近两年接触了许多组织的创新，且很大一部分的创新是基于数据的，数据驱动的创新，从想法到行动，需要从思维和认知上做一些准备。
01 区分集团数字化战略和创新驱动两种建设模式
集团的数字化战略经过层层分解，最终会落实到项目或者一系列的项目上，创新驱动的建设模式也是通过项目来验证一个想法、一款产品或者一种核心技术的可行性，因此，这两种模式的落地方式是相似的。
但集团的数字化战略落地是自上而下，集团推动，跨越部门多，通常来讲周期长，范围广，是系统性的变革工程，而创新驱动更多是自下而上的方式，短平快，更看重短期内可衡量的效果，从而决定下一步的投入或迭代方向。
这也因此决定了创新的特点：聚焦、能落地、可衡量的产出结果。
02 想法是开始，落地是关键
大多数的创新始于一个想法，来解决一个痛点，满足一个诉求，实现一个目标，或者抓住一个机会，是在现状之上，要么勇于打破，要么敢于求新，所以想法可以很大胆、标新立异、与众不同。
但只有当创新的结果带来了改变，创新才是成功的，所以，创新总归是落实到实处的，创新的想法需带有现实可行性。
从想法到结果，中间是一个落地的过程。
目标是啥，如何计划，需要什么资源，风险点在哪里，结果如何衡量？执行细节很重要。
因此，一个好的创新，既要有好的想法，也要有周密的落地规划，缺一的话，创新要么难以开始，要么会在没有下文中结束。
03 创新场景要聚焦，避免大而全
大而全的想法和规划虽然有可能带来变革性的突破，但周期长，投入大，其所隐藏的风险也有可能是巨大的。
创新的过程会面临很多不确定性，从不确定性中寻找可行性是创新项目的一个重要内容。
要在投入和时间有限的情况下验证可行性，前提便是范围不能扑的太广，目标要清晰，内容要聚焦。
聚焦一个场景，探索可用的数据，选择相关的技术，确定可用来度量结果的标准，加上过程中不断地复盘和优化，是创新中将想法变成结果的路径。
04 评估数据的作用和影响
如果没有数据，数据驱动的创新也就成了无米之炊。
没有数据又分为两种，没有数据可用，没有可用的数据。
前者依赖数据的获取，是不是有数据，所需的数据是不是已经存储，是否需要第三方数据，如何获取第三方数据，等等。
后者依赖数据的集成、处理和数据的质量，很多时候，数据分散的存储在不同的地方，因为权限、系统孤岛等原因不能被集成，因为断、缺、口径不一致等质量原因导致数据产生不了价值，或者因为处理数据的周期太长、成本太高，导致创新的结果不能及时呈现。
因此，数据驱动的创新，围绕着场景，确定相关的数据源，评估数据质量和数据的可用性是决定创新是否能带来效果的关键。
05 区分数据驱动的创新与业务模式创新的区别
业务模式的创新可以通过改变运营方式、价值创造过程、和客户以及用户互动的方式来达到更高的目标，让企业获得更持久的竞争力，可能和数据有着关系，也可能不产生直接的关系。
数据驱动的创新主要依赖于收集、分析和应用大量数据来指导决策和推动创新。通过深入了解数据，发现模式、趋势和洞察力，组织可以更准确地识别问题、优化流程、提升产品或服务，并做出更明智的决策，从而实现更有针对性和有效的创新。
举例来说，传统零售商通过与电商平台的合作在"618"活动期间推出大规模的促销活动，吸引顾客在线上进行购物，这对传统零售商来说是一种业务模式的创新，这个过程中，销售方通过数据分析和个性化推荐，为顾客提供个性化的购物体验，这是数据驱动的创新。
数据驱动的创新关注更好的发挥数据的作用，相较于业务模式的创新，它更聚焦，也更依赖智能技术的作用。
06 场景是核心，数据是关键
数据驱动的创新是从数据开始，还是从场景开始，困扰着很多人。
大多数情况下，场景是最先被确定下来的，因为创新点通常是从具体的场景来的，创新的结果最终也需要通过场景所关联的业务价值来体现和衡量。
但有的时候，场景很难确定，唯一明确的就是有一堆数据，能用数据做什么，还未知，也就是说数据探索、从数据里面挖掘价值是需要先行的事情，这个过程也是从数据寻找场景的过程。
所以，数据驱动的创新，场景是核心，没有场景，创新的价值无法体现，也难以衡量，数据是关键，缺少数据，场景实现不了，缺少高质量的数据，数据的价值难以变现。
07 走得远离不开创新领导力
创新的过程会遇到很多阻碍，比如指引方向并纠偏，比如全局思维扫除障碍，比如高效执行减少内耗。
应对这些挑战，组织需要创新领导力。
具体来讲，组织的各层领导者重视创新这件事情，并积极参与进来，促进和支持创新的思维方式、文化和实践，激发创新思维，创造鼓励创新的环境和平台，建立激励机制，提供资源和支持，培养创新团队，并最终将创新融入组织的文化基因里，推动变革的发生。
创新领导力需要领导以身作则，也是一件持续投入的事情。
有了创新领导力的保驾护航，创新才有可能在各种变化和危机中存活下来，并发展成可持续的能力。