软件工程领导者与D&A领导者高效协作，推动AI创新

核心观点

• 软件工程领导者与数据与分析（D&A）领导者因职能分化易形成组织孤岛，需通过文化与架构变革优化协作及决策效能。
• 软件工程领导者面临数据驱动转型压力，但数据收集、集成和分析困难，导致价值证明受阻。
• Gartner调研显示，开发、数据科学与工程团队的敏捷协同可显著提升数据可及性与团队生产效率。

建议

• 重构权责矩阵：重新评估所有权和责任划分，达成一致并严格执行新的协作框架，确保协作方式和时间的透明度。
• 对齐跨团队指标：通过跨团队指标和KPI对齐，促进与D&A团队的协作，高效实现业务目标。
• 优化团队架构：识别企业的IT价值主张，采用最合适的交付模式，并据此优化团队架构，满足特定协作需求。

分析

• 软件工程领导者聚焦技术创新，D&A领导者凭借商业洞察力将数据资产转化为决策智能，两者需协同作战解决企业级复杂问题。
• AI项目责任分配呈现碎片化特征，主要存在职能分散型、部门孤岛型或权责模糊型三种形态，仅23%的受访者能明确归属特定职能角色。
• 跨职能协作需采用多学科方法构建和运营AI解决方案，并通过可量化机制评估成本与业务价值。

关键措施

• 明确AI项目所有权：与CIO和CDAO深度协同，清晰界定AI项目的所有权和责任矩阵。
• 制定D&A战略：联合D&A领导者制定支持AI就绪的D&A战略，整合数据治理、DevOps、MLOps及负责任AI原则。
• 强化平台工程与数据工程协作：建立紧密协作，避免资源重复投入，聚焦统一数据平台建设。
• 主导AI技术与软件应用集成：确保AI技术与软件应用的深度融合。
• 投资AI能力建设：推动组织人才转型，培育AI核心技能。

指标调整

• 统一跨职能指标，对齐长期目标，建立共识，追溯各团队工作与企业目标及预期业务成果之间的联系。
• 采用业务成果驱动型指标（ODM），将各团队的操作性指标与业务结果明确关联，识别需要加强协作的关键领域。

团队架构适配

• IT运营模式决定企业如何协调IT能力实现业务战略目标，包括资产优化型、流程优化型、服务优化型、价值优化型和创新优化型。
• 数字产品交付模式下，建议将软件工程与D&A团队整合至产品团队；均衡IT服务交付或聚焦IT流程与资产提升效率时，建议保持团队独立运作，跨学科合作项目可组建混合团队。

研究结论

• 软件工程与D&A领导者需突破组织壁垒，通过跨职能协同创造增量价值，实现技术执行与数据资产的战略耦合。
• 企业应根据自身IT价值主张选择合适的运营模式，并据此优化团队架构，以实现业务战略目标。