数据驱动的创新，从想法到行动
作为一名咨询顾问，经常会和客户聊到创新的话题。
尤其是最近几个月，ChatGPT的问世对各行业产生了深远影响，也掀起了基于大型AI模型的热潮，紧随其后的是各种带有预训练标签的大模型相继问世，引领了企业的创新浪潮，但同时也引发了一定的焦虑情绪。
“我们内部也有一些创新的想法，但如何落地，还没有思路？”
“我们开展了创新大赛，能不能取得预期的效果，还很难说？”
“有什么可借鉴的经验吗？都在卷，感觉不跟上就要被淘汰？”
“基础弱，底子薄，创新从哪里开始？”
…………
相关的话题还有很多，一个共同点是，想基于数据做创新，将想法落实到行动，要做什么，怎么做？
数据驱动创新的几种尝试
01 第一种，通过创新大赛孵化有价值的创意
这是一条通过“选秀”识别胜出者的道路，也是许多鼓励创新的企业通常会选择的方式，它的优点在于投入可控、风险可控、周期可计划、结果可预见，即使最终胜出者的方案仍然有待验证，但是从想法到落地的可行性在过程中能得到充分的推演和讨论。
简言之，这是一种“投资少、见效快”的尝试，通过“千军万马过独木桥”的方式挑选出进入孵化通道的“优良”种子。
这种方式还有其它的附加价值，比如加深企业的创新文化，提高员工对科技创新的积极性。
但这种方式也有其挑战和困难。
比如，如何筛选并评估创新的点子，这个取决于组织如何定义创新和创新的价值，在创新之初，组织就需要有这样的一套机制，它指导每一次的评比和晋级，当然这套机制在创新的过程中也会不断被优化。
比如，如何应对过程中的阻碍和挑战，创新天然带有打破现有结构、突破现有模式和框架的基因，那些最具创意的点子往往需要跨领域、跨部门的支持，需要打破知识壁垒、拥抱新科技，这也预示了这些点子在推演和落地过程中会遇到各种阻碍和挑战，当现实的困难真的发生了，组织如何给予支持和帮助？
比如，尽管创新大赛发生在组织内部，但为了更好的引入来自市场的观点和经验，很多的创新大赛，组织需要引入外部的资源，参与设计流程，制定选拔机制，评估结果与价值，数据驱动的创新更是需要数据和智能领域专家的参与，开展赋能培训、方案辅导、落地评估等工作，如何选择并引入外部资源，如何保证外部资源能够发挥作用，也是组织需要考虑的问题？
总的来说，通过创新大赛的方式孵化创新的想法，适用于已经有或者想建设创新文化的企业，在投入可控的情况下，这个过程，既是创新，也是赋能，既是选拔人，也是培养人的过程。
02 第二种，在已有项目（或产品）上面孵化新的点子
这些点子可能是基于数据的功能，也可能是基于算法的智能应用，在已有的软件或者产品项目上孵化新的点子，可以最大限度的利用已有项目的基础设施和资源，以及充分利用原有项目团队的专业知识和经验，降低开发过程中的风险。
除此之外，新的功能一旦有版本发布，还可以在现有用户群体内得到测试和反馈，有利于功能的进一步迭代和优化。
这种方式也有其挑战和困难。
比如技术兼容性和依赖关系，新的功能和已有软件如果采用不同的技术栈，可能会导致集成困难，现有的软件可能会依赖第三方的库、组件和服务，在开发新的功能时，需要考虑可能存在的冲突和依赖。
比如因时间和资源约束带来的优先级问题，当现有的资源和时间不能同时满足既有产品和新功能的开发时，优先级怎么确定？新的需求和现有产品的需求如何更好的管理和平衡？新功能的开发给原有的交付计划带来的影响和风险如何评估？
总的来说，在已有项目上孵化新的点子，能够充分利用现有项目的经验和资源，最大限度的减少创新过程中的风险和不确定性，这个过程，企业既是在打造现有团队的创新能力，也是在探索和验证想法得以落地的流程。
03 第三种，组建新的创新团队负责从想法到落地
这也是许多企业的数据团队或者数字化团队在成立之初的使命。这种方式能够保证创新团队更加专注于新产品或功能的开发，团队拥有独立的资源，能够更加灵活和敏捷的制定和调整策略，迅速响应市场的需求和变化。
除此之外，这种方式能够更有效的引入和创新匹配的人才，比如产品经理，数据科学家，数据工程师，数据分析师等角色，这些多样化的技能和视角可以促进创新和创意的涌现，提高产品和功能的质量和创新度。
但这种方式也有其挑战和困难。
比如，团队虽然组建了，但如果组织的文化和机构没有及时调整适应创新的需求，创新的项目、团队的目标、相关的角色可能会长期处于“自生自灭”的状态，久而久之，创新的价值很难呈现，团队也慢慢失去了活力和存在感。
比如，需求的不确定性，是创新团队必然会面临的问题，团队如果没有形成一套敏捷的方法灵活应对变化和不确定性，不能及时响应用户的反馈，快速迭代产品的功能，产品可能会失去创新性。
比如，新的团队新的角色，无论来自组织内部还是外部招聘，他们拥有不同的背景和技能，项目需要快速确定一种有效的沟通和协作机制，保证团队内部以及跨团队场景下不同角色之间的合作和信息共享，没有这套机制和渠道，很难保证团队协作和产出的效率。
总的来说，通过组建创新团队负责想法的落地，能够最大可能的保护团队不受干扰、将精力聚焦在创新这件事情上，这个过程，企业既是在探索新的机制和创新模式，也是在孵化新的能力和人才队伍。
综上分析了三种典型的数据驱动创新的方式，企业可根据自身的资源、文化、目标选择和企业比较契合的方式，完成从想法到行动到产出结果的过程。
创新是一件很有挑战的事情，常常伴随着各种困难。以下也总结了几个点，帮助企业在开展创新的时候规避一些坑，少走弯路：
1）专注，创新团队无论以哪种方式组建，通常会承载着企业和来自众多部门（团队）的期望，当期望过多又不统一的时候，会给创新团队带来干扰，渐渐地让创新的工作不聚焦，从而失去了方向，所以在创新的过程中，组织（或者支持者）有责任帮助创新团队排除干扰，让创新团队始终专注在创新的目标上是非常关键的一件事情。
2）衡量标准，组织如何看待创新，那么就需要把这些看法放在标准里面，创新之初制定清晰的衡量标准（清晰但不僵化）比工作有了结果再去寻找评价有用的多，清晰的衡量标准能够帮助创新团队在过程中对目标始终保持关注。
3）能力和角色的加持，数据驱动的创新离不开数据科学家、数据分析师、业务专家、数据工程师等角色的参与和协作，这些角色在很多企业里面是新的资源，如何招聘、培养、发展这样的创新角色，企业需要有配套的人才发展体系，从而能够吸纳并保留他们。
4）协作机制，很多时候，创新的挑战不在于”新“（做新的事情），而在于”创“（遭受打击），无论团队内部还是跨部门，有效的协作机制能保证创新的工作在很大程度上得到支持。
最后，近年来，数据的迅猛增长和技术的快速发展为企业提供了前所未有的机会，希望越来越多的企业可以有效地利用数据分析和洞察，更好地了解市场、顾客和竞争环境，从而优化业务运营、提高竞争力，并迅速转化想法为实际行动。
