假设您正在通过“了解您的客户”计划来改善客户体验。也许你满足了监管要求，以避免罚款，或者你可以通过从每月的潜在客户列表中删除重复事项来降低成本。但是，无论你的计划是什么，如果你想做出最好的决定，拥有准确的数据是第一步。当然也离不开数据。但仅仅拥有大量数据并不一定能帮助你回答重大问题、理解问题或做出更快、更好的决策。为了获得竞争优势、保持盈利能力或满足客户的要求，您必须能够按照数据告诉您的内容采取行动。
不幸的是，尽管数据管理技术和工具取得了较大进展，但我们中的许多人还是被数据问题困扰着。大量的信息技术通常以不同的格式和系统分布在各个企业、部门和地点，大大影响了使数据进行报告和分析。如果不同的系统或报告之间存在差异，那么您可能会花费大量时间查找和清理数据，这些时间本可以更好地用于分析、沟通或决策。即使在每月的数据改进活动中修复了数据，也不一定改变系统问题或数据质量问题的根本原因。
如何总结经验教训并将其自动应用到数据中，这样下个月就不用再浪费时间以同样的方式混合和清理数据了？举个简单的例子，几个系统包含同一个人的不同版本。
任何系统都可以存储这些信息并将其提供给用户。但你怎么知道这些记录都与同一个客户有关呢？你可以手动调节它们。想象一下修复成百上千条这样的记录所面临的挑战。你有时间和资源去做吗？
有效的数据管理使您能够集成、清理和维护数据。但这到底意味着什么呢？为什么要优先考虑数据管理解决方案呢，本文回答了这些问题。
一、数据管理一览
数据管理的目标是确保组织拥有干净、一致、完整和最新的数据。用以支持报告和分析，并最终指导更好的决策和行动。除了许多热爱数据的数据爱好者和专业人士之外，组织不会因为喜欢数据而进行数据管理。他们做数据管理是因为总有一个业务原因与之相关。
组织使用数据管理来改善客户体验、增加收入、通过运营效率降低成本，或者满足法规遵从性或管理法规的要求。为了获得准确的报告和分析或其他操作用例所需的干净、完整和当前数据，必须有全面的数据管理基础。您的组织为理解、清理、集成、管理、掌握和监控作为战略资产的数据而从事的所有活动对于数据管理平台来说都是必不可少的。
如图所示，数据管理涉及许多功能：
•数据访问
指您能够在存储信息的任何位置定位和检索信息。某些技术可以使这一步尽可能简单和精确，这样您就可以花更多的时间使用数据，而不仅仅是试图找到它。
•数据质量
确保数据准确并可用于其预期目的的应用。这从数据被访问的那一刻开始，并通过与其他数据的各种集成，甚至包括发布或报告之前的点。
•数据准备
通常以自助服务的方式提供，使业务用户能够通过最少的培训操作所需的数据，而无需增加IT部门提供和转换数据的负担。
•数据集成
允许提取、转换和加载（ETL）作业中组合不同类型的数据。数据虚拟化是数据集成的一个方式，它比传统的ETL批处理例程提供了更多的灵活性。它允许您生成数据的动态视图，无需移动数据，也无需中间数据集市来存储数据。
•数据治理
一套持续不断的规则和决策，用于管理数据，以确保组织的数据战略和业务战略保持一致。它可以帮助您遵守业务规则，并遵守州和联邦的规定。
二、确定性数据管理的好处
目前，数据管理解决方案将上述五种功能作为端到端解决方案的一部分进行了整合。企业如果数据管理到位，就可以：
（1）按需获取数据
•在需要时提供对所需数据的简单、直接和自动化访问。
•整合所有必要的数据，纠正不一致和重复的数据。
•管理分析数据集市和数据湖，以简化数据访问。
•更改数据源时，应用程序可以使用数据的抽象视图。
•在多种可选的环境中运行数据进程。
（2）可信任的决策
•分析和验证数据，以便更好地理解数据。
•建立管理数据内容、质量和结构的业务规则。
•执行复杂的身份解析，以建立任何域的单一视图，并减少重复的客户条目。
•使各部门能够持续监控数据质量，并在出现问题之前指出异常情况。
•提供实时数据服务，在数据进入系统之前阻止数据质量问题。
（3）数据驱动业务
•通过确保数据及时、准确并以适当的格式存储以供报告和审计跟踪，确保法规遵从并将风险降至最低。
•改进关键数据流的组织方式，以便从数据中提供更好的可视化和决策。
•通过使用自助数据准备工具，增强业务专业人员的能力。
•创建一个通用词汇表来弥合业务和IT之间的鸿沟。
•调整数据管理。
三、行动从数据开始
没有行动，决定就没有意义。行动是改变行为和修复损坏的业务流程的东西。行动从数据开始。通过数据管理，您可以按需获取数据，帮助您做出可以信赖的决策，从而可以运行数据驱动的业务。
按需获取数据
这与在正确的时间向正确的人提供正确的数据有关。不同的用户和情况需要不同级别的数据延迟。例如，要确定与向高价值客户提供新贷款相关的风险，您需要在几秒钟内获得实时数据。但是，您可以运行夜间批量更新来确定信用卡累积的忠诚度点数。在各种情况下，通过不同的延迟和相关成本提供多种访问途径是很重要的。
做出您可以信任的数据决策
现在，您可以在需要的时间范围内访问所需的数据。数据是否一致准确？如果不是这样，你所做的决定可能是错误的。为了做出您可以信任的决策，您需要跨不同的数据库或部门提供一致的数据视图，这可以通过应用数据质量流程（如标准化或重复数据消除）来实现。您还需要在业务组和IT组之间保持一致的命名和规则。而且数据质量流程必须应用于问题的原始来源，以确保您不会在每次需要创建报告时都执行此流程。
建立数据驱动的业务
使用各种流程和技术，您可以开始根据IT项目产生的业务价值对其进行优先级排序。业务和IT开始讲同一种语言。风险降低了，你也遵守了隐私和其他政策。你根据数据而不是猜测来做决定和采取行动。你经营的是一个数据驱动的企业，研究表明，你很可能会因此获得更高的利润。
准备好实施数据管理策略后，请按照以下数据管理方法开始。这是一个循序渐进的过程，帮助您完成数据管理任务，如数据质量、数据集成和数据迁移。
该方法指导企业建立一个基础，可以优化收入，控制成本和减轻风险。所有的阶段都是相互作用的。例如，在评估监控阶段时，您可以而且应该重新审视您的初始计划和操作设计。该方法包括三个阶段：
•计划。在这里您可以发现数据并定义管理数据的流程和规则。
•行动。设计和执行这些已定义的流程。
•监视。您可以在数据流入和流经组织时对其进行评估和控制。
（1）计划
在计划阶段，您将定义作为数据管理项目的人员、流程和技术。这个阶段让您有时间发现和分类所有数据资产。开始时，需要考虑以下问题：
•人。牵涉到谁，目的是什么？谁拥有哪些数据、应用程序或流程？
•路线图。我们现在在哪里，我们想去哪里？我们面临哪些问题？我们的组织目标是什么？
•源系统。我们需要什么样的数据？这些数据来自哪里？我们能访问它存储的任何地方吗，包括云？我们的数据质量如何？
•安全。谁应该访问哪些数据？我们必须满足哪些审计要求？
•业务流程。需要哪些业务流程？更好的数据如何增强我们组织的运作方式？
•业务术语、规则和数据定义。我们如何定义“客户”？如何优化采购和支出？我们是否有统一的业务术语表来存储常用的业务术语、它们的所有者和相关的技术元数据？
（2）行动
在Act阶段，您的团队应该设计一个能够满足所有数据需求并执行业务流程的系统。对使用的所有数据结构、格式、源和使用进行统计。然后集中精力整合和协调数据管理活动：
•一致的规则。您的最终目标是拥有一组可以集中存储但可以跨所有数据源、应用程序和业务线部署的业务规则。在这里，您可以使用在计划阶段设计的规则，创建和部署对数据执行的数据流程，以完善或清理数据。
•一致的数据模型。数据模型是您的数据如何映射到业务的唯一、明确的来源。结构良好的数据模型允许您识别适当的源系统并可以协调多个视图。
•一致的业务流程。您的目标是为每个数据管理任务中涉及的所有业务流程提供一致性。
•一致的模型部署。分析模型是关键业务决策的核心。专注于数据准备、模型开发、模型测试、部署、监控、重新校准，这样您就可以尽可能快、尽可能多地自动化决策。
（3）监视
一个健康的数据生命周期需要一个与不断发展的业务保持同步的强大的监控和报告系统。所有这些变化都需要反映在数据中。为了获得一致的、经过验证的业务视图，您必须持续地监视数据。在此阶段，您应该：
•监视。在数据进入组织时对其进行监视和验证，以验证其是否符合您的规则。同时，不断监控规则，以确保它们仍然满足业务需要。
•回顾。将规则和需求整合到单个环境中。
•优化。集中管理数据规则，以便您可以在整个组织中立即共享更改，而无需重复工作。
•形象化。使用报告快速方便地可视化数据健康水平，并在需要时创建报告。
四、贵公司数据管理状况如何
看看下面这些关键问题：
•您是否信任您的数据，数据是否易于访问、清理、集成和监控？
•您知道组织中的哪些人员使用哪些类型的数据吗？
•是否有一个系统，用于在数据流入和流经您的组织时对其进行分析？
•您的IT部门能否跟上业务需求？
•您的业务用户是否可以自助访问他们做出更好决策和采取行动所需的数据？
•你知道如何使用你的数据来帮助你竞争吗？
•是否支持公司战略，能否从锁定在组织中的数据中获取更多价值？
•您能否识别管理数据或从中做出更好决策所需技能的差距？
当您的组织在不断增长的数据量和数据源、日益复杂的管理法规要求以及用更少的资源做更多工作的压力下挣扎时，我们可以一起探讨和制定解决的办法，这样企业就可以采取正确的行动来改善客户体验、增加收入、提高竞争力并保持合规性。
