有效的数据策略能够确保您的组织始终能够获得高强度的见解。以下是如何重塑当今数据战略的最新发展。
图源：SHUTTERSTOCK
【睿观：随着人工智能、数据民主化和数据质量等趋势的发展，企业CIO与CDO需要不断调整和优化其数据战略，通过边缘计算和DaaS等新技术最大化数据价值，从而在竞争中保持领先地位。
人工智能转变数据价值主张
趋势：人工智能（AI）在释放数据见解、促进决策和提高效率方面表现出色。
案例：Google与Reddit达成6000万美元数据授权协议，展示出数据商业化的新方式。
观点：不积极参与AI的企业可能会错失机会，或面临如Kodak般的衰败风险。
数据民主化势头增强
趋势：数据民主化在企业中取得进展，数据的使用不再局限于专家。
观点：通过提供用户友好的自助服务工具，数据驱动文化得以形成，有助于打破数据孤岛。
数据质量占据中心地位
趋势：高质量数据成为IT部门的主要关注点，影响着AI和数据驱动举措的成效。
观点：不准确的数据会导致错误决策，因此，数据质量管理至关重要。
数据策略转换方向
趋势：从传统的从左到右的方法，转向从右到左的方法，以业务需求为中心驱动数据策略。
观点：这种方法在相对较短的时间内产生业务价值，有助于有机地构建单一可信数据源（SSOT）。
从头开始反思数据策略
趋势：企业需要重新评估或创建新的数据战略，以提升数据价值。
观点：集中方法包括定义数据治理、所有权和预期结果，并获得高层支持。
数据转向边缘
趋势：边缘计算正在改变数据收集、处理和交付方式，减少云计算的延迟问题。
观点：特别在制造业，实时数据分析可简化流程并改进决策，从而提高运营效率。
数据即服务(DaaS)的兴起
趋势：DaaS提供按需访问数据，消除内部基础设施的需求，降低成本并提高灵活性。
观点：DaaS标准化数据，增强分析和决策能力，对快速集成新数据源具有重要意义。】
如今的首席信息官不仅了解数据的价值，还了解在高质量数据的推动下，可操作的商业智能会带来更好的商业决策和更高效的操作。
然而，数据收集远非一个静态的过程。收集准确的、可操作的数据需要仔细的规划、访问相关的来源，以及强大而灵活的管理能力。要了解最新的信息管理方法和技术，请查看这些领先的数据战略趋势。
一、人工智能转变数据价值主张
投资银行Solomon Partners（成立于1989年，是一家领先的金融咨询公司，是历史最悠久的独立投资银行之一。其不同之处在于其所涵盖的行业拥有无与伦比的行业知识，以无与伦比的智慧为客户创造卓越的价值。其为客户提供兼并、收购、资产剥离、重组、资本重组、资本市场解决方案和一系列行业的维权服务。其是Natixis的独立运营子公司，Natixis是Groupe BPCE的一部分。）的合伙人Craig Muir（克雷格·缪尔）表示，人工智能代表了当今最关键的数据战略趋势，因为它具有深刻的变革潜力，他是该公司的软件、数据和分析领导者。
Muir（缪尔）说，人工智能使组织能够从广泛的数据集中释放见解，促进知情决策和培养创新。“它的自动化能力可以简化运营，从而提高资源分配和效率。”
Muir（缪尔）指出，人工智能还为那些目前不将数据作为主要产品销售的企业开启了新的机会。“最近达成的Google/Reddit licensing deal（该授权协议令谷歌将付费访问Reddit的数据API，该API可以实时访问这个以随心所欲著称的论坛网站的用户发布的帖子和评论。被一些人视为人工智能聊天机器人训练数据的绝佳来源。网站上的对话包含数以百万计的网民用闲聊的语气写作的例子，机器可以通过分析来学习如何做同样的事情。其他顶级的大型语言模型开发者——比如OpenAI——至少已经从Reddit上抓取链接很多年了，以便从中获取信息。）就是一个例子，”这笔6000万美元的交易将使这家搜索巨头能够在真人Reddit（是互联网上访问量最大的网站之一，成立于2005年，由企业家Steve Huffman、Alexis Ohanian和已故的电脑奇才Aaron Swartz共同创立，每月活跃用户达到8.5亿。）帖子上训练人工智能模型。“企业的数据战略应优先投资和利用人工智能的力量，无论是在内部还是通过外部商业化。”
Muir（缪尔）认为，如果不能在内部和外部积极参与人工智能，“往好了说是错过了机会，往坏了说可能是Kodak（伊士曼柯达公司，简称柯达公司，是世界上最大的影像产品及相关服务的生产和供应商，总部位于美国纽约州罗切斯特市，是一家在纽约证券交易所挂牌的上市公司，业务遍布150多个国家和地区，全球员工约8万人。多年来，伊士曼柯达公司在影像拍摄、分享、输出和显示领域一直处于世界领先地位，一百多年来帮助无数的人们留住美好回忆、交流重要信息以及享受娱乐时光。但是随着数码技术的崛起，柯达公司于2012年1月19日申请破产保护。）一样的惨痛事件。”
二、数据民主化势头增强
数据民主化在前瞻性企业中发挥着越来越重要的作用，使每个人都能访问和使用数据，而不仅仅是数据科学家和其他专家。Accenture（埃森哲，是全球最大的上市咨询公司和《财富》世界500强公司之一，2020年排名279位，为客户提供战略、咨询、数字、技术和运营服务及解决方案。）联邦服务负责国防和应用情报首席数据战略师Portia Crowe（波西亚·克劳）说：“通过允许不同的视角，它可以帮助得出结论，并促进整个组织的合作。”
民主化通过打破数据孤岛发挥作用。“它通过提供对鼓励可用性的数据和工具的访问，促进了数据驱动的文化。”Crowe（克劳）解释道，“用户友好的自助服务工具的兴起使用户能够用最少的专业知识来探索和分析数据。”
三、数据质量占据中心地位
数据质量包括准确性、完整性、一致性、有效性和及时性——随着人工智能和其他数据驱动的举措在企业中站稳脚跟，数据质量正成为IT部门关注的主要问题。
“总的来说，符合目的的数据以及对数据的信任对一个组织至关重要，数据质量应该得到良好的管理。”Crowe（克劳）说，“数据质量也是合理使用人工智能的燃料，因为它直接影响其执行和生成可靠结果的能力。”
Crowe（克劳）预测，随着企业的数据驱动性不断增长，对高质量数据的需求只会加剧，从而推动决策。“所谓的‘dirty data（脏数据，也叫坏数据，通常是指跟期待的数据不一样、会影响系统正常行为的数据。）’会导致糟糕的选择，阻碍组织有效竞争和执行的能力。”她警告说，“不准确或有偏见的数据会导致有缺陷的人工智能输出，这凸显了对干净、可靠的数据的需求。”
虽然数据质量的具体实施方式可能会随着时间的推移而变化，但从长远来看，其背后的核心原则可能对组织仍然很重要。
四、数据策略转换方向
数据和数字工程公司Altimetrik（是一家纯粹的数据和数字工程解决方案公司，为企业IT现代化提供数字商业服务。开创了数字赋能领域的变革性解决方案，倡导数据和数字工程的精确性。其产品重新定义了企业的发展轨迹，制定了整合技术、文化和流程的全面战略。通过利用创新方法，其推动效率、创新和卓越的客户体验，使组织能够在数字化转型的动态领域蓬勃发展。）的分析主管Jayaprakash Nair（贾亚普拉卡什·奈尔）表示，一些企业实施内部数据驱动举措的方式正在发生越来越大的方向转变。
Nair（奈尔）观察到，传统的数据策略主要是从左到右驱动的。这意味着从各种来源收集的数据被汇集到一个位置，如data lake（数据湖，是可以存储大量结构化、半结构化和非结构化数据的存储仓库。它是一个以其原生格式存储每种类型数据的场所，对帐户大小或文件没有固定限制。它提供大量数据，以提高分析性能和原生集成。数据湖就像一个大容器，与真实的湖泊和河流非常相似。就像在湖中有多个支流进入一样，数据湖具有结构化数据，非结构化数据，机器对机器，实时流经的日志。）或warehouse（Data Warehouse，简称 DW，数据仓库。顾名思义，是⼀个很⼤的数据存储集合，出于企业的分析性报告和决策⽀持⽬的⽽创建，对多样的业务数据进⾏筛选与整合。它能为企业提供⼀定的 BI/商业智能能⼒。有了数据报表，还可以指导业务流程改进。），然后进行清理以创建一个single source of truth/SSOT（单一可信数据源，通常是基于云的包含所有权威版本的关键数据存储库，以招聘管理系统为例，就是候选人、猎头顾问、面试官、客户对接人、职位等详细信息。单一可信数据源要求数据录入规则是单一的，数据定义名称是通用的，以确保使用与分析数据的精准性。）。虽然这种方法通常是成功的，但他指出，一些组织在构建SSOT所需的时间以及如何使其发挥最大价值方面存在困难。
Nair（奈尔）预测，未来，数据战略方向将越来越遵循从右到左的方法。使用此模型，业务团队将定义他们需要使用可用数据解决的优先级。
“IT团队将收集和清理足够多的数据，以满足这些业务优先事项，从而在相对较短的几个月甚至几周内产生业务价值。”他说，“然后，业务团队将确定下一组优先级。”
Nair（奈尔）认为，从右到左的方法将在一段时间内有机地构建SSOT，并在这一过程中产生有形的商业价值。
五、从头开始反思数据策略
安全咨询公司NCC Group（是一家总部位于英国的控股公司。本公司的主要业务为透过提供托管及保证服务向客户提供独立意见及服务。它分为两个部门：保证和托管。其保证部门包括安全和风险咨询服务。它提供一系列补充服务，包括专家安全保障和渗透测试，网络防御操作，事件响应和取证，托管安全服务和安全运营中心，以及风险缓解和治理。其托管和验证服务可确保第三方提供的应用程序和软件包的长期可用性，从而保护最终用户和软件供应商。）的董事Stephen Bailey（斯蒂芬·贝利）说，如今最重要的数据战略趋势是重新审视企业当前的计划或创建新的计划。
Bailey（贝利）说，为了从快速增长的数据池中挤出最大的价值，企业需要采取一种包括所有业务领域的集中的方法。他说：“无论是为了改进内部流程和程序，还是为了更多地了解客户，一个好的数据战略都定义了所有数据的治理、所有权和预期结果。”
数据战略的重新评估应该首先定义这样做的必要性并达成一致，然后确保该倡议得到最高级别的支持。下一步应该是任命一个项目负责人和一个包括所有相关业务领域代表的指导小组。Bailey（贝利）建议：“调整数据策略和您的人工智能治理框架，以减少它们之间的任何冲突。”
Bailey（贝利）指出，人工智能相关立法制定的新要求可能会导致许多企业没有正式的数据管理战略，并在没有制定全面政策的情况下制定一些计划。
六、数据转向边缘
科罗拉多州律师事务所LLC Attorney的首席技术官Javier Muniz（哈维尔·穆尼兹）表示，随着企业越来越以数据为驱动，边缘计算提供了实时数据分析，减少了通常与云计算相关的延迟问题。
Muniz（穆尼兹）说，这一趋势的意义在于它有可能彻底改变数据的采集、处理和交付方式。通过转向边缘，企业可以更接近来源地分析数据，提高效率并提供更快的见解。“这对制造业等行业的影响尤其重要，在这些行业，实时数据分析可以简化流程并改进决策。”
为了实现效益最大化，企业应考虑实施全面的边缘战略，确定数据延迟对运营影响最大的关键领域。Muniz（穆尼兹）补充道：“让具有边缘计算基础设施和架构专业知识的战略合作伙伴参与进来也是无价的。”
Muniz（穆尼兹）说，向管理层同事传达边缘的价值需要清楚地说明其潜在的好处和效率。“至关重要的是，要传达如何将数据分析更接近来源，从而推动更好的结果，加快决策过程，并最终提高底线。”
七、数据即服务的兴起
Straits research（是一家领先的市场研究机构，专门从事研究、分析和咨询服务，并提供商业见解和市场研究报告。）的高级研究分析师Gloria Flint（葛罗瑞亚·弗林特）表示，Data-as-a-service/DaaS（数据即服务，是一种数据管理策略，旨在利用数据作为业务资产来提高业务创新的敏捷性。它是自 1990 年代互联网高速发展以来越来越受欢迎的XaaS/“一切皆服务”趋势下关于数据服务化的那一部分，介于 PaaS 和 SaaS 之间。与 SaaS 类似，DaaS 提供了一种方式来管理企业每天生成的大量数据，并在整个业务范围内提供这些有价值的信息，以便于进行数据驱动的商业决策。）是企业数据管理的一个关键趋势，提供按需访问数据，这一特性对全球企业越来越重要。“它的成本效益在于消除了对内部基础设施的需求，从而减少了资本和运营费用。”
DaaS的敏捷性使采用者能够快速集成新的数据源，适应市场变化，几乎没有延迟。“此外，DaaS能够轻松实现数据货币化，创造新的收入来源。”Flint（弗林特）表示，“还通过跨业务部门标准化数据来确保高数据质量，并通过简化数据虚拟化和自动化来增强分析和商业智能，从而实现更好的决策。”
为了充分利用DaaS，Flint（弗林特）建议企业将该方法集成到现有的数据生态系统中，确保无缝访问外部数据源。“这种集成还可以增强分析、改进决策和推动创新。”
Flint（弗林特）表示，IT领导者可以通过强调DaaS的战略价值和与业务目标的一致性，向管理层同事传达DaaS的重要性。“他们可以进一步强调它提供的敏捷性，使企业能够快速集成新的数据源并适应市场变化。”她指出，这种方法不仅传达了DaaS的实际效益，而且将服务定义为支持长期增长和创新的前瞻性投资。
考虑到企业必须处理的数据量不断增长，以及对灵活数据访问的需求，Flint（弗林特）认为DaaS可能会吸引大量客户。“它与云计算的结合以及对实时数据分析日益增长的需求表明，在可预见的未来，DaaS将继续发挥作用。”
最后的想法
Citi（花旗集团，1955年纽约花旗银行与纽约第一银行合并，改名为纽约第一花旗银行，1962年改为第一花旗银行，1967年改为花旗公司。总部设在纽约。1998年与旅行者集团合并组建花旗集团，成为世界上最大的金融服务公司。是美国第一家集商业银行、投资银行、保险、共同基金、证券交易等诸多金融服务业务于一身的金融集团。合并后的花旗集团总资产达7000亿美元，净收入为500亿美元，在100个国家有1亿客户，信用卡发行量约6000万张。）美国个人银行分析主管Murli Buluswar（穆利·布拉斯瓦）表示，企业通过云计算持有的数据比以往任何时候都多——第一和第三方，结构化的和非结构化的。“先进的公司将通过在存储、查询、推导和编排这些数据的能力方面变得更加成熟，从而脱颖而出。”
作者：John Edwards（约翰·爱德华兹）
John Edwards（约翰·爱德华兹）是一位资深的商业技术记者。他的作品出现在《The New York Times/纽约时报》、《The Washington Post/华盛顿邮报》以及许多商业和技术出版物上。
译者：宝蓝 @lex
