提升企业敏捷性真就这么难？

采用并强要员工开心。IT运营部门可能在运行混合多云架构，但这并不一定意味着成本得到了优化，或者基础架构就可以神奇地自动扩大或缩减规模。

因此，如果你希望敏捷流程迅速实行标准化，通过改用敏捷架构神奇地解决技术债务，或者立即转变成敏捷工作方式，那么你会大失所望。敏捷性不是免费、廉价或轻松就能得到的。你无法在时间表固定的甘特图上管理敏捷性。

虽然我认为敏捷性主要是一种自下而上的转变，但这并不意味着开发人员、工程师、测试人员、敏捷专家及IT团队的其他成员可以独立地提升敏捷性。整个团队必须协同工作，承认要兼顾的取舍，并在效益方面达成共识的情况下制定敏捷运营原则。

因此，如果敏捷性不能强行要求，又需要所有人付出努力，那么组织如何变得更敏捷?以下是IT部门的所有人可以协同提升敏捷性的几个方法。

为敏捷方法正名

本人所著《驾驭数字化》的第2章主要阐述了基础的敏捷实践以及更全面的敏捷规划流程，这种流程包括分配角色和职责，规划多迭代开发周期(sprint)待办事项，以及预估方法实行标准化。我与试图采用敏捷理念和文化的团队合作时，我们会确立版本发布管理准则、架构标准、敏捷原则以及提升敏捷性的其他准则。

但这无法刻板僵硬地部署推行。不同的组织自有不同的业务战略、组织结构、组织文化、人才、合规要求以及新旧架构的组合。考虑何时何地运用不同的敏捷实践时，这些因素异常重要。

比如说，一家大型组织可能有团队为领导人希望快速开发并发布给员工的移动应用程序开发API。第二个团队可能在竭力改造一套复杂的遗留系统，该系统关系到一家受严格监管和审查的跨国公司能否正常运营。

这两个团队是否应该遵循相同、规范且严格控制的敏捷实践?这肯定会制约API团队;如果采用的敏捷方式更民主、自我组织，许多决定交由API团队处理，那么毫无疑问API团队会更愿意(而且可能表现出色)。另一方面，若为处理复杂的关键业务遗留系统的团队赋予太大的自由度，那会带来更大的风险。什么”并给出答案。如果领导人只规定方式，却不解释原因，员工就不太可能采用基本实践。解释敏捷原则(尤其是解释原因)可以帮助团队在何时、何地以及如何运用敏捷实践方面做出更合理的决定。

通过数据运营和数据治理加快机器学习

我喜欢蜘蛛侠的这句名言：“能力越大，责任越大。”每家组织都希望自己的数据科学家、数据可视化专家和平民数据分析员能不断获取洞察力，进而帮助决策。但是这种能力还要求数据团队、分析团队和机器学习团队采用积极主动的数据治理和数据运营(DataOps)实践，以满足组织在数据质量、安全、隐私、主数据管理和数据集成等方面的要求。

因此，分析团队竭力变得更加敏捷，经常拿出成果，并增加分析中使用的数据集的数量，同时数据团队必须基于合规要求和不断变化的业务预期目标，夯实底层的数据处理基础。

这种敏捷性不是免费或通过强行规定就能获得的。只有跨部门团队认识到敏捷性的重要性，并协同工作以改善分析交付和数据处理基础，数据和分析流程才会日趋完善。这里有几个例子：

平民数据科学计划要求各参与部门在发布新的数据可视化之前，定义并维护数据目录和定义。

数据科学团队记载机器学习模型、定义漂移参数，并基于定义的生命周期维护生产级模型。

数据集成团队和数据质量团队将分析团队视为客户或利益相关者。他们定期审查分析团队执行的数据管理工作，评估和调整数据模型和集成机制，以减少下游数

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!