先說一個好消息。對大多數企業來說，並不需要為了更好地使用客戶數據信息而去新增僱用很多具備不同才能的員工。如果我們能夠在現有員工中發掘合適的人才，去啟動、推動、組建、控制智能數據流程，這就足夠了。如果某個創新項目是通過追加僱用多名數據科學家和大量分析人員獲得成功的，那也不明智。我們確實不需要這樣。我們需要在企業內部組建一支先頭部隊，並組織外部資源給予其支撐。
對大多數企業來說，並不需要為了更好地使用客戶數據信息而去新增僱用很多具備不同才能的員工。
讓我們從企業人力資源管理的視角出發，去審視一下在智能數據流程中核心崗位的人員都需要具備哪些素質。
戰略規劃官
作為企業的戰略規劃官，首先要考慮企業需要借助數據解決哪些商業問題？在企業順應智能數據流程的實踐過程中，戰略規劃官需要組織協調同經營目標、潛在機遇和必要基礎變動相關的重要部門。戰略規劃官需要有宏觀眼光，但同時也需要有具體的實施計劃。戰略規劃官也被稱為企業智能數據流程的指揮官。
最適合這個崗位的自然是企業的董事或者總經理。企業戰略規劃官可以來自傳統的戰略規劃部門，也可以是數據分析部門的負責人，在改革中，他們的理念可以實現與企業高層的高度協同。我們曾經結識某企業集團後備領導人中的一位佼佼者，他意識到了作為戰略規劃官所能獲得的重大機遇，出色地完成了工作任務，最終使自己成長為年輕有為且最具執行力的複合型項目人才。
企業戰略規劃官必須同時具備三項核心競爭力：
☆在既有的經營模式下，戰略規劃官要能夠出色地識別出當下以及將來的市場成功因素。
☆戰略規劃官需要將智能數據方案的實施步驟和邏輯內化於心。
☆戰略規劃官要理解，結果開放和以結果為導向並不矛盾，它們是數據項目中關鍵的試驗步驟。
小結一下：企業戰略規劃官必須是具有現代化領導理念的管理者，能夠識別出爭取客戶的機遇和數據技術，並且知道並不僅僅因為他是管理者，他的想法就是最正確的。
數據科學家
從智能數據流程的第二步起，我們便開始需要精通數據應用的同事們的輔助。這一類人才在市場上稀缺且昂貴，如果他們之中有人能夠被納入數據科學家的行列，那麼就更稀缺、更昂貴了。兩年前，托馬斯·達文波特在《哈佛商業評論》上撰文宣稱，數據科學家是21世紀最性感的工作。他在同名文章中將數據科學家比作「新鮮出爐的麵包」，他們不僅具有高深的分析及統計能力，而且對商業流程和經營模式有著深入的理解。正是由於具備這兩項能力，使他們能夠兼具IT人員和非IT人員的理解和表達能力，最終可成為最富價值的「金牌外交家」。在IBM，什麼樣的人才能被算作數據科學家？他們要能看懂數據庫記錄，在其他人還迷惑不解的時候，他們就已經看清了趨勢。在博客中對數據科學家有這樣的描述：「一半是分析師，一半是藝術家。」
我們希望每一個數字化企業夠能擁有足夠的、（在理想情況下）僱傭價格合理的數字科學家。在數字革命中，我們雖然不能說數據科學家是超級英雄，但是我們也不能否認，在數字化變革的每一個階段，擁有數字技術和商業運營雙重知識背景的數字化科學家都做出了極大貢獻。在很多數字化項目中我們也發現，有的時候並不能找到一個現成的數據專家，而是需要去發掘或者組建數據團隊，比如從IT部門或者從戰略營銷部門抽調人手，然後整個團隊再坐下來一起分析數據。在IT部門和客戶關係管理部門總是能夠找到一些電腦科學家，他們即偏愛統計學和數學，又對經濟領域有興趣。對於這些「老麵包」（與前文新鮮出爐的麵包相對）來說，如果誰能夠把他們從乏味的編程工作中解脫出來，那他們會很高興的。如果有必要的話，對他們進行一些商業數據分析方面的培訓，使他們能夠探索性地處理數據，這樣他們會更高興。他們會去嘗試曾經在最喜歡的大數據博客和專業論壇中接觸到的東西。經驗告訴我們，這批充滿好奇心的IT人員一定會成為項目的主推力量，在新的項目中，他們也會忘我地去工作。
如果通過內部調配人員或者重新招聘仍然無法滿足人力需求，我們也可以將某項特定工作承包給外部數據服務商。我們在使用數據外包服務（基本都是外包給專業化的咨詢公司）的時候需要注意，外包服務商從一開始就接手一項任務，他們最終交出的結果不可以只是一份PPT材料。他們必須負責，以BOT（建設—運營—移交）的方式完成這項任務。這種任務執行方式不便宜，但是如果依靠企業內部能力無法完成，那麼就必須採用這種方式。因為如果外包任務執行得不徹底，沒有完整地解決數據方面的問題，我們在執行的過程中往往會面臨失敗。在這種情況下，分工合作就是正確的選擇。企業內部IT部門負責抓取數據並將數據提供給外部數據服務商。服務商首先要開啟智能數據流程，然後按照最優的標準分揀數據，再對往來數據進行聚類分析，最後再運行相關算法。在理想的情況下，外部數據服務商不僅僅提供統計分析結果，而是在與內部IT部門合作的過程中，也與企業內部人員共享認知。
在外部數據服務商將數據傳回到企業內部後，正常情況下，企業內部人員將對數據進行處理，通常由IT或者客戶關係管理部門接手。在此基礎上，市場營銷措施將被投放，並在過程中實現逐步優化。在此過程中我們需要注意，要保留足夠的內外部數據專家隊伍，以便能夠持續性地對數據算法及市場營銷措施進行改善。
在本書第三部分我們曾經提到過，我們主要是在市場營銷和企業運營的過程中，實現了數據應用和措施的真正發展與轉化。在智能數據流程的第四步，我們基於數據分析和聚類分析的結果，明確了某一產品的特性，然後考慮如何能使這些特性更好地適應客戶的需求。這首先是對市場營銷人員提出的要求，當然也需要企業戰略規劃人員、數據專家、客戶關係管理專家以及智能數據團隊中企業運營人員的協助支撐。在智能數據流程的第五步，即實踐具體的市場營銷措施，將有企業運營人員主導，其他人員輔助。
在智能數據流程的最後兩步中，請教外部專家也是有意義的，比如如何有創意地組織宣傳活動，或者如何設計客戶「觸點」。到目前為止大家都是這樣做的。我們對內外部關係的理解也沒有太多改變，在可能的情況下，我們只需要去尋求一個合作夥伴，它對數據驅動下的市場營銷在行，並且比我們更瞭解市場營銷文化層面的內涵。
但是從我們的經驗來看，起決定作用的是：
☆智能數據團隊必須要有一個非常有能力的項目經理，其自身必須具有數據分析實力，並且具有數字化變革的相關經驗。
☆智能數據團隊必須由一個變革管理經理主導，或設置一個變革管理小組，負責促進團隊能夠為了將來獲得客戶增值而協同作業，保障團隊所做出的嘗試和探索不受外界因素破壞。
項目經理
我們經常低估了在數據項目的項目管理方面的成本投入。大家普遍認為，由團隊的企業戰略規劃官或者其他什麼人兼顧一下項目管理工作就行了。這樣做無論如何是不行的，除非這個人的本職工作特別清閒或者這個人對數據項目特別感興趣。
在啟動一個智能數據項目之前，所有的參與者都必須明白，人們是期待這個項目對整個企業產生拉動效應的。但是很遺憾，這也必然意味著要付出相對較高的協同成本。跨學科項目團隊的成員來自許多不同的部門和領域，他們在互相磨合的過程中嘗試新的事物。這在組織層面是十分複雜的。從短中期來看，協同成本不會降低，反而會升高，這是可以預見到的。原因是，當第一批項目獲得成功後，又會有新的項目需要大家互相配合。經驗表明，在這方面，項目經理的能力此時就變得十分重要了。企業戰略規劃人員、IT人員、市場營銷和銷售的執行人員往往會在跨部門的溝通中出現問題，進而導致誤會產生。誤會很快就會演變成實際的衝突，這些衝突有可能會變得上綱上線，比如將引發的衝突歸咎於智能數據項目上，認為這是智能數據項目的必然結果。
現實中是存在集專業能力與組織領導能力於一身的項目經理的，他們能夠良好地解決衝突。在一個德國大型汽車製造企業的案例中，我們發現了這樣的項目經理，同時也發現了一名女性變革管理經理。
變革管理經理
人們總是過高地估計了現存事物的價值，又過低估計了新事物的發展潛力。
人們總是過高地估計了現存事物的價值，又過低估計了新事物的發展潛力。這聽起來像是陳詞濫調，可是在企業中卻經常發生。儘管呼籲改革已經是一個無所不在的口號了，但改革還是停留在口頭上。在內心深處，我們會質疑，為什麼要進行大規模的改革？雖然表面上表示擁護，但是從內心上，我們其實是在坐等某些改革走向失敗。因為統計數據已經說得很明確，大約有3/4的數據項目都失敗了。
對智能數據戰略來說，糟糕的變革管理是最大的風險。
請給這句話畫三次重點線！數字化變革有時因技術而失敗，但大部分情況下是因為衝動。
如果想知道什麼是優秀的變革管理，我們可以觀察一下前文提到過的那位女性變革管理經理的做法。她幫助企業高層管理人員和項目負責人員建立起了對探索性改革的正確認識，使其能夠在合適的時機做出正確的抉擇並採取正確的行動。
具體情況是這樣的：
☆高層管理人員用文字和對比數據明確表達了改革的必要性。同時也指出，如果現在不進行改革，企業將面臨怎樣的結果，總之都是不好的結果。
☆高層管理人員和智能數據項目團隊從一開始就不知疲倦地溝通改革的意義和原因是什麼。改革的目的，是更好地去瞭解客戶，進而更好地去滿足客戶的需求。這種核心思想反覆被強調，使每名員工都有所觸動。大部分的員工都認識到，自己的一些行為可能不太合適。在企業的各個層面，以各種形式，開展這種批判式的自省。
☆有一些投資人和參與方，看起來與數字驅動下的市場營銷沒有太大關係，變革管理經理會持續性地組織他們參與到項目中。
☆當跨學科的項目團隊中出現誤解和衝突時，變革管理經理是時刻就位的。通過每一次調解，她逐步樹立了自己調停人、中間人的角色與聲望。她使智能數據項目團隊越來越像是一個團隊，對外可以取得良好表現，也可以吸引更多的人才。
☆她會定期或者不定期地向管理層和項目負責人通報近期取得的成績及中期工作進展。
☆同時，她也會明確指出項目需要克服的障礙。
☆她還負責保證企業中的每一個人（是每一個人！）在任何時候，都可以找到一個項目成員，咨詢項目的經驗。
最終，這個企業根本不想讓她離開了，而是希望長期僱用。但是她拒絕了，因為她更喜歡追求變化。
誰上了誰的哪條船？
想在智能數據項目中做出成績的人，不應該「上任何一條船」，他們應該自己組建合適的「船」並駛向全新的彼岸。
這位女性變革管理經理給我們留下的最深印象，不是如何將變革管理的方法應用於企業實踐，雖然這也很令人印象深刻。她最大的貢獻在於轉變了高層管理人員對改革的態度和認知。企業管理者總是認為現在已經決定了要發展智能數據戰略，那麼接下來我們就要去「組織人上這條船」。然而這位女經理讓所有的管理者明白，正是他們這種自認為知道怎樣做的態度，將導致改革的失敗。
想在智能數據項目中做出成績的人，不應該「上任何一條船」，他們應該自己組建合適的「船」並駛向全新的彼岸。
只有當企業管理層將這種態度內化於心時，企業戰略才能夠落地為探索性的改革，然後企業才能形成自學習機制，最終獲得競爭優勢。