身为John Lewis Partnership (JLP)的首席数据与洞察官，Barry Panayi对于信息始终充满热情。事实上，他甚至承认自己有点沉迷于其中。

“我可能是你见过的最无聊，或者最有趣的人之一，具体要看你喜欢什么。我这个非常狭隘——除了数据、分析和洞察之外，我几乎不会讨论别的东西。这20多年来，我一直在这方面投入尽力。”

Panayi加入JPL刚刚一年半多点，他在这里负责领导数据管理、治理、分析、研究和数据科学团队。在英国多家头部机构磨练了自己的数据领导技能之后，Panayi开始将自己对于数据的痴迷转化为JLP的切实利益。

“我觉得自己的职能就是帮整个团队打开大门，引导他们开展工作。整个团队有大概200多人，成员们需要找到稳定运作的途径。我则努力创造环境，从结构元素、技术等各个角度出发确保他们能有效工作。”

如何建立数据与领导专业知识

Panayi毕业之后的第一份工作，是在一家数据驱动的直邮营销机构，他的贸易学习旅程也由此展开。之后，他开始在各个行业、企业和领导角色之间往来穿梭。他曾在安永工作过很长时间，并协助为这家咨询企业建立了首个数据洞察实践。

“这是个绝佳机会。当时，「大数据」这个字眼才刚刚兴起，所以我有幸驾驭那股浪潮，适应2005年前后才开始的这波大规模加速。”

Panayi随后成为Virgin Group的数据和分析主管、Bupa数据科学主管。在加入JLP之前，他还曾担任Lloyds Banking Group的集团首席数据和分析官。他意识到，丰富的职业经验丰富有助于提高他的认知水平。

Barry Panayi, John Lewis Partnership

“我这种职业生涯规划也有风险。其实大部分数据专业人士不会在银行、零售商和医疗保健机构间转来转去。但我还是想从不同的地方多学点东西，取其精华并不断保持自我完善。”

Panayi回忆道，他在安永的经历帮助自己建立了信心，这也是他第一个跨专业职位。“我可能会先拿一天时间研究服饰的定价算法，第二天参与协调能源交易。总之，我们在那里用相同的技术、工具和知识尝试处理不同领域的问题。”

“这里当然要涉及一些行业知识。但我发现，无论自己身在哪里，总能找到比自己更了解公司业务的同事，我可以向他们学习。所以说，我是零售专家吗？当然不是，但合作企业里有上万名零售专家，我这种来自局外人的视角反而显得弥足珍贵。”

迎接新挑战

Panayi表示，JLP庞大的业务覆盖范围是吸引他加入的关键因素。从John Lewis到Waitrose，再到John Lewis Financial Services，JLP旗下各个品牌带来非食品零售、杂货零售和金融服务的独特业务组合。

“在这里，我恰好可以用自己的知识填补不同行业中的空白。”Panayi也被这家公司的目标所吸引，“我遇到了新任董事长Sharon White夫人，并被她的愿景所折服——这位新晋掌门人将带领全新的董事会，将数据置于一切业务的核心。”

Panayi指出，以往John Lewis其实很少使用数据和技术驱动方案，他们引以为傲的其实一直是出色的客户服务。但现在，企业必须考虑如何在数字时代下继续取悦客户。幸运的是，他坚信一切挑战都能通过自己团队对于数据的明智运用来解决。

Panayi表示，他管理的团队有三大主要日常工作类型。首先是数据管理，包括治理和隐私管理，还有如何以有意义的方式为客户使用和展示信息。简而言之，这项工作要求他们对产品做出正确标记，帮助客户轻松发现并购买。

第二个重点则是数据科学与商务智能。JLP的业务范围极广，涉及产品定价、促销设计、员工轮值表设计、货运司机导航等一系列细碎繁琐的事务。在Panayi看来，数据科学能帮助JLP高效解决这些问题。

为重要问题寻找答案

最后一项则是研究和洞察，包括开展定量和定性分析。他说，大多数企业其实不会把这方面工作交给数据负责人，但JLP就是这么做的，而且正是这部分工作真正迷住了他。

“这让我有机会再次与研究和洞察主管合作，我们之前曾在Virgin Group合作过。现在他过来跟我一起推进项目，我们会采用客户提供的定性数据，再把它们跟实践层面的定量数据做出比较，从中寻找出模式。”

Panayi提到，这方面研究通常涵盖特定的商业主题。首先就是设计新的产品或服务，例如最近发布的Anyday系列，公司希望借助数据技术以可持续方式提供价格合理的高质量产品。

“所以我们会问，「产品应该是个什么样子？人们能接受的价位是怎样的？消费者会把产品跟我们的品牌联系起来吗？」等等。另外，我们还关注大家对于某些关键元素的感受，例如价格定位、道德性和可持续性等，这些元素到底有多重要？”

“我们大概半数工作都来自同一个节点，体现的是业务部门想要了解客户、贴近客户需求的愿望。有时候，我们会邀请客户参加董事会议，让他们跟执行委员会成员交谈。有时候，我们也会主动带着有意义的潜在问题去征求客户意见。”

缔造能力与平台

Panayi担任这份职务才一年半，而他最引以为傲的成就之一，就是在内部缔造出服务于企业长期数据目标的能力。

“在刚刚加入时，还根本不存在什么数据和洞察团队。所以首先要建立起团队，将其培养与能满足一切数据洞察和分析需求的一站式平台。这很难，其中有不少领导角色需要填补。”

随着能力的建立，Panayi又将目光投向系统和服务。他注意到，技术领域的某些元素并未有效为JLP的业务服务。于是，他开始高度关注公司到底在使用哪些工具。

“在加入之后，我建立起一种非常健康的反馈文化。团队能够准确告诉我各个平台的问题所在，我再用这些反馈作为待办事项清单中的优先条目，认真考量他们的诉求。我们正在用到一些软件，但并未充分发挥软件的潜力。于是我取消了部分平台和软件，转而引入其他一些技术。”

“我很喜欢我们现在的堆栈。一年半之前它还完全不是这样，但我们现有的体系已经能帮助数据科学家们做出惊人的探索，高效管理/治理我们的数据。而其中一项关键举措，就是放弃一种数据库技术并引入Snowflake。”

如今，Snowflake处于严格控制的数据生态系统的核心。除了Google Cloud Platform之外，JLP还在Snowfalke上运行有Tableau商务智能方案。Panayi团队还引入专业的数据工具，包括dbt和Collibra，其中大部分编码都是用Python完成的。此外，该团队也开始探索机器学习工具。

“这些变化对这支队伍产生了很大的影响，大家相处得很融洽。Snowflake工具中有很多我们尚未尝试的功能，希望将来我们能让其一一发挥作用。”

集中精力处理高优先级事务

Panayi表示，他的团队明年将优先关注两大关键领域。首先就是“传统客户营销类项目”，例如对购物者进行细分并分别提供个性化优惠；同时与供应商合作，为他们提供洞察以在正确范围内购买正确产品。

第二点则在底层运营应用。Panayi对这方面发展感到兴奋，也坚信数据的战术性应用有望产生重大影响。他表示，届时公司将能更明智地决定合作方的货车该开往哪里、特定时段内需要多少员工，以及Waitrose该在闭店前给水果降价多少以减少浪费。

“所有这些优化问题，实际上都是运营问题。这是个核心挑战，毕竟如果数据不在正确的位置，我们就什么都做不了。这一年半中，我们面对的最大挑战其实是可做的太多、来得及做的太少。我们尽了最大努力，但还是有很多工作只能以痛苦的手动方式进行。”

“我们必须严格保障所有内容的正确有序。现在准备工作已经就绪，接下来我们可以做点更酷的探索，而且我们已经感受到了由此带来的回报。”