当前，各行各业纷纷大举投资大数据，以期大幅提升业务流程和整体绩效。与此同时，一个问题也随之浮出水面：高层领导是否具备相应的能力，以有效管理数据分析需求引发的大规模组织变革。将全部时间用于履行现有职责的高管团队常常发现，自己很难分身去规划和实施大数据战略。
因此，IT高管不仅需要具备领导和实施大数据转型的能力，而且在推动整个企业加速变革方面也应承担相关的重要责任。要领导这一转型，首席信息官必须重新审视自己的角色，将自身视为分管信息事务的首席执行官，并且鼓励别人也这么看。和任何首席执行官一样，首席信息官应将愿景、方向和组织形式纳入公司的大数据投资重点中。这就需要在吸引最优秀的人才和供应商的同时，调动公司内部的非IT部门力量共同解决重大挑战；最重要的是，这意味着首席信息官要为执行和最终结果负责。首席信息官的使命包括内部需求（提升各业务部门和职能部门分析工作的成熟度，以获取更多价值）和内部供给（涵盖技术基础设施、数据、分析专业技能和直觉判断工具，以与日益增长的需求相匹配）。为帮助企业提升利用数据和分析获得竞争优势方面，首席信息官应该扮演四大关键角色：
•作为风险投资人，向业务部门展示“把握可能性的艺术”，提出最有前景的大数据应用和高级分析构想；
•作为产品经理，整合较容易使用的大数据和高级分析“产品”，使其与业务部门的使用模式相匹配；
•作为招聘主管，激励和留住最优秀的人才；
•作为业务负责人，确定相关规程，推动转型变革，实现大规模效益；
在本文中，我们给出了首席信息官们在上述各个领域中正在采取的一些行动，并提供了美国国际集团（AIG）和德国默克集团（Merck）首席执行官的见解。
首席信息官的风险投资人角色
首席信息官的角色，始终必须在维持运营和提升业务部门绩效之间取得平衡。在大数据时代，其任务又有所增加，就是要寻求新的商业构想，挑战企业的现状，并帮助企业高管抓住机遇，解决各种障碍，此后才涉及对初创企业、竞争对手、客户或供应商的分析。在这一方面，首席信息官的角色类似于风险投资人。（参阅副文“美国国际集团（AIG）当前如何打造大数据项目的创新储备库”）
吸引有前景的商业点子。和优秀的创业投资人一样，首席信息官必须争取最有前景的商业构想。几乎所有的首席信息官都会和不同的业务领导人讨论新的商业想法，但领先的首席信息官会和业务部门以及技术供应商构建沟通网络。可以建立一个微型基金以方便纳入第三方，与风险投资-孵化机构-学术中心保持密切联系（如波士顿、旧金山和以色列），并参与高科技企业组建的客户咨询委员会。
这些方式不仅有助于发现商业构想，还可以使首席信息官在关于IT生态系统演化方向上提供参考意见，比如如何使初创企业主攻更有价值的业务问题，鼓励技术提供商应对相关挑战，并推动组建新的商业联盟或生态系统，以解决与数据架构和数据分析有关的难题。这方面的实例包括搜集公开和非公开数据，管理公司的非自有数据，或提供非结构化和半结构化数据的单一数据架构。
提出并实施想法。在具备商业前景的点子被提出后，首席信息官必须为其融资并孵化这些创意，使之具备商业价值，理解其对商业模式的影响，并培育实现经济效益所需的能力。为各种创意服务的微型基金也可用于提供孵化资金。现在，一些企业的首席信息官还进一步与技术供应商合作，双方提供相关资源来进行产品概念设计，并在同行业内合作开发试验平台。
概念验证和测试平台并非新事物，但在当前，首席信息官在将有前景的商业点子付诸实施时，必须进行严格的财务论证，毫不留情地淘汰那些不具备财务可行性的想法，而非一味推进大项目。大数据供应商早就认识到这一点，所以在参与试点时，他们并不依赖下游产业链的承诺。
实现产品从孵化到生产。除了要确保技术层面的成功，将一项有前景的试点推进到大规模实施阶段还有两大关键要素：第一是找到业务带头人，第二是就项目潜力和试点的成功进行有效沟通。首席信息官需要定期协调各利益相关方，因此第一个因素历来是其分内之事，但第二个因素尚未引起足够的重视。我们应该鼓励建立一套系统化的沟通战略，包括定期向利益相关方通报业务计划、试点进展以及未来发展目标。
首席信息官的产品经理角色
通过管理生产和非生产数据，开发高效的数据架构以满足业务需求，这即使在非大数据时代也是一项重大挑战。而在大数据环境下，首席信息官又增加了一项任务：梳理内部客户的大数据需求，设计一套解决方案，设法从多种数据来源收集和管理大量快速变化的半结构化和非结构化数据，包括公司以外的数据。其主要工作是及时向前线决策人员提供基于数据的分析意见。就像产品经理要通过多个途径梳理产品特性和功能需求、发现共同点并据此开发相关产品一样，担任这一角色的首席信息官也必须开发出大数据产品。这就解决了一项非常重要的产能问题，即无需为每种情况投入精力建设不同的系统、应用、基础设施技术和工具。与此同时，也有益于管理人员在为业务客户交付数据和分析模块产品的过程中培养专业技能和专业实力。
每种产品都包括特定的、与所需分析引擎匹配的技术架构，以及实现目标效益所需的变革管理支持。产品管理中有几大重要要素：
1.产品和营销
产品和营销。通过了解企业各部门需求创建产品图示并加以综合整理，以设计出一组小规模的、更加标准化的服务，从而满足相关需求。
2.产品工程
架构师和工程师负责各种产品的主要组成要素。从合理的数据管理平台（比如，我们需要的是高容量的交易分析系统，还是能够从非结构化数据库提取信息的系统？）到商业用户可以应用的分析工具和模型，无所不包。在业务灵活性、现金流与隐私权、安全性这两组需求以及现场解决方案与云技术（或两者相结合的技术）的表现之间取得平衡。确定产品开发所需的技术，并进行自建、外购、外包或集成。
3.产品供应链
选择合适的供应商，在新兴工具和技术天花乱坠的宣传面前保持冷静，同时开展投资，用于实验和体验。大数据工具每时每刻都在发展，首席信息官几乎没法追踪其发展轨迹。因此，供应商总体上乱象横生也就不足为奇了。要掌握有别于营销宣传的实际情况，首席信息官就应该持续不断地联系其最大的供应商，同时定期与风险投资家会面，以掌握初创公司的最新状况，并跟踪可实现业务价值的新技术。此外，他们还应该搜索外部数据来源的生态系统，确定哪些数据来源可以进一步推动企业积累高价值的业务洞见，并想办法利用这类资源。
4.产品盈利能力
掌握产品的经济性，包括产品所能提供的业务效益以及运营的总体成本。持续改变产品模式，以提升产品的使用量和价值。淘汰无法盈利的产品。
首席信息官的招聘主管角色
在很多情况下，高效率的人力资源部门可以帮助首席信息官找到需要的人才。但在大数据和分析技术方面，首席信息官必须更为积极和主动。训练有素的数据专家和分析专家数量稀缺且需求量较大，这意味着首席信息官必须深入参与到招聘和人才保留工作中。在建设人才库时，身兼招聘职责的首席信息官可以充当业务领导人和职能领导人的高参（参阅副文“默克集团（Merck）收揽顶级人才之道”）。
已有一些组织开始在与员工沟通时强调公司使命，如医疗公司的使命是拯救生命，保险公司的使命是突发紧急情况时为人们提供援助。
根据我们的经验，任何一种大数据环境下都必须设有几类核心岗位。首席数据官（CDOs）是负责制定组织数据战略及实施管理的高管；数据科学家则负责管理数据，并构建分析模型，以提供新的可行性见解。数据科学家必须既能设计合理的问题，又具备统计和建模等方面的精湛技能，为这些问题提供分析。组织还必须拥有一个系统结构设计师和工程师的核心团队，以设计和管理用来收集及处理大数据的技术堆栈。要招聘到顶尖人才，企业应该做到以下三点：
1
因地制宜招聘人才。目前，各大企业纷纷将数据管理部门设在热点地区就近招聘，这样就可以利用现有的人才库，无需让招聘到的人才更换工作地点。在高薪的金融服务公司或有可能上市的高科技企业，有的企业还提供额外的地区津贴，提高整体薪酬，以保持对人才的吸引力。
2
打造无等级的企业文化，为人才流动创造空间。这不仅仅是钱的问题；一般而言，数据部门往往具有很强的协作性，看重共同解决问题的过程。在执行过程和分析结果中对首席数据官和数据科学家提供帮助，可以使企业领导人和操作人员之间建立深入的关系，对提升组织的数据复杂度和提升人才粘合度至关重要。此外，企业还必须有足够的灵活性，提供多种职业发展路径，如人员的内部调动——数据科学家在IT部门、核心分析部门、具体业务部门、职能部门之间轮换，这在今天已很常见。
3
强调公司的使命和价值观。很多专业人士希望自己的工作有意义、有价值，不仅仅是对所在公司而言，对外面的世界而言也是如此。于是，有的公司已开始在不同层级向员工强调其使命（如医药公司的使命是救死扶伤，保险公司的使命是紧急情况下的救援），由此创建了一种超越单纯薪酬的价值模式。
以上所有要素——因地制宜招聘人才，打造无等级的企业文化，强调公司使命，都需要首席信息官亲自参与，不可委托他人或忽视这项工作。
首席信息官的业务负责人角色
将常规的管理约束纳入信息业务非常重要。首席信息官是多种资源的天然负责人，且在企业内具有多重关系网，因此必须制定相关流程，以平衡需求和供给，确保数据质量，就业务效益、风险管理和服务成本开展持续对话，从而为整个组织的数据和分析工作提供强有力的支持。
目前已有很多企业着手开展一系列分析试点，有的企业更是走在了前面，利用检视看板确定项目优先排序，建立平衡的分析工作框架。很多成功的检视看板调动了企业内部多方面的领导人。这有助于确保试点获得广泛认可和接受，鼓励相关人员平等地探讨哪些项目优先级最高，并使各业务部门可以协调所需的资源交付成果（包括内部和外部人才、投资和技术）。关键是，这些看板和流程必须比传统的一年一度的规划流程效率更高。要切实做到这一点，他们就必须定期会面，并针对动态的业务情况重新调整工作重点。
首席信息官还必须强化数据管控，以确保数据及相应分析的质量水准。由于不同数据库跨越多个业务部门，且数量增长很快，数据管控必须确保一致性。组织在多方面面临质量挑战：数据要素存在缺口或缺失，信息错误和不准确，数据逐渐老化、价值下降，数据定义的不一致。比如，由于不同部门对客户的定义存在差异，当同一客户在不同的分析工作中身份不一致时，会产生重复劳动，甚至导致业务出现盲点。
在很多企业，首席信息官提供的数据指引是一项精细但必需的工作，尤其在涉及变革管理时需要很高的精细度。这种从“我的数据”向“我们的数据”的必要转变，必需经过坚实的证据验证：各业务部门付出更高的成本，也会收获更好的效益。将某些数据责任归集起来，有助于组织提高数据质量和分析质量，并提升大数据的成本效益。
要实现这些变革，不可能嘴上说说就能办到。首席信息官必须做好准备以应对复杂的变局——协调组织内部、各业务部门的不同目标和工作，某些情况下还需要委任独立的首席分析官或首席科学官（他们通常带领一支与各业务部门紧密协作的、集中组织在一起的分析团队）。虽然需要遵从统一的管控流程，但是每个部门有着不同的目标体系和限制因素，因此首席信息官必须将这些差异融合起来，纳入统一的分析策略。
