先说一个好消息。对大多数企业来说，并不需要为了更好地使用客户数据信息而去新增雇用很多具备不同才能的员工。如果我们能够在现有员工中发掘合适的人才，去启动、推动、组建、控制智能数据流程，这就足够了。如果某个创新项目是通过追加雇用多名数据科学家和大量分析人员获得成功的，那也不明智。我们确实不需要这样。我们需要在企业内部组建一支先头部队，并组织外部资源给予其支撑。
对大多数企业来说，并不需要为了更好地使用客户数据信息而去新增雇用很多具备不同才能的员工。
让我们从企业人力资源管理的视角出发，去审视一下在智能数据流程中核心岗位的人员都需要具备哪些素质。
战略规划官
作为企业的战略规划官，首先要考虑企业需要借助数据解决哪些商业问题？在企业顺应智能数据流程的实践过程中，战略规划官需要组织协调同经营目标、潜在机遇和必要基础变动相关的重要部门。战略规划官需要有宏观眼光，但同时也需要有具体的实施计划。战略规划官也被称为企业智能数据流程的指挥官。
最适合这个岗位的自然是企业的董事或者总经理。企业战略规划官可以来自传统的战略规划部门，也可以是数据分析部门的负责人，在改革中，他们的理念可以实现与企业高层的高度协同。我们曾经结识某企业集团后备领导人中的一位佼佼者，他意识到了作为战略规划官所能获得的重大机遇，出色地完成了工作任务，最终使自己成长为年轻有为且最具执行力的复合型项目人才。
企业战略规划官必须同时具备三项核心竞争力：
☆在既有的经营模式下，战略规划官要能够出色地识别出当下以及将来的市场成功因素。
☆战略规划官需要将智能数据方案的实施步骤和逻辑内化于心。
☆战略规划官要理解，结果开放和以结果为导向并不矛盾，它们是数据项目中关键的试验步骤。
小结一下：企业战略规划官必须是具有现代化领导理念的管理者，能够识别出争取客户的机遇和数据技术，并且知道并不仅仅因为他是管理者，他的想法就是最正确的。
数据科学家
从智能数据流程的第二步起，我们便开始需要精通数据应用的同事们的辅助。这一类人才在市场上稀缺且昂贵，如果他们之中有人能够被纳入数据科学家的行列，那么就更稀缺、更昂贵了。两年前，托马斯·达文波特在《哈佛商业评论》上撰文宣称，数据科学家是21世纪最性感的工作。他在同名文章中将数据科学家比作“新鲜出炉的面包”，他们不仅具有高深的分析及统计能力，而且对商业流程和经营模式有着深入的理解。正是由于具备这两项能力，使他们能够兼具IT人员和非IT人员的理解和表达能力，最终可成为最富价值的“金牌外交家”。在IBM，什么样的人才能被算作数据科学家？他们要能看懂数据库记录，在其他人还迷惑不解的时候，他们就已经看清了趋势。在博客中对数据科学家有这样的描述：“一半是分析师，一半是艺术家。”
我们希望每一个数字化企业够能拥有足够的、（在理想情况下）雇佣价格合理的数字科学家。在数字革命中，我们虽然不能说数据科学家是超级英雄，但是我们也不能否认，在数字化变革的每一个阶段，拥有数字技术和商业运营双重知识背景的数字化科学家都做出了极大贡献。在很多数字化项目中我们也发现，有的时候并不能找到一个现成的数据专家，而是需要去发掘或者组建数据团队，比如从IT部门或者从战略营销部门抽调人手，然后整个团队再坐下来一起分析数据。在IT部门和客户关系管理部门总是能够找到一些电脑科学家，他们即偏爱统计学和数学，又对经济领域有兴趣。对于这些“老面包”（与前文新鲜出炉的面包相对）来说，如果谁能够把他们从乏味的编程工作中解脱出来，那他们会很高兴的。如果有必要的话，对他们进行一些商业数据分析方面的培训，使他们能够探索性地处理数据，这样他们会更高兴。他们会去尝试曾经在最喜欢的大数据博客和专业论坛中接触到的东西。经验告诉我们，这批充满好奇心的IT人员一定会成为项目的主推力量，在新的项目中，他们也会忘我地去工作。
如果通过内部调配人员或者重新招聘仍然无法满足人力需求，我们也可以将某项特定工作承包给外部数据服务商。我们在使用数据外包服务（基本都是外包给专业化的咨询公司）的时候需要注意，外包服务商从一开始就接手一项任务，他们最终交出的结果不可以只是一份PPT材料。他们必须负责，以BOT（建设—运营—移交）的方式完成这项任务。这种任务执行方式不便宜，但是如果依靠企业内部能力无法完成，那么就必须采用这种方式。因为如果外包任务执行得不彻底，没有完整地解决数据方面的问题，我们在执行的过程中往往会面临失败。在这种情况下，分工合作就是正确的选择。企业内部IT部门负责抓取数据并将数据提供给外部数据服务商。服务商首先要开启智能数据流程，然后按照最优的标准分拣数据，再对往来数据进行聚类分析，最后再运行相关算法。在理想的情况下，外部数据服务商不仅仅提供统计分析结果，而是在与内部IT部门合作的过程中，也与企业内部人员共享认知。
在外部数据服务商将数据传回到企业内部后，正常情况下，企业内部人员将对数据进行处理，通常由IT或者客户关系管理部门接手。在此基础上，市场营销措施将被投放，并在过程中实现逐步优化。在此过程中我们需要注意，要保留足够的内外部数据专家队伍，以便能够持续性地对数据算法及市场营销措施进行改善。
在本书第三部分我们曾经提到过，我们主要是在市场营销和企业运营的过程中，实现了数据应用和措施的真正发展与转化。在智能数据流程的第四步，我们基于数据分析和聚类分析的结果，明确了某一产品的特性，然后考虑如何能使这些特性更好地适应客户的需求。这首先是对市场营销人员提出的要求，当然也需要企业战略规划人员、数据专家、客户关系管理专家以及智能数据团队中企业运营人员的协助支撑。在智能数据流程的第五步，即实践具体的市场营销措施，将有企业运营人员主导，其他人员辅助。
在智能数据流程的最后两步中，请教外部专家也是有意义的，比如如何有创意地组织宣传活动，或者如何设计客户“触点”。到目前为止大家都是这样做的。我们对内外部关系的理解也没有太多改变，在可能的情况下，我们只需要去寻求一个合作伙伴，它对数据驱动下的市场营销在行，并且比我们更了解市场营销文化层面的内涵。
但是从我们的经验来看，起决定作用的是：
☆智能数据团队必须要有一个非常有能力的项目经理，其自身必须具有数据分析实力，并且具有数字化变革的相关经验。
☆智能数据团队必须由一个变革管理经理主导，或设置一个变革管理小组，负责促进团队能够为了将来获得客户增值而协同作业，保障团队所做出的尝试和探索不受外界因素破坏。
项目经理
我们经常低估了在数据项目的项目管理方面的成本投入。大家普遍认为，由团队的企业战略规划官或者其他什么人兼顾一下项目管理工作就行了。这样做无论如何是不行的，除非这个人的本职工作特别清闲或者这个人对数据项目特别感兴趣。
在启动一个智能数据项目之前，所有的参与者都必须明白，人们是期待这个项目对整个企业产生拉动效应的。但是很遗憾，这也必然意味着要付出相对较高的协同成本。跨学科项目团队的成员来自许多不同的部门和领域，他们在互相磨合的过程中尝试新的事物。这在组织层面是十分复杂的。从短中期来看，协同成本不会降低，反而会升高，这是可以预见到的。原因是，当第一批项目获得成功后，又会有新的项目需要大家互相配合。经验表明，在这方面，项目经理的能力此时就变得十分重要了。企业战略规划人员、IT人员、市场营销和销售的执行人员往往会在跨部门的沟通中出现问题，进而导致误会产生。误会很快就会演变成实际的冲突，这些冲突有可能会变得上纲上线，比如将引发的冲突归咎于智能数据项目上，认为这是智能数据项目的必然结果。
现实中是存在集专业能力与组织领导能力于一身的项目经理的，他们能够良好地解决冲突。在一个德国大型汽车制造企业的案例中，我们发现了这样的项目经理，同时也发现了一名女性变革管理经理。
变革管理经理
人们总是过高地估计了现存事物的价值，又过低估计了新事物的发展潜力。
人们总是过高地估计了现存事物的价值，又过低估计了新事物的发展潜力。这听起来像是陈词滥调，可是在企业中却经常发生。尽管呼吁改革已经是一个无所不在的口号了，但改革还是停留在口头上。在内心深处，我们会质疑，为什么要进行大规模的改革？虽然表面上表示拥护，但是从内心上，我们其实是在坐等某些改革走向失败。因为统计数据已经说得很明确，大约有3/4的数据项目都失败了。
对智能数据战略来说，糟糕的变革管理是最大的风险。
请给这句话画三次重点线！数字化变革有时因技术而失败，但大部分情况下是因为冲动。
如果想知道什么是优秀的变革管理，我们可以观察一下前文提到过的那位女性变革管理经理的做法。她帮助企业高层管理人员和项目负责人员建立起了对探索性改革的正确认识，使其能够在合适的时机做出正确的抉择并采取正确的行动。
具体情况是这样的：
☆高层管理人员用文字和对比数据明确表达了改革的必要性。同时也指出，如果现在不进行改革，企业将面临怎样的结果，总之都是不好的结果。
☆高层管理人员和智能数据项目团队从一开始就不知疲倦地沟通改革的意义和原因是什么。改革的目的，是更好地去了解客户，进而更好地去满足客户的需求。这种核心思想反复被强调，使每名员工都有所触动。大部分的员工都认识到，自己的一些行为可能不太合适。在企业的各个层面，以各种形式，开展这种批判式的自省。
☆有一些投资人和参与方，看起来与数字驱动下的市场营销没有太大关系，变革管理经理会持续性地组织他们参与到项目中。
☆当跨学科的项目团队中出现误解和冲突时，变革管理经理是时刻就位的。通过每一次调解，她逐步树立了自己调停人、中间人的角色与声望。她使智能数据项目团队越来越像是一个团队，对外可以取得良好表现，也可以吸引更多的人才。
☆她会定期或者不定期地向管理层和项目负责人通报近期取得的成绩及中期工作进展。
☆同时，她也会明确指出项目需要克服的障碍。
☆她还负责保证企业中的每一个人（是每一个人！）在任何时候，都可以找到一个项目成员，咨询项目的经验。
最终，这个企业根本不想让她离开了，而是希望长期雇用。但是她拒绝了，因为她更喜欢追求变化。
谁上了谁的哪条船？
想在智能数据项目中做出成绩的人，不应该“上任何一条船”，他们应该自己组建合适的“船”并驶向全新的彼岸。
这位女性变革管理经理给我们留下的最深印象，不是如何将变革管理的方法应用于企业实践，虽然这也很令人印象深刻。她最大的贡献在于转变了高层管理人员对改革的态度和认知。企业管理者总是认为现在已经决定了要发展智能数据战略，那么接下来我们就要去“组织人上这条船”。然而这位女经理让所有的管理者明白，正是他们这种自认为知道怎样做的态度，将导致改革的失败。
想在智能数据项目中做出成绩的人，不应该“上任何一条船”，他们应该自己组建合适的“船”并驶向全新的彼岸。
只有当企业管理层将这种态度内化于心时，企业战略才能够落地为探索性的改革，然后企业才能形成自学习机制，最终获得竞争优势。