软件工程领导者与D&A领导者高效协作，推动AI创新
领导力协同软件工程领导者与 D&A领导者如何高效协作，推动AI创新 Haritha Khandabattu高级研究总监 Michael Gabbard高级研究总监 Keith Mann高级研究总监 软件工程与数据与分析（D&A）领导者在AI等新技术的创新中面临协同挑战。本研究探讨软件工程领导者应如何将技术执行与数据治理相结合，调整团队架构以适配IT运营模式，最终支撑企业战略落地。 Michael Gabbard高级研究总监 Haritha Khandabattu高级研究总监 Keith Mann高级研究总监 概述 主要观点 建议 •软件工程领导者通常作为技术驱动者，而D&A领导者则较多承担业务决策的角色。这种职能分化易导致组织孤岛，亟需通过文化与架构变革优化协作及决策效能。•当前，软件工程领导者面临数据驱动转型的压力，需借助数据优化流程与产品以此来证明团队价值。然而，这些数据要么不可用，要么分散于各个团队与系统，导致数据的收集、集成和分析变得困难。•Gartner《2024年数据、分析和软件开发交汇点》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。 建议软件工程领导者通过以下方式促进与D&A领导者的协同合作： •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，同时确保协作方式和时间的透明度，推动变革落地。 •通过对齐跨团队指标和KPI，促进与D&A团队的协作，并高效实现业务目标。•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，以满足特定的协作需求。 介绍 软件工程领导者和D&A领导者作为数字化转型的双引擎，分别承担着技术驱动和业务赋能的战略角色。软件工程领导者聚焦技术创新，通过采用前沿解决方案、优化工程效能和开拓变现渠道，持续推动数字化转型和AI增强型软件工程实践。D&A领导者则凭借商业洞察力，在加速数字化转型进程的同时，将数据资产转化为决策智能，从而优化客户体验并创造商业价值（见表1）。需要指出的是，这些职能的具体边界会因企业架构、汇报线设置、行业特性和区域特征而存在差异。 传统上，这两类领导者往往作为高绩效个体贡献者独立运作。但在面对持续的波动、复杂的决策环境和AI技术快速迭代的背景下，他们必须转向协同作战模式，通过跨职能协作解决企业级复杂问题。通常，这两个角色会采用双线汇报至CIO的架构，以确保责任共担和KPI对齐。但在某些企业中，D&A领导者可能直接向CEO、CFO或COO等业务领导者汇报。1这种治理结构的差异常常导致目标失焦和战略断层，形成协作壁垒。本研究旨在构建软件工程与D&A领导者的协同框架，突破组织边界，实现技术执行与数据资产的战略耦合，增强企业战略（见图1）。 分析 重构权责矩阵，明确分工并推动执行 软件工程与D&A领导者必须突破组织壁垒，通过跨职能协同创造增量价值。无论企业汇报线如何设置，双方都应建立平衡的协作关系，重新定义权责机制并明确协同边界。双方应基于战略目标达成职责共识（见表1），并通过沟通校准以适配业务需求变化。同时，根据CIO或业务优先级的变化，及时优化责任划分。 责任分歧应转化为协同契机，需引入CIO/CTO等决策层进行权责仲裁。 下文提供一个典型案例，以说明可能引发责任分歧的问题： AI项目主体交付责任分布 AI（特别是GenAI）凭借其广泛的应用场景和复杂的技术特性，已成为关键的技术颠覆力量，使企业在界定职责边界和管控风险方面面临显著挑战。鉴于AI技术快速迭代的特性，企业需要建立敏捷、可扩展且具备风险适应能力且可持续的运营机制。当前AI责任分配呈现碎片化特征（见图2）。企业AI项目管理模式主要存在三种形态：职能分散型、部门孤岛型或权责模糊型。Gartner 2024年网络研讨会调研数据显示，仅23%的受访者能够明确归属特定职能角色，而IT部门与非IT部门在AI责任承担上呈现41%对41%的均衡分布。2 企业需采用跨职能协作的多学科方法构建和运营AI解决方案，并通过可量化、可追踪的机制评估成本与业务价值。为此，软件工程领导者可采取以下关键措施： 调整指标，促进跨职能协作 软件工程与D&A领导者均面临创造显著业务价值的压力。1当前主流软件工程指标体系包括DORA、SPACE和DevEx（详见《DORA、SPACE或DevEx比较分析》）。由于业务需求往往超出资源和基础设施现代化的投资能力，企业可能倾向于在现有运营条件下追求短期价值，而忽视长期战略。要实现突破性业务价值，必须统一跨职能指标，对齐长期目标，而协同投入的整体收益将远超单点突破。 •与CIO和CDAO（和/或CTO）深度协同，在企业整体技术战略与业务目标框架下，清晰界定AI项目的所有权和责任矩阵。•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，构建AI责任与问责的实施基础。•强化平台工程与数据工程协作。建立紧密协作，避免数据工程、治理、分析及AI团队的资源重复投入。平台工程应聚焦统一数据平台建设，实现元数据管理、安全管控与可观测性标准化。关于平台工程案例，可参考工具包：《平台工程商业案例模板》。•主导AI技术与软件应用的集成。•投资AI能力建设，服务短期与长期目标，推动组织人才转型，培育AI核心技能。参考《快速解答：软件工程团队如何构建GenAI技能》和《多元AI团队的核心GenAI技能就绪度评估》。 企业可通过追溯各团队的具体工作与企业目标及预期业务成果之间的联系来建立共识。关于如何在软件工程领域实现这一点，可参考《开发者生产力度量与提升方法》。绘制一张可视化的关联图，通常足以识别出潜在冲突点，以及可以实现协同的领域。 跨职能协作的障碍往往源于沟通断层，表现为不同团队使用差异化术语描述相同工作内容，或采用看似相近实则冲突的评估标准。例如，软件工程师和数据工程师都关注数据集成，但其衡量方式各不相同： 例如，提高销售线索质量可以提升转化率并增加收入。要实现这一目标，需要同时解决数据集成（即多个数据源的正确整合）和分析能力（即线索评分的逻辑）两方面的问题。评分通常需要API回调至数据源。因此，尽管软件工程和D&A团队的工作重点不同，它们都应围绕提升销售线索质量这一共同业务目标展开协作。任何一方都不应仅优化自身的工作，而应确保其KPI能够推动实际的业务成果。 •软件工程团队聚焦在应用程序如何使用来自数据管道的数据。。•数据工程团队侧重于获取的数据将如何被汇总并加载到分析数据库过程中的不同方式。 接下来，应采用业务成果驱动型指标（Outcome-Driven Metrics，ODM），将各团队的操作性指标与业务结果明确关联. 这种专业视角的差异可能导致局部KPI优化与全局目标背道而驰，尤其当运营指标仅围绕单一职能设计，缺乏企业战略对齐时。团队往往陷入取舍困境，难以平衡部门绩效与整体价值创造。为解决这一问题，跨职能团队需要建立更广泛的业务背景，以指导各自的工作方向。 通过对齐团队工作内容与共同的业务成果，团队领导者可以识别出需要加强协作的关键领域，并充分发挥协同效应。 建立共识。明确良好的业务成果应具备哪些特征。确保软件工程和D&A团队全面理解并认同整体业务需求。 企业可以根据其核心目标选择合适的运营模式——无论是提升IT效率、增强业务绩效，还是创造全企业范围的竞争优势与增长。尽管企业可能倾向于与同行进行比较，但应认识到，即便同样高效的IT组织，在各自的业务环境中可能采用不同的运营模式。同样地，并不存在唯一最优的软件工程与D&A团队协同架构。 在上述示例中，尽管两个团队都专注于数据整合，但这一关注点本身并未明确指向具体的业务机会。如果团队领导者能够清晰传达以交叉销售为核心的业务成果驱动型指标（ODM），各团队便能明确如何协作，以汇聚高质量的客户数据，并确保这些数据能够在一系列应用程序中便捷地加载和更新。在企业产品与服务组合中，提供一致且个性化的客户体验，有助于降低客户探索和采用新产品的壁垒。详见《OKR、KPI与ODM：区别及适用场景》 对于IT价值主张偏向技术导向且主要服务后台运营的企业而言，软件工程团队与D&A团队可以各自独立运作，或在特定项目中短暂协作。在这种模式下，各团队交付的产品通常是相互独立的。例如，D&A团队可能创建一个数据服务，而软件工程团队则开发使用该数据服务的软件。在此情况下，尽管数据服务的开发会受到软件需求的影响，但其设计与架构仍主要遵循D&A团队的标准（见图3） 优化团队架构以适配运营模式 IT运营模式决定了企业如何协调IT能力，以实现业务战略目标。Gartner识别出五种IT运营模式（详见《CIO参考指南：IT运营模式设计》）： •资产优化型•流程优化型•服务优化型•价值优化型•创新优化型 Gartner《2024年数据、分析与软件开发交汇点调研》（见图4）显示，采用数字产品模式的企业更倾向于将软件工程与D&A团队成员整合至敏捷团队。3这些团队协同开发数据、分析和软件组件，通过一体化、面向业务的前台产品创造价值。 图4：产品模式下D&A与软件工程团队的敏捷协同趋势 建议 针对软件工程领导者的协同实施建议： •评估企业现有IT价值主张与运营模式对企业战略的支撑度（参考《软件工程组织与交付模式设计指南》及《D&A运营模式设计与实施框架》）。注：集团型企业可能存在多目标并行，各业务单元可采用差异化运营模式。 •若运营模式侧重通过业务价值创造企业级竞争优势与增长，建议采用数字产品交付模式，并将软件工程与D&A团队整合至产品团队。在初期阶段，产品团队内部可能仍保持独立的软件工程和D&AScrum团队或小组。随着团队文化的成熟，允许成员自发组织，产品团队架构也将随之演进。 •若运营模式的目标是通过均衡的IT服务交付提升业务绩效，或通过聚焦IT流程与资产提升效率，则建议保持软件工程与D&A团队独立运作。对于需要结合软件工程与D&A的跨学科合作项目，在整个项目周期内组建混合团队，确保两个领域的专家深度参与。 问题：从工作方式（而非正式组织架构或汇报线）来看，贵企业的数据科学家和软件开发人员是否在同一团队协作？问题：从工作方式（而非正式组织架构或汇报线）来看，贵企业的数据工程师和软件开发人员是否在同一团队协作？问题：贵企业当前采用哪种交付模式？（可多选） 依据 3Gartner《2024年数据、分析与软件开发交汇点调研》本调研探讨了数据团队与软件开发团队（或D&A与软件开发团队）之间的协作如何影响交付成果，重点关注数据科学家或数据工程师与软件开发人员之间的最佳合作实践。调查于2024年5月至7月间在线进行，共收集了402名受访者的数据，涵盖北美（n=160）、欧洲、中东和非洲（EMEA，n=159）以及亚太地区（n=83）的企业。调研针对公司规模和行业设定配额，以确保样本的代表性。受访企业2023财年的年收入或运营预算需达到5亿美元及以上。受访者需担任经理级及以上职务（不包括C级职位），并主要专注于D&A或软件开发。受访者本人需至少熟悉以下领域之一：创建共享数据服务（如API和数据产品）；使用共享数据服务开发应用程序，并了解共享数据服务架构；创建使用共享数据服务的分析和AI模型。免责声明：本调研结果仅反映受访者及参与公司的观点，并不代表全球市场或整体行业情况。 1Gartner《2024年首席数据与分析官（CDAO）议程调研》本调研旨在确定CDAO及CDAO办公室的2024年度议程与战略挑战，并为D&A领域的议程规划和潜在研究课题提供洞察，同时跟踪CDAO在企业中的角色演变。调研于2023年9月至11月期间在线进行，在全球范围内收集了479名受访者的数据。受访者需满足以下条件：具备首席数据与分析官（CDAO）、首席数据官（CDO）或首席分析官（CAO）头衔；为企业内D&A工作的最高级别领导者；是最高级别D&A领导者的汇报对象；在IT部门或其他业务单元中承担D&A领导职责。本调查样本来源多样（包括
