无论是著名的摩尔定律，还是我们自己用于大规模分析的感知型企业（Sentient Enterprise）成熟度模型——都具有无数的框架，以便理解创新和突破是如何相辅相成，推动数字化的快速增长。其中，越来越清楚的一点是，分析解决方案必须能够实时管理和扩大创新。有时候，这种快速的成功会给自身带来全新的挑战。

我之前曾经主张采用快速试错（fail-fast）策略来获取最大的洞察力、恢复能力和最终的竞争优势。我即将在这里讨论的是 “成功症状”挑战——准确地说，这种类型的挑战是一些新的技术能力造就的。

意料之外的挑战和改变游戏规则的解决方案

某些成功的症状可以像技术问题一样“生动”。例如，在2016年行业论坛上，一位来自领先共享车服务企业的资深数据高管与同事进行讨论：实际情况是，这家公司在匹兹堡首先发起了无人驾驶出租车项目，并在宾夕法尼亚州获得了成功——这种情况引发了新的令人讨厌的问题，比如“如果乘客在乘车过程中发生呕吐，出租车如何进行自我清洁？”

幸运的是，这位高管告诉聆听其小组讨论的听众，算法没有那么不堪一击——基于推测，可让他们利用环境传感器和清洁工逻辑找到新的解决方案，从而不会让作为下一个乘客的您明显发现这辆出租车应该停止服务。

在同一个论坛上，我也听到了另一个例子。一位来自棒球大联盟球队的资深数据分析主管讨论了利用球员健康数据以获取竞争优势的合法性问题。通过分析，可将健康数据与实时指标进行对照，从而确定球员在比赛中的健康度、疲劳度和表现。但是，这就产生了一个新的难题：这种宝贵的健康数据是属于球队（作为球队资产），还是球员呢（作为受到联邦《健康保险隐私及责任法案》保护的个人健康数据）？

在这个案例当中，这位高管表示，该球队的政策是尊重患者隐私，但同时仍然会使用较为不敏感的整体数据或其他输入，如身体素质评估。不管确切的补救方案是什么，只有在新技术能力指引的前提下，这类政策性问题才会产生。

成功的另一个症状：对数字领导力的需求

创新提升能力，这反过来又产生了新的业务或政策问题。前面两个例子在阐明观点方面还可能较为狭隘。为此，让我们来审视影响我们整个产业的更为广泛的因素——这就是缺乏数字领导力。

与其他成功的症状一样，数字领导力的匮乏是在容量、连接和带宽飞速发展，并让大多数公司能够获得前所未有的大数据能力的大背景下产生的。这个挑战，正如我经常引用行业分析师Tom Davenport的话说——“与购买数字领导力相比，购买数字能力要容易得多。”

“如果您不处理实物资产和业务流程问题，您就不会有可持续的变化，”这是一家正在经历自我变革的大型网络跨国公司的首席数字官最近提醒我的话。他表示，成功就是围绕着数字化运营模式和技术进行创新。“您应该围绕角色/责任进行创新，围绕洞察力、能力、行为和操作程序进行创新，”他说道。

当您促使企业从数据寻找真实答案的时候，成功需要适应不断的变化。理想的情况是，您的系统架构和设计可以应对未来不断增长且超出原先预期的数据、用户、查询和需求。您的成功模式需要基于周密的长期规划，并意识到需要一致性的可扩展的增长。