本文为35斗战略合作伙伴、The Commodity Innovation Lab创始人Thiago Terzi特约投稿，该篇文章由Thiago撰写，并加入35斗对其的采访内容，强调了当前数据对企业发展的重要性，也揭示了现阶段企业数据文化的缺乏等不足。

Thiago是具有数十年行业经验的数据专家，曾先后就读于哈佛商学院、罗格斯大学和纽约大学，并于联合国粮食及农业组织（FAO）修完农场数据管理课程。

Thiago致力于帮助农业科技公司实现数字化转型，使其成为真正由数据驱动的新型公司。

2005年，他在彭博资讯（Bloomberg LP）农业、生物燃料物流和天气部门担任全球主管，通过数据和技术创新吸引玩家，在所有金融服务机构中建立了第一个全球领域的服务团队，在七年的时间里，企业收入翻了40倍；2012年，他帮助Datagro设立数据情报资讯部门，使该公司在三年内收入翻了3倍，第三年现金流为正。

此外，他还将自己多年积累的行业经验转为文字，在Agfunder、Medium等海外媒体平台发表文章。现在，Thiago与35斗内容团队携手，定期发布行业洞见，希望为国内外农业从业者带来启发和实质性的帮助。

数字农业利用数据和信息技术提高价值链的效率和盈利能力，改变了全世界的农业和粮食生产。

从卫星到物联网和移动产品等更廉价、更复杂的技术生态系统，缩小了贫富之间的数据差距，帮助实现了数据访问的民主化，并在此过程中提高了商业能见度。

一个互联的世界提供了一股新鲜的空气，这是精准农业需要的除颤器。它让原本依赖铅笔和纸张的1.3万亿美元的全球农业和食品工业加入了第四次工业革命。

于是，数据变成了新的石油，或者在金融术语中，成为了新的资产类别。对于单个农民和新一代农民来说，数据访问带来的不仅仅是可访问性；这让他们成为了更有效率的商人。技术可及性降低了信息搜索成本，从而大大降低了交易成本，使更多的农民参与到商业农业中来。

突然之间，就像在任何快速的商业转型中一样，农业世界从几十年来罕见的、不一致的、非标准化的、在某种程度上难以访问的（私有）数据目录，变成了这个压倒性的、难以管理又众所周知的事物。实际上，每家公司都变成了数据公司，而数据也已经成为需要妥善管理的企业资产。

随着企业开始意识到其数据的价值，接下来的问题就变成了如何充分利用这些信息将知识转化为业务价值的增值，数据驱动组织的概念重新出现。此外，最重要的是，在现有参与者中开发数据文化的重要性。

《哈佛商业评论》(Harvard Business Review)发表了一篇题为《企业在成为数据驱动方面的努力正在失败》(Companies are failed in their efforts to become data-driven)的文章。无论他们的更大目标是实现数字转型、“在数据分析中竞争”，还是成为“人工智能驱动”，接受并成功管理所有形式的数据都是一个必不可少的先决条件。与这些目标相一致的是，企业试图将数据视为一项重要资产，朝着更加以数据为导向的方向发展文化，并调整战略，强调数据和分析。

朝着以数据为导向的目标进展慢得令人头痛，而现在情况还有愈发糟糕的趋势更。今年早些时候，NewVantage Partners发布了2019年的《大数据与人工智能高管调查》(Big Data and AI Executive Survey)。参与调查的64位C级技术和商业高管分别代表了美国运通、福特汽车、通用电气、通用汽车和强生等大公司。

以下调查数据不得不令人担忧： 

•72%：尚未形成数据文化；

•69%：没有创建数据驱动型组织；

•53%：尚未将数据视为业务资产；

•52%：承认自己没有在数据和分析上竞争。

尽管各企业都加大了对大数据和人工智能的投资，但仍出现了这些发人深省的调查结果。此外，92%的受访者表示，他们的大数据和人工智能投资的步伐正在加快；88%的人认为投资大数据和人工智能的紧迫性更大；75%的人认为对颠覆的恐惧是大数据/人工智能投资的激励因素。

55%的受访公司报告称，它们在大数据和人工智能方面的投资现在超过了5000万美元，在之前一年，这一数字仅为40%。此外，公司正在建立组织来管理他们的大数据/人工智能计划，任命首席数据官(CDO)的人数从2012年的12%上升到2019年的68%。

77%的高管表示，企业采用大数据/人工智能举措是一个重大挑战。参与调查的高管们表示，成功采用商业模式的障碍似乎并不来自技术障碍；只有7.5%的高管认为技术是带来进步的挑战。相反，93%的受访者认为人员和处理问题是一个障碍。文化变化需求的难度被严重低估了：40.3%的人认为组织缺乏一致性；24%认为文化抗拒是导致企业缺乏数据技术采用的主要因素。

对短期财务目标的追求或推动了这一进程，像基于数据的文化这样的长期目标被搁置一边。

在探索进入2019年的大数据/人工智能状态的过程中，值得注意的是，企业在向数据驱动型组织迈进的过程中是如何评估自己的。除了用数据推动创新外，各公司都认为自己在业务转型方面做得不够好:

71.7%的公司表示他们还没有形成数据文化。

69%的企业表示他们没有建立起数据驱动的企业文化。

53.1%的公司表示他们还没有将数据作为商业资产。

52.4%的公司声称在数据和分析方面没有竞争力。

那么，为什么采用大数据/人工智能仍然是企业面临的一个挑战呢？受访的高管们提到了多种因素，其中95%似乎是文化和组织问题，而不是技术挑战。

对大多数公司来说，将数据视为一种资产是一种新现象。传统企业不像新兴的数字竞争对手那样受数据驱动。《经济学人》指出，“全球市值最高的10家公司中，有7家是建立在将数据与人类联系起来的基础上的。“尽管根据去年的调查，有97.2%的公司投资于大数据/人工智能项目，但我们发现，公司很难将数据视为商业资产并转向数据驱动，在数据和分析方面展开竞争。”当公司试图围绕数据进行组织时，他们会试图打造新的领导角色，以在组织内倡导大数据/人工智能。

1） 集中式数据摄入：数据即服务；

2）从数据可视化到数据民主化；

3）为持续的分析二进行数据整理；

4）有目的地创建数据；

5）面向目标最大化的设计能力；

6）数据文化是决策文化：忠于业务问题；

7）优先考虑你想要解决的问题，然后寻找人才和技术； 

8）过程：可发现性——可见性——参与——数据转换；

9）寻找适合的系统应该放在最后；

10）从一个试点项目开始；

11）仅靠数据科学团队是无法改变数据文化的，组织需要良好的沟通者来跨越数据科学和业务目的之间的桥梁。

尽管现在数据创新未能实现转型性的结果，但企业和社会的数据收集量会继续上升。

简而言之，对数据驱动的组织和文化的需求不会消失。企业需要认真考虑为什么这些举措没有获得业务吸引力，以及必须采取什么行动来减少企业采用的文化障碍。许多公司已经在技术上投入了大量资金，作为迈向数据导向型的第一步，但这还远远不够。如果企业真的希望获得有意义的商业利益，它们必须在处理数据的人性化方面变得更加认真和富有创造性。

成功转向数字驱动可以参考以下路径：确定一个商业案例——设计整个数据流程——定义数据和人才需求——增加数据学习机会——培训IT和业务思考者，让他们就数据策略和模型进行交流，并根据经验教训逐步扩展数据人才。