如今，每家公司都在投資數據，無論是構建數據湖、聘請數據科學家，還是建立數據治理。但問問任何經歷過轉型失敗的領導者，他們都會告訴你：光有工具和人才是遠遠不夠的。阻礙公司發展的不僅僅是技術債務，還有文化債務。

數據文化決定了數據是否值得信賴，洞察是否得到采納，以及整個企業的團隊是否對數據發揮作用感到責任重大。這就像一個組織，嚴格檢查儀表盤，而另一個組織則仍然基于直覺或政策決策。

本文旨在幫助您理解、評估和塑造組織的數據文化。它引入了一個成熟度模型，該模型列出了具體的行為和規范，并提供了企業可以采取的具體干預措施，以便隨著時間的推移養成更牢固的習慣。它還分享了一些組織的成功案例，這些組織之所以能夠取得成功，是因為他們采取了深思熟慮、循序漸進的舉措，這些舉措反映了他們最初的起點。

簡介：什么是數據文化

數據文化的概念定義多種多樣，但大多數定義都認為，它圍繞著促進整個組織有效使用數據的共享行為、價值觀和實踐。如圖1所示，這些定義始終強調一些主題，例如將數據融入決策制定、培養數據素養以及使數據實踐與組織更廣泛的使命和價值觀保持一致。例如，Tableau和Talend強調鼓勵使用數據的行為和信念體系，而QuestionPro和DataCamp則更側重于組織流程和訪問方式。一些定義，例如BARC和Bullit.io的定義，強調數據文化對戰略決策和組織認同的影響。一個顯著的區別是，有些人將數據文化視為企業文化的一部分（例如BARC），而另一些人則將其更多地視為分析和業務績效的實際推動因素（例如GoodData）。無論采用何種框架，所有人都認同：強大的數據文化是使數據成為有意義的戰略資產的基礎。

圖1——“數據文化”定義的選擇

為了進一步闡述數據文化的描述，圖2展示了一個由25個公開定義構建的詞云。其中，“決策”、“組織”、“行為”和“使用”等幾個關鍵術語尤為突出，這強化了數據文化的本質在于組織如何將數據融入日常思維和行動?！靶膽B”、“信念”和“員工”等詞匯表明，文化的塑造源于人們對數據的態度和適應程度，而不僅僅是系統或工具。“價值”、“改進”、“業務”和“運營”等詞匯的出現，凸顯了數據文化并非一個理論概念，而是與績效、戰略和成果直接相關的。同時，“素養”、“環境”和“培養”等詞匯則指出了支持強大數據文化的有利條件，例如教育、獲取途徑和領導力。

圖2根據25個公開的數據文化定義創建的詞云

基于以上總結的多元視角，我們現在提出自己的解讀，以此作為本觀點其余部分的基礎。數據文化關注的是實際的、現實生活中的行為，尤其是圍繞如何做出決策的行為。它不僅僅關乎意圖或對工具的投資——它關乎人們在面臨選擇時的實際行為，以及數據是否真正融入到這些選擇的制定過程中。數據文化是組織內部強調決策過程透明度、協作和創新的集體行為、信念和實踐。它涉及將分析和數據驅動的洞察融入日常運營，培養一種重視持續改進和基于數據的戰略協調的思維模式。數據文化的核心在于認識到數據是組織共享的資產，每個人都在使用、保護和管理數據方面發揮著作用。為了有效地為數據提供決策支持，必須具備一些基礎能力：治理、質量、訪問和素養等等。

為何重要：數據文化的商業案例

為了從數據中釋放出有意義的、持續的業務影響，組織需要在三個基本要素上進行協調：

這個公式反映了一個簡單卻強大的現實：如果這三者中的任何一個薄弱或完全缺失，那么數據驅動轉型的整體潛力就會崩潰。這三個因素都至關重要：

1. 數據戰略提供方向。它定義了數據如何實現業務目標，無論是進入新市場、提升客戶體驗、改善運營還是降低風險。
2. 基礎能力。這些包括數據治理、質量、訪問、架構、工具和流程——確保數據可用、可信且隨時可用的基礎設施。
3. 數據文化賦予了數據以生命。它關乎人們的實際行為——他們是否信任數據，是否將其用于決策，是否與他人合作，是否承擔起利用數據改善結果的責任。

越來越多的組織在前兩個方面取得了切實的進展。許多組織制定了強大的數據戰略，投資了現代化平臺，并改進了數據治理和質量控制。這些基礎不再是曾經的瓶頸。

如今，數據文化正逐漸成為缺失的一環。盡管戰略日趨成熟，基礎設施也日趨完善，但企業仍然難以看到真正的成效，因為數據在日常決策中并未得到一致或自信地運用。正因如此，數據文化往往是這個等式中的乘數。它決定著戰略和基礎能否轉化為成果。如果說戰略告訴你該做什么，基礎使其在技術上可行，那么文化就是促成這一切的關鍵。

具有強大數據文化的組織在以下領域表現始終優于同行：

• 決策速度和質量：團隊行動迅速，決策更精準。決策不再依賴直覺或組織層級，而是以可靠數據為基礎，并進行自信解讀。
• 風險管理：憑借強大的數據文化，團隊可以利用數據信號及早發現和解決風險，無論是客戶行為的轉變、財務風險還是供應鏈問題。
• 創新：當數據文化鼓勵好奇心和實驗精神時，組織可以檢驗假設，從失敗中汲取教訓，并擴大有效方法的規模。醫療科技公司可以利用設備使用數據來發現尚未滿足的患者需求；零售商可以通過分析來優化定價或優惠活動。
• 運營效率：數據驅動的文化簡化了流程。例如，預測性維護可以減少生產停機時間，自動化可以減少索賠處理中的人工審核時間。
• 當然，量化數據文化的具體貢獻本身就很復雜。鑒于“戰略×基礎×文化”框架的乘積性質，從分析上很難將數據文化的影響與其他因素區分開來，因為它往往與數據能力的成熟度和戰略清晰度緊密相關。

盡管如此，基于我們與各行各業客戶的合作，我們相信，在戰略和基礎能力保持不變的情況下，低成熟度和高成熟度數據文化之間的差異可能是：

• 決策周期加快2-3倍，
• 分析結果的采用率提高20–30%，并且
• 客戶轉化率、風險緩解或運營效率等關鍵績效結果提高10–15%。

數據文化框架

在上一節中，我們介紹了“影響力=戰略×基礎×數據文化”這個公式?，F在，我們來深入探討“數據文化”的真正含義。為了構建此成熟度模型，我們將數據文化分解為四個相互依存的維度。它們共同定義了數據如何融入組織的日常思維模式、行為、規范和決策流程。針對這四個維度，我們將分別定義其核心概念，描述高成熟度的具體內容，并結合一個常見的現實場景，說明當缺乏這一要素時會發生什么。

圖3數據文化框架

1.心態與信念

• 人們對數據及其在工作中的作用持有的內在價值觀和假設：
• 員工們認為數據是一種共享資產，也是他們成功的關鍵推動因素。
• 人們信任數據并感到有責任維護其完整性。
• 我們鼓勵并贊揚對數據的好奇心和實驗。
• 領導者和員工并不將數據視為報告工具，而是戰略投入。
• 人們普遍認為更好的數據會帶來更好的結果。
• 數據被視為每個人的責任——而不僅僅是IT或分析。
• 數據被認為具有內在價值，必須得到相應的處理。
• 數據治理被視為業務推動因素，而不是行政障礙。

在大多數組織中，在實施任何正式的數據治理或管理方案之前，數據很少被視為共享資產。人們很少意識到，一個人的數據工作質量或恰當性會以無形的方式影響他人。數據生產者上傳有缺陷或不完整的數據，卻不考慮誰會依賴這些數據。數據消費者斷章取義地使用數據，誤解數據定義，或將其用于并非其本意支持的目的，從而導致決策失誤、返工甚至道德問題。

一個有用的比喻是辦公室里的共享廚房。如果每個人都能自己清理，負責地儲存物資，并給食物貼上標簽，其他人使用起來就會輕松愉快。但如果沒有人續杯咖啡，留下臟盤子，或者拿走別人的食物，這個空間很快就會崩潰。數據也是如此：利益共享，責任共享。成熟的數據文化早在技術工具到位之前就已開始。它始于一個簡單而強大的信念：我今天如何處理數據會影響其他人明天如何使用它。

2.組織規范

• 支持一致且協作的數據處理方法的共享實踐、期望和結構：
• 領導層在溝通和決策中不斷使用和參考數據。
• 激勵和認可強化了基于證據的行為和決策。
• 定期會議、審查和計劃會議整合了結構化數據分析。
• KPI和定義已標準化并在團隊之間共享，以推動協調。
• 業務、技術和數據團隊之間的協作是值得信賴的、流暢的和持續的。
• 數據對話跨越多個部門——不僅僅是分析或IT。

我們經常看到的一個問題是，領導者在數據問題上說的和做的不一致。許多組織只是口頭上強調數據治理、質量和所有權的重要性——但在時間壓力下，這些價值觀往往首先被犧牲。

一個現實世界的例子引人注目：在一次利益相關者訪談中，一位企業領導者激烈地批評公司缺乏可信數據源，稱他們不知道從哪里找到可靠的數據，并且“真的需要有人承擔責任”。僅僅幾天后，這位領導者就被委托負責一項分析解決方案，并被提供了一種確?？勺匪菪浴①|量檢查以及與已獲批準的企業數據資產保持一致的方法。但當被告知這將使交付時間延長幾天時，這位領導者否決了這項建議，并堅持說：“公司沒有時間等——我們直接使用電子表格中已有的數據就行?！?/span>

這種行為會破壞領導者所期望的結果。強大的數據文化并非口號所能建立，而是在短期壓力與長期紀律發生沖突的時刻建立起來的。如果沒有領導層的榜樣作用和對正確行為的強化，再多的工具或策略也無法奏效。

3.個人和團隊行為

• 人們通過日常習慣和互動展現出對數據的所有權和流暢性：
• 團隊在解決問題時主動讓分析師和數據專家參與。
• 在站立會議、回顧會議和計劃會議期間，會定期審查數據。
• 事后分析包括討論數據如何影響結果以及可以改進的地方。
• 團隊成員使用數據和邏輯互相尊重地挑戰。
• 指標由集體擁有，洞察力推動日常行動。
• 人們對數據管理的角色和職責有很好的了解。
• 通過明確的所有權，可以快速識別和解決數據質量問題。
• 采用自助服務工具并無縫集成到日常工作流程中。
• 團隊在運作時會意識到數據使用的外部性——在需要時主動幫助其他人訪問或理解數據。

我們看到的最持久的挑戰之一是，即使數據訪問相對容易且風險較低，人們也不愿提供便利。數據生產者，尤其是那些擔任工程、支持或管理角色的數據生產者，可能并不認為自己有責任幫助同事訪問他們控制的數據。他們常常會以諸如工作范圍不明確、缺乏事先批準、預算不足或時間安排不明確等理由來解釋。他們沒有將自己視為具有下游價值的資產的管理者，而是狹隘地將自己的角色理解為技術執行者。

我們見過這樣的情況：一個團隊急需訪問數據進行分析或運營，而這些數據在組織內部已經可用。但控制訪問權限的人卻不采取行動——這并非出于惡意，而是因為從文化角度來看，他們不認為自己的職責是提供協助。他們只是“工程師”或“數據庫管理員”，盡管他們是唯一能夠幫助組織前進的人。

這并不意味著人們應該忽視政策或繞過標準。尊重治理、道德規范和合理使用仍然至關重要。但在強大的數據文化中，掌握數據密鑰的人會將自己視為解決方案的一部分。他們認識到，實現負責任的訪問是擁有或生產數據的意義所在。這種思維轉變不僅可以通過文化非正式地得到強化，還可以通過清晰的期望、職位描述和績效目標正式地得到強化。

4.決策系統與流程

• 應用數據來提高決策質量和組織學習的正式和非正式機制。
• 決策是基于問題而不是假設，并通過數據進行驗證。
• 直覺受到尊重，但在適當的時候要用證據來檢驗。
• 數據被積極地用于為各個層面的決策提供依據，并且支持性證據也受到爭論。
• 跟蹤和重新審視關鍵決策，以評估結果和改進方法。
• 決策理由、權衡和參考數據集均已記錄并可供訪問。
• 團隊定期進行決策前和決策后的審查，以從結果中吸取教訓。
• 決策手冊和模板指導具有重大影響的決策。
• 商業案例包括假設、成功指標和預期數據信號。
• 組織中存在一個明確的責任人來提高決策質量。
• 決策的成功和失敗都會被衡量并納入未來的規劃周期。

如今，幾乎找不到一家公司不在談論如何更加數據驅動。戰略文件、全體員工會議和轉型計劃都宣稱了這一意圖。然而，當我們深入了解實際決策的制定過程時，情況卻大相徑庭。在任何一個業務部門、國家或職能部門，每年真正有影響力的決策屈指可數。這些決策通常并非基于結構化數據分析，而是憑借直覺、模式識別或軼事經驗。即使掌握了準確的數據，也很難明確應該如何使用這些數據來指導或挑戰決策。

出現這種情況的原因是大多數組織過度關注數據的供應端：數據存在哪些方面，數據存放在哪里，如何提升數據質量，以及如何使其更易于訪問或信任。這很重要，但只是問題的一部分。缺少的是對決策方面的真正投入：如何培訓、裝備和激勵整個組織的人員以一致、周到的方式使用數據。每家公司都有數十個決策流程在持續運行，例如定價、投資、規劃、招聘和客戶互動，但很少有人定義數據應該如何為這些流程提供信息，或者如何將數據嵌入到這些流程背后的實際工作流程和思維模式中。

衡量標準：數據文化成熟度模型

如果我們希望我們的組織更加了解數據，就應該首先將同樣的思維模式應用于數據文化本身。與其依賴模糊的印象或軼聞軼事（“人們不使用儀表板”；“領導者說他們想要數據，但在關鍵時刻卻忽略了它”），我們需要找到一種讓這個主題具體化的方法。一種可以評估、衡量和采取行動的方法。

成熟度模型是一種實用的方法，可以診斷組織當前的狀況、差距以及未來的發展方向。它創建了一種共同的語言來探討文化，有助于明確哪些領域最值得關注，并為那些通常被視為軟性或次要問題的問題帶來結構性和客觀性。它也代表著一種“自食其果”的形式：如果我們相信數據應該指導決策，那么就讓我們利用數據來改進數據本身的使用方式。

我們的數據文化成熟度模型（見圖4）正是如此。該模型以數據文化的四個核心維度為基礎，將其細分為22個子要素，并定義了四個級別的成熟度：

1. 臨時性——文化是碎片化的、非正式的、被動的。
2. 初期——意識不斷增強，結構也有一定的改善，但執行卻不一致。
3. 可管理——實踐和行為已定義、可重復且日益標準化。
4. 優化——數據文化全面嵌入、積極維持、持續改進。

圖4數據文化成熟度模型

為了使該框架切實可行，我們制定了一系列具體的衡量指標和指標，供組織評估每個子組件的成熟度。如果我們期望數據文化能夠驅動價值，那么我們就應該像對待其他戰略重點一樣對待它，衡量我們目前的狀況，確定我們的目標，并跟蹤整個過程中的進展。

可以測量的內容包括：

• 數據資產和分析的采用：例如，跟蹤有多少不同的團隊和角色在一段時間內積極使用已發布的數據產品或嵌入式儀表板。這是“數據行動”和“信任”成熟度的有力指標。
• 基礎要素的存在：有些東西是二元的——要么有，要么沒有。例如，是否存在并正在使用決策手冊，或者是否有明確指定的決策負責人。
• 參與培訓和支持：完成數據管理或治理培訓或獲得認證的員工數量有助于衡量共享責任和所有權與管理等領域的成熟度。

培育數據文化：最佳實踐和第一步

現在我們已經定義了數據文化不同元素中低成熟度和高成熟度的樣子，那么接下來的自然問題是：你實際上可以做些什么來改善它？

運用涵蓋四個核心維度的相同成熟度框架，我們現在可以推導出一系列具體的行動，這些行動有助于轉變觀念、植入新行為，并強化維持強大數據文化的體系和規范。這些切實可行的措施，無論組織是剛剛起步，還是希望加速現有發展勢頭，都可以立即著手實施。

心態與信仰

• 闡明并發布清晰的數據策略，明確將數據定義為共享資產，并闡明整個組織所期望的文化行為。
• 通過認可對其生成的數據擁有所有權的業務用戶，鼓勵團隊將數據視為共同的責任。
• 通過公開已知的數據質量問題并定期溝通如何解決這些問題來建立信任。
• 制作簡短的內部視頻或講故事活動，將治理重新定義為一種速度和信心的手段，而不僅僅是控制。
• 在領導會議中安排一個重復的時刻，讓高管們反思數據如何影響最近的決策。
• 舉辦非正式的“數據勝利”會議，讓團隊分享數據如何幫助他們做出更好的選擇或避免代價高昂的錯誤。
• 重點介紹數據實驗（無論成功與否）帶來新見解或改進學習的案例。
• 在培訓中強化“數據即產品”的概念，強調其獨立價值和重用潛力。
• 聚焦那些展示數據管理能力或對數據使用負有明顯責任的團隊或個人。
• 在入職培訓中加入一條簡單的信息，強化每位員工在使用和保護數據方面的作用。

組織規范

• 提示高層領導在溝通、更新和規劃會議期間不斷參考數據點。
• 確保定期審查、調整并在各個職能部門發布關鍵指標和定義。
• 在業務回顧、沖刺回顧和規劃周期中加入結構化數據部分。
  定義并發布一組重點突出的企業KPI，并明確所有權和文檔記錄。
• 建立跨職能小組來協調定義并解決團隊之間的指標沖突。
• 將數據驅動的思維嵌入到團隊OKR或記分卡中，并至少包含一個可衡量的數據行為。
• 將對數據知情決策的認可納入現有的獎勵計劃或同行表彰中。
• 創建一個內部wiki或參考頁面，列出數據集所有者、定義和聯系點。

個人和團隊行為

• 部署易于使用的自助服務工具并監控采用情況以主動支持新用戶。
• 為關鍵領域指派正式的數據管理員，并向生產者和消費者清楚地傳達他們的角色。
• 鼓勵每個團隊在規劃、解決問題或執行例行工作中指定時間來查閱相關數據。
• 提供簡短的培訓或工具包，教人們如何提出更智能的數據問題并挑戰假設。
• 開展非正式培訓課程，講解特定角色用例中自助服務工具的基礎知識。
• 要求團隊用數據而不是僅僅用意見或經驗來支持觀點，從而使尊重的辯論正常化。
• 發布實用的“數據配方”，展示如何使用內部工具回答常見的業務問題。
• 為團隊創建一個共享渠道，以便他們在票務系統之外詢問和回答實時數據問題。
• 設定期望，即數據生產者應該積極支持訪問、背景和道德使用，而不僅僅是構建管道。

決策系統與流程

• 制定并推出一個簡單的決策手冊，其中包括如何提出問題、測試假設和記錄基本原理。
• 指定決策負責人或將該角色嵌入轉型辦公室、運營團隊或戰略規劃職能部門。
• 試行輕量級決策日志，其中主要舉措記錄所使用的數據和考慮的權衡。
• 引入決策后審查，不僅檢查結果，還檢查決策過程本身的質量和結構。
• 將框架、選項生成和證據驗證集成到財務、戰略或運營團隊使用的模板中。
• 支持戰略團隊在規劃早期記錄他們的假設并將其與數據信號相結合。
• 建立一個中央存儲庫或工具來保存決策文檔，以供學習和將來重復使用。
• 將決策技能納入領導力培訓，并通過同伴學習和指導來強化這些技能。

第一步

雖然任何公司都可以采取幾乎無數的措施來增強數據文化，但任何組織都無法或不應該試圖一次性在整個企業范圍內實施所有措施。我們列出的清單（見圖5）反映了所有可能措施的廣度，但正確的方法在很大程度上取決于貴公司目前的數據成熟度以及最緊迫的優先事項。

圖5采用詳細的行動和活動來推動和建立數據文化的默認方法

話雖如此，當我們回顧那些取得最切實、最持久進展的公司時，我們就會發現一個規律。最有效的方法通常不是“煮沸大海”，而是隨著時間的推移，按順序、分層地開展這些行動，從小事做起，逐步擴大有效的措施：

第一階段：奠定基礎：在領導層和影響者之間建立共識和信念。利用故事、榜樣和早期信息來激發動力，并將數據定位為共享資產。

第二階段：通過結構強化引入輕度形式化——任命早期管理員、明確所有權、啟動簡單工具，并開始將規范和期望嵌入到重點領域的工作方式中。

第三階段：推廣有效做法，將成功實踐推廣至各個團隊和地區。規范衡量標準、學習計劃和治理成果，以增強一致性和問責制。

第四階段：優化與維持通過反饋循環、有針對性的支持以及戰略和行為的定期更新，使文化自我強化。數據文化將融入組織的運營方式。

案例研究：有效的方法

在本節中，我們將探討三個真實案例，它們將數據文化付諸實踐。每個案例都展示了不同的組織如何做出具體的選擇，以構建、支持和發展更強大的數據文化，超越了我們剛才討論的理論。

圖6三個真實案例研究的總結，展示了不同的組織如何在實踐中激活數據文化的關鍵維度。文章末尾提供了每個案例研究的詳細資料來源

案例研究#1：貝克的混合體——從零開始培養數據素養文化

Beck'sHybrids是一家快速發展的家族種子公司，在美國擁有15多個分支機構。在進行重大架構改革后，該公司的業務邏輯和數據定義變得混亂不堪。數據服務總監BrookeGajownik領導了一場以同理心和清晰性為核心的文化轉型。她尊重現有的工作流程，例如高管對電子郵件報告的依賴，并在推廣新工具之前專注于建立信任和知識水平。

該團隊正式制定了數據治理計劃，啟動了各部門的在線培訓，并推出了“數據銀河”（DataGalaxy），幫助經銷商和員工查找和理解定義和報告。數據所有權被有意分散：各部門都有專門的倡導者支持報告質量，業務術語表則與倉庫邏輯相連接。自助服務業務的增長源于堅實的基礎、共享的語言、相互信任以及以關系為導向的推廣。

案例研究#2：Booking.com——將實驗融入組織DNA

Booking.com作為領先數字旅游平臺的聲譽源于其勇于嘗試的文化。該公司隨時進行著超過1,000次A/B測試，并堅信每個決策都應該由數據而非意見或層級來驅動。一個著名的例子是，他們不顧質疑，堅持對主頁的重新設計進行測試，僅僅因為有人提出了一個假設，并有工具可以驗證。

這種思維模式已通過民主化的測試權得以實現，任何員工都可以在強大的內部實驗平臺的支持下進行實驗。超過75%的員工參與了實驗。培訓、結果共享以及成功和失敗的集中存儲庫構建了一個反饋循環，強化了數據優先的決策。最終形成了一種充滿活力的文化：學習是持續的，變革是漸進的，數據是前進的主導者。

案例研究#3：大型全球銀行——通過能力和溝通推動信任和采用

在一家全球最大的銀行，一位新上任的區域首席數據官面臨著嚴峻的挑戰：在Collibra和數據質量引擎等數據工具上投入巨額資金，但實際應用卻寥寥無幾。我們與她合作，將關注點從合規性轉向社區化。早期員工情緒表明，他們對數據治理、新職責甚至自動化都深感焦慮，并且對元數據等基本概念缺乏了解。

我們共同實施了一些基礎項目，例如完整的元數據管理框架、數千條質量規則、儀表盤、治理認證流程，以及每周針對血統或關鍵數據元素等主題的講解。但轉折點在于透明的人性化溝通，例如匿名的“問我任何事”環節、簡化的工具包，以及反復強調不要問愚蠢的問題。

至關重要的是，我們引入了基于使用情況的指標，發現那些投入數百萬美元的工具一個月內只有兩名活躍用戶。從此，成功的定義被重新定義，不再僅僅關注推廣效果，更關注可見的行為改變。我們開始追蹤決策過程中是否參考了數據，以及用戶是否使用了經過認證的術語和來源。采用率和信任度開始上升。

小結

數據文化并非一朝一夕就能建立起來。它需要通過反復的選擇、可見的行為和持續的強化來塑造。好的方面是：可以衡量它、影響它，并隨著時間的推移有意識地發展它。