快速收集大量数据、分析数据,然后利用所学知识帮助制定更好的决策,这是许多企业高管的梦想。但是,就像任何可以用一句话概括的事情一样,实现这样的愿景比最初看起来要困难得多。
根据Forrester的数据,74%的公司表示他们希望“数据驱动”,但只有29%的公司表示,他们擅长将分析与行动联系起来。考虑一下这一点:Forrester发现,2014年至2015年间,企业对分析的满意度下降了21%——这是一个大数据前景广阔、投资巨大的时期。换句话说,企业收集和挖掘的数据越多,他们对自己的分析就越不满意。
许多因素可能在这里发挥作用,包括分析软件、企业文化和使用数据的人员的技能。但您的分析应用程序和从分析中得出的结论与收集和分析的数据会保持一致。收集、保护和挖掘大量数据并不是一项廉价的工作,正如俗话所说,“垃圾进,垃圾出”。
“这是一项巨大的投资,如果人们不信任数据,他们就不会使用商业智能工具之类的东西,因为他们不会相信不100%可靠的数据” erwin产品营销总监Danny Sandwell表示。
当然,使用数据来进行业务决策并非新鲜事。现代市场研究的思想可以追溯到20世纪20年代,从那时起,企业就从客户或潜在客户那里收集、分析和得出结论。
正如您所料,今天的不同之处在于数据量和数据收集方式。数据是由大大小小的机器、人和传统的市场研究产生的。它以闪电般的速度从各个角度进入当今的企业,在许多情况下,可以用于即时分析。
随着数据量和速度的增加,过载成为一个潜在的问题。除非业务部门制定了数据治理的战略计划,否则有关数据存储在什么位置、谁可以访问数据以及如何使用数据的决策将越来越难。
并不是每个企业都像Meta那样收集大量数据,但过往的新闻表明,这些公司无法完全管理好数据,并损害其声誉和底线。对于Meta来说,这是一个失败,8700万用户的数据被不当获取,并影响2016年美国总统大选。
在Meta的案例中,滥用或未能保护数据都是一个问题。他们无法快速量化问题的范围并披露细节,这让一个大问题变得更糟——让它在头条新闻上持续了更长时间。
数据安全、数据隐私和数据治理问题可能不是一些商业用户的首要问题,但这些问题以多种方式表现出来,影响着他们的日常工作。这样想:在您的公司收集的所有数据中,可能有一条信息可以支持或反驳您即将做出的决定。你能找到它吗?你能相信该信息吗?
如果这些问题的答案是“不”,那么您的公司将不容易做出由数据驱动的决策。
通过数据治理推动更好的决策制定
erwin和UBM在一项调查中,近一半(45%)的受访者表示,更好的决策是推动他们数据治理计划的因素之一。
数据治理有助于企业了解他们拥有哪些数据、数据有多好、数据在哪里以及如何使用。今天很多人都在谈论数据治理,有些人正在将这一话题付诸行动。erwin/UBM调查发现,52%的受访者表示数据对他们的公司至关重要,他们制定了正式的数据治理策略。但几乎同样多的受访者(46%)表示,他们认识到数据对公司的价值,但没有正式的治理策略。
许多早期建立数据治理的尝试都未能取得成果。他们的关注范围很窄,而且他们的支持者经常难以阐明数据治理对公司的价值,从而难以确保预算。一些组织甚至将数据治理理解为一种数据安全,将数据锁得如此之紧,以至于想要使用它来促进更好决策的人很难获得访问权限。
所有权问题也阻碍了早期的数据治理工作,因为IT和业务部门无法就定期影响双方的流程由哪一方负责达成一致。如今,公司能够更好地解决所有权问题,这在很大程度上要归功于新的公司结构,它认识到数据对现代企业的重要性。与几年前相比,首席数据官(CDO)和数据保护官(DPO)等角色更为常见,CDO越来越多地位于业务端。
现代数据治理策略的工作方式与数据本身非常相似——它渗透到业务及其基础架构中。它是企业架构、业务流程的一部分,它可以帮助组织使用可视化等技术更好地理解数据资产之间的关系。也许最重要的是,一种现代的数据治理方法正在进行中,因为组织及其数据不断变化,所以他们的数据治理方式不能停滞不前。
正如您所期望的那样,更好地了解您的数据对使用这些数据做出更明智的决策有很大帮助。然而,整体数据治理策略提供的可见性还有另一个优势:它可以帮助您更好地了解您不知道的内容。
通过帮助企业了解他们可以改进数据收集的领域,数据治理帮助企业不断努力创建更好的数据,这体现在真正的业务优势中,如更好的决策和一流的客户体验,所有这些都将有助于业务增长。
上一条:深信服 VMware ESXi 服务器的大规模勒索攻击事件「防御指南」,含风险自查与勒索防护!
下一条:redhat红帽——为什么大家喜爱ROSA和OpenShift?