[论文解读] Leveraging Data and Analytics for Digital Business Transformation through DataOps: An Information Processing Perspective

Jia Xu, Humza Naseer+2 more|arXiv (Cornell University)|Jan 24, 2022

Big Data and Business Intelligence被引用 4

一句话总结

本文提出了一种集成框架，通过信息处理理论（IPT）的视角，利用DataOps和数据分析推动数字化业务转型。通过制度化规范的数据工作流程，组织能够提升分析性信息处理能力，从而提高运营效率并创造新的商业模式。

ABSTRACT

Digital business transformation has become increasingly important for organizations. Since transforming business digitally is an ongoing process, it requires an integrated and disciplined approach. Data Operations (DataOps), emerging in practice, can provide organizations with such an approach to leverage data and analytics for digital business transformation. This paper proposes a framework that integrates digital business transformation, data analytics, and DataOps through the lens of information processing theory (IPT). The details of this framework explain how organizations can employ DataOps as an integrated and disciplined approach to understand their analytical information needs and develop the analytical information processing capability required for digital business transformation. DataOps-enabled digital business transformation, in turn, improves organizational performance by improving operational efficiency and creating new business models. This research extends current knowledge on digital transformation by bringing in DataOps and analytics through IPT and thereby provide organizations with a novel approach for their digital business transformations.

研究动机与目标

• 解决数字化业务转型举措中数据管理零散、临时性的问题。
• 识别DataOps如何作为一种规范化的集成方法，将数据与分析与战略业务目标对齐。
• 通过信息处理理论（IPT）的理论视角，将DataOps与分析整合，拓展现有数字化转型文献。
• 为组织提供一条结构化路径，以发展数字化转型所必需的分析性信息处理能力。
• 展示通过DataOps驱动的转型如何通过提升运营效率与创新来增强组织绩效。

提出的方法

• 基于信息处理理论（IPT）作为理论基础，构建一个整合数字化业务转型、数据分析与DataOps的概念性框架。
• 识别DataOps的关键组成部分——如数据治理、自动化、协作与持续监控——作为分析性信息处理的推动因素。
• 将组织的信息处理需求与DataOps实践相映射，强调反馈回路与迭代改进。
• 将DataOps定位为一种机制，以优化从数据采集到决策制定的数据流，确保数据质量和时效性。
• 分析跨职能协作与工具集成在实现可扩展数据运营中的作用。
• 利用IPT解释组织如何系统性地处理、存储、检索并响应分析性信息，使技术流程与认知及战略需求保持一致。

实验结果

研究问题

• RQ1 如何战略性地利用DataOps，通过增强信息处理能力来支持数字化业务转型？
• RQ2 支持分析决策的、基于DataOps的信息处理能力的关键组成部分是什么？
• RQ3 将DataOps与分析整合如何在数字化转型过程中提升组织绩效？
• RQ4 信息处理理论（IPT）框架如何解释DataOps在将数据转化为可操作业务洞察中的作用？
• RQ5 组织为将DataOps制度化作为数字化转型的驱动力，需要进行哪些结构性与流程性变革？

主要发现

• DataOps提供了一套规范化的、可重复的框架，可提升分析决策中数据的可靠性与时效性。
• 制度化实施DataOps的组织由于数据延迟降低与数据质量提高，表现出更高的运营效率。
• 将DataOps与分析整合，可推动发展出数字化转型所必需的稳健分析性信息处理能力。
• DataOps通过支持更快、以数据驱动的创新周期，促进新商业模式的创建。
• IPT视角表明，DataOps增强了组织系统性处理、存储与响应分析性信息的能力。
• DataOps中的跨职能协作与自动化是实现跨业务单元数据驱动转型规模化的关键推动因素。