谁比奥美更需要首席数据官?

2024-01-04 22:40
文章标签 数据 需要 首席 奥美

本文主要是介绍谁比奥美更需要首席数据官?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

率先用好CDO(首席数据官)的,竟然是一家公关广告公司——奥美。移动互联网企业两大巨头苹果、微软均选择了“挣现钱”银行家般的COO作为CEO选项人。为什么走到CDO前面的不是科技王牌企业,而是第三方的奥美?

谁比奥美更需要首席数据官?

大数据时代,企业是否需要设立CDO(首席数据官,Chief Data Officer)早已由疑问句,变成了肯定句。全球对数据价值的重视已成为共识:这个8月,全球营销机构奥美(ogilvy)正式宣布任命托德.卡伦(Todd Cullen)担任全球CDO,主管拓展全球数据与分析业务。奥美全球CEO杨名皓(Miles Young)表示:奥美运用数据洞察、优化传播方案也已经二十年有余,如今引入大数据分析,是为了更好的为全球客户提供精准服务。

CDO的主要职责是基于数据,为企业提供数据手段的积累、数据价值的交互以及提供分析判断。简而言之,这个岗位需要技术与市场能力的结合体。事实上在全球各大企业中,这已不是个新鲜活儿:全球顶级的美国市场咨询公司兰德(The RAND Corporation)早已研究与深耕数据多年、IBM提供智慧地球数据业务、中国也有阿里巴巴CEO陆兆禧前身即为CDO。可以看到CDO岗位需求背后,归根到底是如何利用日益膨胀的数据价值,助力企业发展。它背后核心因素是鲜明的新时代特征和市场背景。

这里面就带来疑问,为什么苹果、谷歌这样的科技王牌企业没有走到CDO的前面?偏偏却是更多第三方功能的奥美呢?我认为这里面反映出一种可能:数据价值的CDO职能领域,还存在概念化的阶段,而奥美作为营销策略机构,恰恰是最早布局赚概念和未来的钱。重要的是,这个逻辑延伸出第二种可能:未来数据价值已成为共识的情况下,苹果谷歌们作为直接经营企业,它们的特征决定更多的是重点先挣眼下的钱。这两种逻辑碰撞着实有趣,结合现有的市场情况,有助于我们更好的理解CDO的缘起与带来的发展空间。

CDO:移动产业变化的产物

大数据时代发展的背景下,让普通消费者最直观的感受是来自于移动产业端。根据AllThingsD报道的相关研究,2013年全球移动市场预测总营收将达到1.65万亿美元,未来十年将进入全新的波段。与此同时,移动市场的收入结构也将发生巨大变化。过去,语音占总收入的55%,数据访问占17%,而超出套餐部分及数字服务仅占3%。但未来,数字服务将成为移动领域的主要营收来源,占比将增长到30%,传统的语音收入比例将低于21%。

这从过往经历中,我们可以从现实中体会到中国市场与全球市场的同一性:使用语音和短信这些基础功能越来越少、在移动APP端成为消费主力。这直接影响了运营商的收入结构变化--这逼迫运营商转为数据提供方,开始重点布局OTT(智能电视等桥接应用)和主动开发数字服务。

简单的理解这是一种商业模式的垂直化:移动产业发展的收益者,已由当初的运营商,分发为现今的移动互联网企业。他背后的核心原因,正是由于消费者数据访问方式的变化,导致移动运营商成为基础服务、市场地位发生变化。可以说,CDO“首席数据官”概念的出现,正是因为企业意识到未来谁能够把握数据访问的主流方式,谁就掌握了维系企业生存的核心用户,得以快速发展。

移动产业仅仅是大数据时代的一部分体现。很明显的逻辑,奥美作为第三方平台,之所以率先开设全球CDO,意图在为辅助相关客户,把握数据访问的主流方式。但是如今的数据,已不是传统时代单向平台的单项数据。未来它包含物联网、家庭互联网、移动互联网、X联网等等生活、影音、文字、社交、图片、信息流等多平台、多组合、多交互的方式。可以说,未来的大数据概念,对大部分企业和用户来说,都是信息爆炸与信息精准的两极矛盾。

CDO的核心工作:实现数据价值

如果大数据时代带给行业的变革是空前性的,如今的企业能不能及时转化尚未可知,但数据矛盾在如今却显现明显:移动互联网端高速发展,以APP应用为核心,培育了巨大的市场空间和用户。盈利方面,大部分移动互联网公司却显艰难,依赖于风险投资和共享狭小的付费平台和用户习惯。这里面的要素,不正是一方面信息爆炸,一方面信息不够精准难以产生价值么?这个逻辑推理值得推敲:或许如今以APP应用为方式的移动互联网,根本就不符合未来大数据时代的发展路径。大数据时代的移动互联网机遇,应该以CDO最重要的数据分析与数据交互工作为中心。CDO的工作是多么重要,谁走在前面,即将带来客观的预期。

可以粗放的得出观点:在目前规模较大的企业主体面前,及时开设CDO,正是为了化解数据矛盾,转化为数据价值。而如何化解信息的矛盾、实现信息的价值精准,不是IBM奥美们能够把控,应该是交由企业主体的CDO来实现。所以我们可以看到,企业尽早设立CDO岗位,在不久的将来已是必然。

我们可以大胆假设,未来的CDO应当具备哪方面的能力?我尝试做出科幻式猜想:1,信息技术工具研发能力,确保数据提炼的科学性;2,技术积累能力,具备多行业的技术桥接手段,搭建数据源;3,数据资产管理能力,擅长资产管理与价值变现;4,数据与市场分析能力,为公司提供直接策略;5,商业谈判与公关能力,数据交互与开源。我们可以发现,这个岗位有点像理工科的技术类严谨、文科生沟通逻辑幽默兼具,可能只存在绿巨人阿凡达里面了。包括美国政府、诸多国际大企业一直招聘不到好的CDO,可能也源于此。

现实情况是,移动互联网企业两大巨头苹果、微软均选择了“挣现钱”银行家般、传统色彩更为浓重的COO(首席运营官)作为CEO(首席执行官)选项人,自然也有他们的理由。但仅从大数据的角度,用好CDO,竟然是一家公关广告公司走到了前面。或许这正是新时代的有趣之处,谁都假装知道或者不知道未来是什么色彩。


本文作者:苏一壹

来源:51CTO

这篇关于谁比奥美更需要首席数据官?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/570828

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

业务中14个需要进行A/B测试的时刻[信息图]

在本指南中,我们将全面了解有关 A/B测试 的所有内容。 我们将介绍不同类型的A/B测试,如何有效地规划和启动测试,如何评估测试是否成功,您应该关注哪些指标,多年来我们发现的常见错误等等。 什么是A/B测试? A/B测试(有时称为“分割测试”)是一种实验类型,其中您创建两种或多种内容变体——如登录页面、电子邮件或广告——并将它们显示给不同的受众群体,以查看哪一种效果最好。 本质上,A/B测

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav