承担起利用数据改善结果的责任。

越来越多的组织在前两个方面取得了切实的进展。许多组织制定了强大的数据战略，投资了现代化平台，并改进了数据治理和质量控制。这些基础不再是曾经的瓶颈。 

如今，数据文化正逐渐成为缺失的一环。尽管战略日趋成熟，基础设施也日趋完善，但企业仍然难以看到真正的成效，因为数据在日常决策中并未得到一致或自信地运用。正因如此，数据文化往往是这个等式中的乘数。它决定着战略和基础能否转化为成果。如果说战略告诉 你该做什么，基础使其在技术上可行，那么文化就是促成这一切的关键。 

具有强大数据文化的组织在以下领域表现始终优于同行： 

决策速度和质量 ：团队行动迅速，决策更精准。决策不再依赖直觉或组织层级，而是以可靠数据为基础，并进行自信解读。

风险管理 ：凭借强大的数据文化，团队可以利用数据信号及早发现和解决风险，无论是客户行为的转变、财务风险还是供应链问题。

创新 ：当数据文化鼓励好奇心和实验精神时，组织可以检验假设，从失败中汲取教训，并扩大有效方法的规模。医疗科技公司可以利用设备使用数据来发现尚未满足的患者需求；零售商可以通过分析来优化定价或优惠活动。

运营效率 ：数据驱动的文化简化了流程。例如，预测性维护可以减少生产停机时间，自动化可以减少索赔处理中的人工审核时间。

当然，量化数据文化的具体贡献本身就很复杂。鉴于“战略×基础×文化”框架的乘积性质，从分析上很难将数据文化的影响与其他因素区分开来，因为它往往与数据能力的成熟度和战略清晰度紧密相关。

尽管如此，基于我们与各行各业客户的合作，我们相信，在战略和基础能力保持不变的情况下，低成熟度和高成熟度数据文化之间的差异可能是： 

决策周期加快2-3倍 ，

分析结果的采用率提高20–30% ，并且

客户转化率、风险缓解或运营效率等 关键绩效结果提高10–15%。

数据文化框架 

在上一节中，我们介绍了“影响力=战略×基础×数据文化”这个公式。现在，我们来深入探讨“数据文化”的真正含义。为了构建此成熟度模型，我们将数据文化分解为四个相互依存的维度。它们共同定义了数据如何融入组织的日常思维模式、行为、规范和决策流程。针对这四个维度，我们将分别定义其核心概念，描述高成熟度的具体内容，并结合一个常见的现实场景，说明当缺乏这一要素时会发生什么。 

图3 数据文化框架 

1.心态与信念 

人们对数据及其在工作中的作用持有的内在价值观和假设：

员工们认为数据是一种共享资产，也是他们成功的关键推动因素。

人们信任数据并感到有责任维护其完整性。

我们鼓励并赞扬对数据的好奇心和实验。

领导者和员工并不将数据视为报告工具，而是战略投入。

人们普遍认为更好的数据会带来更好的结果。

数据被视为每个人的责任——而不仅仅是IT或分析。

数据被认为具有内在价值，必须得到相应的处理。

数据治理被视为业务推动因素，而不是行政障碍。

在大多数组织中，在实施任何正式的数据治理或管理方案之前，数据很少被视为共享资产。人们很少意识到，一个人的数据工作质量或恰当性会以无形的方式影响他人。数据生产者上传有缺陷或不完整的数据，却不考虑谁会依赖这些数据。数据消费者断章取义地使用数据，误解数据定义，或将其用于并非其本意支持的目的，从而导致决策失误、返工甚至道德问题。 

一个有用的比喻是办公室里的共享厨房。如果每个人都能自己清理，负责地储存物资，并给食物贴上标签，其他人使用起来就会轻松愉快。但如果没有人续杯咖啡，留下脏盘子，或者拿走别人的食物，这个空间很快就会崩溃。数据也是如此：利益共享，责任共享。成熟的数据文化早在技术工具到位之前就已开始。它始于一个简单而强大的信念：我今天如何处理数据会影响其他人明天如何使用它。 

2.组织规范 

支持一致且协作的数据处理方法的共享实践、期望和结构：

领导层在沟通和决策中不断使用和参考数据。

激励和认可强化了基于证据的行为和决策。

定期会议、审查和计划会议整合了结构化数据分析。

KPI和定义已标准化并在团队之间共享，以推动协调。

业务、技术和数据团队之间的协作是值得信赖的、流畅的和持续的。

数据对话跨越多个部门——不仅仅是分析或IT。

我们经常看到的一个问题是，领导者在数据问题上说的和做的不一致。许多组织只是口头上强调数据治理、质量和所有权的重要性——但在时间压力下，这些价值观往往首先被牺牲。 

一个现实世界的例子引人注目：在一次利益相关者访谈中，一位企业领导者激烈地批评公司缺乏可信数据源，称他们不知道从哪里找到可靠的数据，并且“真的需要有人承担责任”。仅仅几天后，这位领导者就被委托负责一项分析解决方案，并被提供了一种确保可追溯性、质量检查以及与已获批准的企业数据资产保持一致的方法。但当被告知这将使交付时间延长几天时，这位领导者否决了这项建议，并坚持说：“公司没有时间等——我们直接使用电子表格中已有的数据就行。” 

这种行为会破坏领导者所期望的结果。强大的数据文化并非口号所能建立，而是在短期压力与长期纪律发生冲突的时刻建立起来的。如果没有领导层的榜样作用和对正确行为的强化，再多的工具或策略也无法奏效。 

3.个人和团队行为 

人们通过日常习惯和互动展现出对数据的所有权和流畅性：

团队在解决问题时主动让分析师和数据专家参与。

在站立会议、回顾会议和计划会议期间，会定期审查数据。

事后分析包括讨论数据如何影响结果以及可以改进的地方。

团队成员使用数据和逻辑互相尊重地挑战。

指标由集体拥有，洞察力推动日常行动。

人们对数据管理的角色和职责有很好的了解。

通过明确的所有权，可以快速识别和解决数据质量问题。

采用自助服务工具并无缝集成到日常工作流程中。

团队在运作时会意识到数据使用的外部性——在需要时主动帮助其他人访问或理解数据。

我们看到的最持久的挑战之一是，即使数据访问相对容易且风险较低，人们也不愿提供便利。数据生产者，尤其是那些担任工程、支持或管理角色的数据生产者，可能并不认为自己有责任帮助同事访问他们控制的数据。他们常常会以诸如工作范围不明确、缺乏事先批准、预算不足或时间安排不明确等理由来解释。他们没有将自己视为具有下游价值的资产的管理者，而是狭隘地将自己的角色理解为技术执行者。 

我们见过这样的情况：一个团队急需访问数据进行分析或运营，而这些数据在组织内部已经可用。但控制访问权限的人却不采取行动——这并非出于恶意，而是因为从文化角度来看，他们不认为自己的职责是提供协助。他们只是“工程师”或“数据库管理员”，尽管他们是唯一能够帮助组织前进的人。 

这并不意味着人们应该忽视政策或绕过标准。尊重治理、道德规范和合理使用仍然至关重要。但在强大的数据文化中，掌握数据密钥的人会将自己视为解决方案的一部分。他们认识到，实现负责任的访问是拥有或生产数据的意义所在。这种思维转变不仅可以通过文化非正式地得到强化，还可以通过清晰的期望、职位描述和绩效目标正式地得到强化。 

4.决策系统与流程 

应用数据来提高决策质量和组织学习的正式和非正式机制。

决策是基于问题而不是假设，并通过数据进行验证。

直觉受到尊重，但在适当的时候要用证据来检验。

数据被积极地用于为各个层面的决策提供依据，并且支持性证据也受到争论。

跟踪和重新审视关键决策，以评估结果和改进方法。

决策理由、权衡和参考数据集均已记录并可供访问。

团队定期进行决策前和决策后的审查，以从结果中吸取教训。

决策手册和模板指导具有重大影响的决策。

商业案例包括假设、成功指标和预期数据信号。

组织中存在一个明确的责任人来提高决策质量。

决策的成功和失败都会被衡量并纳入未来的规划周期。

如今，几乎找不到一家公司不在谈论如何更加数据驱动。战略文件、全体员工会议和转型计划都宣称了这一意图。然而，当我们深入了解实际决策的制定过程时，情况却大相径庭。在任何一个业务部门、国家或职能部门，每年真正有影响力的决策屈指可数。这些决策通常并非基于结构化数据分析，而是凭借直觉、模式识别或轶事经验。即使掌握了准确的数据，也很难明确应该如何使用这些数据来指导或挑战决策。 

出现这种情况的原因是大多数组织过度关注数据的供应端：数据存在哪些方面，数据存放在哪里，如何提升数据质量，以及如何使其更易于访问或信任。这很重要，但只是问题的一部分。缺少的是对决策方面的真正投入：如何培训、装备和激励整个组织的人员以一致、周到的方式使用数据。每家公司都有数十个决策流程在持续运行，例如定价、投资、规划、招聘和客户互动，但很少有人定义数据应该如何为这些流程提供信息，或者如何将数据嵌入到这些流程背后的实际工作流程和思维模式中。 

衡量标准：数据文化成熟度模型 

如果我们希望我们的组织更加了解数据，就应该首先将同样的思维模式应用于数据文化本身。与其依赖模糊的印象或轶闻轶事（“人们不使用仪表板”；“领导者说他们想要数据，但在关键时刻却忽略了它”），我们需要找到一种让这个主题具体化的方法。一种可以评估、衡量 和采取行动的方法。 

成熟度模型是一种实用的方法，可以诊断组织当前的状况、差距以及未来的发展方向。它创建了一种共同的语言来探讨文化，有助于明确哪些领域最值得关注，并为那些通常被视为软性或次要问题的问题带来结构性和客观性。它也代表着一种“自食其果”的形式：如果我们相信数据应该指导决策，那么就让我们利用数据来改进数据本身的使用方式。 

我们的数据文化成熟度模型（见图4）正是如此。该模型以数据文化的四个核心维度为基础，将其细分为22个子要素，并定义了四个级别的成熟度： 

临时性 ——文化是碎片化的、非正式的、被动的。

初期 ——意识不断增强，结构也有一定的改善，但执行却不一致。

可管理 ——实践和行为已定义、可重复且日益标准化。

优化 ——数据文化全面嵌入、积极维持、持续改进。

图4 数据文化成熟度模型 

为了使该框架切实可行，我们制定了一系列具体的衡量指标和指标，供组织评估每个子组件的成熟度。如果我们期望数据文化能够驱动价值，那么我们就应该像对待其他战略重点一样对待它，衡量我们目前的状况，确定我们的目标，并跟踪整个过程中的进展。 

可以测量的内容包括： 

数据资产和分析的采用 ：例如，跟踪有多少不同的团队和角色在一段时间内积极使用已发布的数据产品或嵌入式仪表板。这是 “数据行动” 和 “信任” 成熟度的有力指标。

基础要素的存在 ：有些东西是二元的——要么有，要么没有。例如，是否存在并正在使用决策手册，或者是否有明确指定的决策负责人。

参与培训和支持 ：完成数据管理或治理培训或获得认证的员工数量有助于衡量 共享责任 和 所有权与管理 等领域的成熟度。

培育数据文化：最佳实践和第一步 

现在我们已经定义了数据文化不同元素中低成熟度和高成熟度的样子，那么接下来的自然问题是：你实际上可以做些什么来改善它？ 

运用涵盖四个核心维度的相同成熟度框架，我们现在可以推导出一系列具体的行动，这些行动有助于转变观念、植入新行为，并强化维持强大数据文化的体系和规范。这些切实可行的措施，无论组织是刚刚起步，还是希望加速现有发展势头，都可以立即着手实施。 

心态与信仰 

阐明并发布清晰的数据策略，明确将数据定义为共享资产，并阐明整个组织所期望的文化行为。

通过认可对其生成的数据拥有所有权的业务用户，鼓励团队将数据视为共同的责任。

通过公开已知的数据质量问题并定期沟通如何解决这些问题来建立信任。

制作简短的内部视频或讲故事活动，将治理重新定义为一种速度和信心的手段，而不仅仅是控制。

在领导会议中安排一个重复的时刻，让高管们反思数据如何影响最近的决策。

举办非正式的“数据胜利”会议，让团队分享数据如何帮助他们做出更好的选择或避免代价高昂的错误。

重点介绍数据实验（无论成功与否）带来新见解或改进学习的案例。

在培训中强化“数据即产品”的概念，强调其独立价值和重用潜力。

聚焦那些展示数据管理能力或对数据使用负有明显责任的团队或个人。

在入职培训中加入一条简单的信息，强化每位员工在使用和保护数据方面的作用。

组织规范 

提示高层领导在沟通、更新和规划会议期间不断参考数据点。

确保定期审查、调整并在各个职能部门发布关键指标和定义。

在业务回顾、冲刺回顾和规划周期中加入结构化数据部分。 定义并发布一组重点突出的企业KPI，并明确所有权和文档记录。

建立跨职能小组来协调定义并解决团队之间的指标冲突。

将数据驱动的思维嵌入到团队OKR或记分卡中，并至少包含一个可衡量的数据行为。

将对数据知情决策的认可纳入现有的奖励计划或同行表彰中。

创建一个内部wiki或参考页面，列出数据集所有者、定义和联系点。

个人和团队行为 

部署易于使用的自助服务工具并监控采用情况以主动支持新用户。

为关键领域指派正式的数据管理员，并向生产者和消费者清楚地传达他们的角色。

鼓励每个团队在规划、解决问题或执行例行工作中指定时间来查阅相关数据。

提供简短的培训或工具包，教人们如何提出更智能的数据问题并挑战假设。

开展非正式培训课程，讲解特定角色用例中自助服务工具的 基础知识。

要求团队用数据而不是仅仅用意见或经验来支持观点，从而使尊重的辩论正常化。

发布实用的“数据配方”，展示如何使用内部工具回答常见的业务问题。

为团队创建一个共享渠道，以便他们在票务系统之外询问和回答实时数据问题。

设定期望，即数据生产者应该积极支持访问、背景和道德使用，而不仅仅是构建管道。

决策系统与流程 

制定并推出一个简单的决策手册，其中包括如何提出问题、测试假设和记录基本原理。

指定决策负责人或将该角色嵌入转型办公室、运营团队或战略规划职能部门。

试行轻量级决策日志，其中主要举措记录所使用的数据和考虑的权衡。

引入决策后审查，不仅检查结果，还检查决策过程本身的质量和结构。

将框架、选项生成和证据验证集成到财务、战略或运营团队使用的模板中。

支持战略团队在规划早期记录他们的假设并将其与数据信号相结合。

建立一个中央存储库或工具来保存决策文档，以供学习和将来重复使用。

将决策技能纳入领导力培训，并通过同伴学习和指导来强化这些技能。

第一步 

虽然任何公司都可以采取几乎无数的措施来增强数据文化，但任何组织都无法或不应该试图一次性在整个企业范围内实施所有措施。我们列出的清单（见图5）反映了所有可能措施的广度，但正确的方法在很大程度上取决于贵公司目前的数据成熟度以及最紧迫的优先事项。 

图5采用详细的行动和活动来推动和建立数据文化的默认方法。 

话虽如此，当我们回顾那些取得最切实、最持久进展的公司时，我们就会发现一个规律。最有效的方法通常不是“煮沸大海”，而是随着时间的推移，按顺序、分层地开展这些行动，从小事做起，逐步扩大有效的措施： 

第一阶段：奠定基础： 在领导层和影响者之间建立共识和信念。利用故事、榜样和早期信息来激发动力，并将数据定位为共享资产。 

第二阶段：通过结构强化 引入轻度形式化——任命早期管理员、明确所有权、启动简单工具，并开始将规范和期望嵌入到重点领域的工作方式中。 

第三阶段：推广有效做法， 将成功实践推广至各个团队和地区。规范衡量标准、学习计划和治理成果，以增强一致性和问责制。 

第四阶段：优化与维持 通过反馈循环、有针对性的支持以及战略和行为的定期更新，使文化自我强化。数据文化将融入组织的运营方式。 

案例研究：有效的方法 

在本节中，我们将探讨三个真实案例，它们将数据文化付诸实践。每个案例都展示了不同的组织如何做出具体的选择，以构建、支持和发展更强大的数据文化，超越了我们刚才讨论的理论。 

图6 三个真实案例研究的总结，展示了不同的组织如何在实践中激活数据文化的关键维度。 文章末尾提供了每个案例研究的详细资料来源 

案例研究#1：贝克的混合体——从零开始培养数据素养文化 

Beck'sHybrids是一家快速发展的家族种子公司，在美国拥有15多个分支机构。在进行重大架构改革后，该公司的业务逻辑和数据定义变得混乱不堪。数据服务总监BrookeGajownik领导了一场以同理心和清晰性为核心的文化转型。她尊重现有的工作流程，例如高管对电子邮件报告的依赖，并在推广新工具之前专注于建立信任和知识水平。 

该团队正式制定了数据治理计划，启动了各部门的在线培训，并推出了“数据银河”（DataGalaxy），帮助经销商和员工查找和理解定义和报告。数据所有权被有意分散：各部门都有专门的倡导者支持报告质量，业务术语表则与仓库逻辑相连接。自助服务业务的增长源于坚实的基础、共享的语言、相互信任以及以关系为导向的推广。 

案例研究#2：Booking.com——将实验融入组织DNA 

Booking.com作为领先数字旅游平台的声誉源于其勇于尝试的文化。该公司随时进行着超过1,000次A/B测试，并坚信每个决策都应该由数据而非意见或层级来驱动。一个著名的例子是，他们不顾质疑，坚持对主页的重新设计进行测试，仅仅因为有人提出了一个假设，并有工具可以验证。 

这种思维模式已通过民主化的测试权得以实现，任何员工都可以在强大的内部实验平台的支持下进行实验。超过75%的员工参与了实验。培训、结果共享以及成功和失败的集中存储库构建了一个反馈循环，强化了数据优先的决策。最终形成了一种充满活力的文化：学习是持续的，变革是渐进的，数据是前进的主导者。 

案例研究#3：大型全球银行——通过能力和沟通推动信任和采用 

在一家全球最大的银行，一位新上任的区域首席数据官面临着严峻的挑战：在Collibra和数据质量引擎等数据工具上投入巨额资金，但实际应用却寥寥无几。我们与她合作，将关注点从合规性转向社区化。早期员工情绪表明，他们对数据治理、新职责甚至自动化都深感焦虑，并且对元数据等基本概念缺乏了解。 

我们共同实施了一些基础项目，例如完整的元数据管理框架、数千条质量规则、仪表盘、治理认证流程，以及每周针对血统或关键数据元素等主题的讲解。但转折点在于透明的人性化沟通，例如匿名的“问我任何事”环节、简化的工具包，以及反复强调不要问愚蠢的问题。 

至关重要的是，我们引入了基于使用情况的指标，发现那些投入数百万美元的工具一个月内 只有两名活跃用户。从此，成功的定义被重新定义，不再仅仅关注推广效果，更关注可见的行为改变。我们开始追踪决策过程中是否参考了数据，以及用户是否使用了经过认证的术语和来源。采用率和信任度开始上升。 

小结 

数据文化并非一朝一夕就能建立起来。它需要通过反复的选择、可见的行为和持续的强化来塑造。好 的方面 是：可以衡量它、影响它，并随着时间的推移有意识地发展它。 

本文来自微信公众号 “数据驱动智能”（ID：Data_0101），作者：晓晓，36氪经授权发布。