数据驱动型企业的6个特征

简介: 数据驱动型企业的6个特征

企业已经学会通过利用数据获得成长优势,乃至获得生存机会。但是有多少企业是真正的数据驱动型企业呢?事实上,只有很少的企业能够真正实现“数据驱动决策”的承诺,那么如何判断一个企业是否是其中之一呢?

数据驱动型企业的6个特征音频:00:0008:48

全球IT咨询公司Tech Mahindra美洲战略垂直业务总裁Lakshmanan Chidambaram认为,“数据正变得越来越有价值,尤其是从业务角度来看。毕竟,数据可以告诉我们很多关于公司流程和活动的信息。它不仅能够显示一个企业是否正朝着正确的方向前进,还可以确定需要改进的领域,并提出一个适当的策略来进行这些改进。”


据专家总结,以下是数据驱动型企业的一些关键特征。

01他们采用企业范围内的数据战略

要成为数据驱动型企业,需要有一个适用于整个企业的全面性数据战略。它不仅要包含技术和自动化的应用,还要包括文化、治理、网络安全、数据隐私、技能和其他组成部分。


Chidambaram解释称,“数据治理、存储和分析工具的市场已经大幅增长,但企业仍面临着挑战并苦苦挣扎。首席信息官、首席技术官和首席行政官必须建立一个企业范围内的全面战略,以充分利用企业数据的价值,并整合人工智能等技术来实现销售、营销和卓越运营。”


Chidambaram补充道,这包括确保数据架构为数据专业人员和非技术决策者提供超越本能和轶事决策所需的工具。


目前,许多企业和政府企业都在利用数据驱动的洞察力来改善客户服务、降低运营费用、创造新的业务流并实现整体业务效率。


Chidambaram认为,让企业的领导层和员工致力于数据驱动的方法是决定成功的关键。企业必须确保解决以下问题:每个人都愿意接受数据作为企业文化的一部分吗?如果每个人都是肯定的答案,才能称自己为真正的数据驱动型组织。

02他们优化资源分配

制定数据驱动的策略是一回事,有效地执行计划又完全是另一回事。这就是拥有正确的资源并根据需要更新它们至关重要的原因所在。


全球技术研究和咨询公司ISG的合伙人兼首席数据和分析官Kathy Rudy表示,“一旦确定了战略,那么支持该战略的人员、流程和工具对于数据驱动型组织而言将至关重要。”


例如,企业需要有一个构建数据目录的流程;数据清理和数据质量的程序和工具;定义明确的数据用例和支持用例的正确工具;内外部用户有效且安全地访问数据的流程;支持用例的整体安全性;以及支持复杂数据请求的卓越数据中心。


从人员的角度来看,成为数据驱动型组织意味着要拥有一支由数据分析师、数据科学家、数据工程师和其他专业人员组成的稳固团队,并在需要更新技能时提供必要的培训。

03他们强调数据治理

数据治理是整体数据战略的另一个组成部分,值得特别关注。治理包括数据安全、隐私、可靠性、完整性、准确性和其他领域。维护数据驱动的操作至关重要。


Rudy解释称,“如果没有数据治理,你将无法信任自己使用的数据是高质量的、通过通用分类法跨数据集同步的,或者是安全的。此外,数据治理还为访问数据提供了基础。”


Rudy举例称,在ISG公司,经常需要面对不同的数据库,而且这些数据库又具有不同的分类法和维护数据集的方式。但是,一旦建立了集中的数据治理方法——包括人员、流程和工具——我们就能够开发新的方法来使用内外部的企业数据,以实现客户交付、产品和数据货币化。


Rudy补充道,集中式方法还为企业内部的数据访问建立了适当的安全协议。除非你真正了解数据的来源、收集方式、数据背景以及如何分析数据,否则不当使用可能会导致错误的决策。


例如,当ISG销售团队要求提供帐户信息时,数据团队开始提取报告并发现同一客户有多个名称。随着时间的推移,汇总业务快照会变得愈发困难,销售了什么?由谁销售?都无从得知。对数据缺乏治理会造成系统中的数据不完整,客户信息不对称等情况,进而导致错误的决策。


金融服务、医疗保健和保险技术提供商TransUnion全球技术平台高级副总裁Deepika Duggirala表示,负责任的数据使用对于数据驱动型组织至关重要。这意味着保护企业数据生态系统中的所有数据——无论是动态的还是静态的——同时维护员工和消费者的隐私。随着数据保护法规的陆续出台,企业必须跟上节奏,向所有员工宣传相关的数据隐私和保护法案,并将安全和合规性纳入所有数据存储和消费的初始设计中。

04他们建立广泛的数据思维方式

建立数据文化和思维方式是整体数据战略的一部分,且值得重点关注,因为它确实有助于将战略变为现实。


Duggirala表示,“决策的各个方面都受到数据的影响。员工只有对数据具有充分认知,才能更好地了解市场并做出合理的决策。这是TransUnion产品开发流程的核心——产品经理、客户体验设计师和开发人员都利用我们数据的不同方面来确定解决特定需求的解决方案,定义发布时间表,以及确保简单、直观的功能。”


Rudy补充道,“在数据驱动型企业中,整个企业都承认数据是决策的核心。因此,当面临挑战、问题或设计战略时,人们会自动获取数据来支持决策。在ISG,从描述我们资质的营销和销售材料,到使用数据证实建议的客户交付物,以及我们用数据和事实支持我们专业知识的行业简报,数据确实是我们所做一切的核心。数据为企业提供了竞争优势,也为我们所有的利益相关者提供了洞察力。我们将数据视为循环,一直不断地收集、验证、管理、整理和分析数据。”


咨询公司NTT Data北美创新中心负责人Theresa Kushner表示,数据驱动型企业有很多驱动力。这意味着无论你处于企业中的哪个职位,都可以访问完成工作所需的数据。而非数据驱动型企业的数据管理方法通常是孤立的。


Kushner解释称,“NTT Data研究表明,只有少数企业表示数据在整个企业中无缝共享。而在数据驱动的企业中,情况并非如此。因为这些团队在其领导层的指导下根据数据做出决策,而且他们的团队特别关注关键数据集,所以他们可以快速行动并使用准确、随时可用的数据推动业务发展。”


Kushner认为,定期协作是拥有数据思维方式的关键,因为没有人共享和使用数据,数据就什么都不是。有效的数据驱动文化取决于数据所有者与其用户之间的高效协作和开放式沟通。数据驱动型组织的这一特征涵盖了所有其他方面,例如培训、认证、数据治理、定期流程更新。

05他们使数据集成为首要关注点

Kushner介绍称,由于数据科学家无法找到拟议模型所需的数据,导致许多AI项目在短时间内被搁置。数据驱动型组织就不存在这样的问题。他们知道哪些数据集对于业务的运行是关键和必要的,并确保这些数据集受到保护和管理。


例如,大多数公司都有CRM系统,销售人员会使用这些系统来记录和跟踪机会。但这些系统中的数据对于客户及其交易而言往往是不完整的,尤其是在销售人员负责数据输入时。这意味着当数据科学家想要创建一个客户模型,来识别那些将在特定时间或从特定渠道购买的客户时,他们需要的数据可能不可用或不够支持该模型。


然而,数据驱动型组织明白,这些数据对于运营业务至关重要,因此可以确保数据管理实践在关键领域是彻底的。在许多情况下,为了确保正确输入数据,这些企业会自动执行销售录入流程,从而将销售从繁琐的录入任务中解放出来。


Kushner补充道,根据业务类型或行业,关键领域可能会发生变化。例如,制造商可能会发现更密切地管理其供应商的信息是他们的关键数据域。无论是哪个行业,数据驱动型组织都有收集、管理和使用关键数据的计划。

06他们促进IT和业务之间的强大协作

数据驱动型企业往往具有良好的IT和业务协作关系。例如,当CIO与财务部门密切合作时,公司可以最大限度地发挥财务数据的价值。


专业服务公司BDO的首席财务官Lynn Calhoun表示,“在正确的时间、以正确的格式向高管和领导者提供正确的信息需要CFO和CIO之间的密切合作。这包括让财务和IT团队一起定义信息需求,合作建立正确的IT系统和架构以满足这些需求,并密切合作来实施和支持敏捷系统和流程,以跟上当今快速变化的业务环境。”


Calhoun补充道,以BDO为例,我们会紧密合作以了解业务“需要”什么,而不仅仅是他们“要求”什么,因为这通常会受制于他们所知道的内容。这种限制阻碍了业务领导者实现目标的能力。


相关文章
|
存储 机器学习/深度学习 人工智能
大模型时代的存储趋势
从2022年下半年,大模型和AIGC这两个词变得极其火热,而GPU的市场也是一卡难求。对于这种迷乱和火热,让我想起了当年的比特币挖矿和IPFS。似乎世界一年一个新风口,比特币、元宇宙、NFT、AIGC,金钱永不眠,IT炒作永不停歇。 每一个新的风口出现,总有两拨势力在冲突,保守派不断探索业务的真实价值,通过价值投资试图证明这又是一个新的庞氏骗局;另一波则是来势汹汹,集结一切可团结的力量,证明新时代已经来临。对于这一个个的风口,AIGC和大模型似乎与前几年的风口不一样,让我们看到了一丝真正的未来科技,在这篇文章,我会分享我对大模型&AIGC的看法,以及从存储的视角思索,在大模型时代存储的趋势。
|
存储
大数据分析基础——维度模型
image.png 1基本概念 维度模型的概念出自于数据仓库领域,是数据仓库建设中的一种数据建模方法。维度模型主要由事实表和维度表这两个基本要素构成。
2652 0
|
算法 机器学习/深度学习 数据挖掘
带你读《增强型分析:AI驱动的数据分析、 业务决策与案例实践》之三:预测模型的新技术
本书“深入浅出的原理介绍 + 实际使用的案例”的内容安排能够使得数据分析建模人员从算法原理、数据挖掘知识结构、业务应用方法等方面得到提升,帮助数据分析建模人员开阔眼界、优化知识结构、提升实践技能。
|
3月前
|
机器学习/深度学习 数据挖掘 定位技术
领域大模型驱动的数据分析预测能力如何处理现代社会犯罪活动?
领域大模型驱动的数据分析预测能力如何处理现代社会犯罪活动?
66 0
|
6月前
|
机器学习/深度学习 计算机视觉 人工智能
用基础模型指导特征传播,首个泛化型图像匹配器OmniGlue搞定未见过域
【6月更文挑战第3天】研究人员提出OmniGlue,首个以泛化为中心的图像匹配器,利用基础模型DINOv2的广泛知识和关键点位置引导的注意力机制,提升未见过图像域的匹配性能。在7个不同图像域的实验中,OmniGlue相对其他模型表现出20.9%的相对增益,优于LightGlue 9.5%。尽管有改进空间,OmniGlue标志着图像匹配技术泛化能力的重要进步。论文链接:https://arxiv.org/pdf/2405.12979
92 2
|
7月前
|
供应链 安全 物联网
未来交织:新兴技术趋势与其多维应用场景
【5月更文挑战第26天】随着科技的不断进步,新兴技术如区块链、物联网(IoT)、虚拟现实(VR)等,正在重塑我们的世界。这些技术不仅在各自的领域内发展迅猛,而且相互交融,开启了全新的应用模式。本文将探讨这些技术的发展趋势,并重点分析它们在不同领域的结合应用,揭示一个由高度互联和智能化定义的未来图景。
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型的核心成功因素通常可以归结为三大要素:大数据、大算力和强算法。
AI大模型的核心成功因素通常可以归结为三大要素:大数据、大算力和强算法。
326 0
|
7月前
|
存储 数据可视化 大数据
大数据分析与处理:探索数据的深层价值
大数据分析与处理:探索数据的深层价值
98 2
|
7月前
|
供应链 安全 物联网
未来交织:新兴技术趋势与多维应用场景探索
【5月更文挑战第28天】 随着科技的迅猛发展,新兴技术如区块链、物联网(IoT)、虚拟现实(VR)等正在逐步渗透至社会的各个层面,重塑着我们的工作和生活方式。本文将深入探讨这些技术的发展趋势,并分析它们在不同领域的具体应用情况。区块链技术以其不可篡改和去中心化的特性,在金融、供应链管理以及身份验证等领域展现出巨大潜力。物联网通过智能设备的互联互通,为智慧城市、智能家居和健康监测提供了新的解决方案。而虚拟现实技术则在游戏娱乐、教育培训和远程工作等方面开辟了前所未有的体验空间。文章旨在提供一个全面的视角,以理解这些技术如何塑造未来,并推动社会向更高效、更安全、更互动的方向发展。
|
新金融
《未来保险 新金融时代》——二、保险科技的第一性原理——特征4:“综合型、定制型”产品
《未来保险 新金融时代》——二、保险科技的第一性原理——特征4:“综合型、定制型”产品
90 0