DOITAPP
DOIT数据智能产业媒体与服务平台
立即打开
DOITAPP
DOIT数据智能产业媒体与服务平台
立即打开

企业如何避免陷入数据沼泽,这是一份操作指南

你有听说过”泽字节(Zettabyte)”吗?

在数据的海洋中,信息存储的基本单位是字节(Byte)。日常生活中接触比较多的有KB 千字节、MB 兆字节、GB 吉字节、TB 太字节等等。但是,这些常用单位不足以来衡量互联世界的庞大数据量。把全世界的数据都加起来,会是多大呢?

根据IDC的报告,2018年全世界总的数据量约在33 ZB,到2025年,这个数字将会增长到175 ZB,而这其中60%的数据是由企业产生的。

1 ZB也就是1泽字节,等于1,000,000,000,000,000,000,000字节!

毋庸置疑,未来是属于数据驱动型企业的。数据驱动型企业,不是简单地收集数据,存储数据,而是能将数据不断转化为业务价值,而且是实时的。

根据知名咨询机构麦肯锡的研究,数据驱动型企业在获客、留客和盈利上的能力分别要高于一般企业23倍、6倍和19倍。

数据的价值,不言而喻。

你所在的企业,正在发挥数据价值吗?

在让数据释放价值之前,企业该如何避免陷入数据沼”泽”?

打造数据驱动型企业,关键在何处?

甲骨文给出的答案是”自治(Autonomous)”。

企业海量的数据宝藏通常隐藏各个软件系统中,或者埋没在个人电脑和文件柜里,无法施展能量。它停留在各个业务部门的内部,保存数据的部门可能无法意识到自己的数据,对于另一个部门、甚至整个公司的价值。

再比如现在新兴的人工智能技术,如果没有足够的数据来支持AI模型,是无法提供企业期望达到的算法服务的。

要使用数据来驱动企业,创造价值,它必须变得可见且易于访问。知名市场研究公司Forrester的报告表示,对于一个典型的财富1000强规模的公司来说,如果将数据的可用度提升10%,就能带来约6500万美元的额外收入。

要彻底解决数据的问题,最好的办法是”自治”——让数据的采集、整合、管理、维护、分析等工作高度自动化,并且依靠机器学习不断自我提升,类似于汽车行业的”自动驾驶”。

自治的意义不仅仅在于减轻企业IT在数据管理上的负担,更重要是能够拉近企业业务部门(也就是数据的使用者)与数据的距离,让数据发挥价值,而且极大降低了企业应用数据所需的成本。

这就是甲骨文在2017年开创性推出Oracle自治数据库的原因之一。自治技术依靠机器学习和甲骨文四十余年在企业级数据管理的积累。通过自治技术,企业能收获一个基于数据实时提供可行情报的系统,这方便企业更好地了解其运营、员工、市场和客户,更快速、有依据地做出决策。

作为Oracle自治数据库的重要代表,Oracle ADW业务数据平台以简单、快速、弹性的产品性能为人力、财务、销售、市场等部门的业务洞察提供了强大的数据支撑。通过Oracle ADW,客户以完全可负担得起的成本,少则几小时,多则几周时间内即可看到所产生的业务价值。

如何避免落入数据沼”泽”

甲骨文给企业提供了以下五大建议:

第一是保障数据质量。

这一点很大程度需要依靠”数据清洗”。这就像在炒一盘菜之前,你需要择菜、洗菜、切菜一样——数据在分析前,需要将重复、无效的数据删去,纠正其中的错误,做好数据的一致性,完善数据质量。这是数据释放价值的基础。

第二是用敏捷的方法达到数据的展现和分析。

这里为什么强调”敏捷”呢?现在市场上多见的方案,如BI、数据中台往往跟随着巨大的数仓项目。这些项目耗时数月,多在百万级,而在完成前是无法衡量是否奏效的。现在在云的协助下,对于企业更有利的顺序应该是先快速看到效果,再来决定是否做、做多少。

第三是要建立以客户为中心的视图。

这是今天很多企业面临的问题,客户是企业增长之源,释放数据价值的一大目的是用于深耕客户需求。然而现在很多数据分析更多是按照流程,落入程式,并没有围绕客户来做。

另外一个障碍是数据的碎片化。随着公有云的应用,这个问题越来越凸显,特别是对于中小企业。一个企业在多个云上,就算都在同一个云,SaaS供应商也不同。企业需要的是形成对客户的全景图,将这些数据打通串联起来,决策时才能纵观全局、切中要害。

第四是赋予业务部门挖掘数据的能力。

对于很多行业,尤其是To C的企业,数据价值挖掘的能力决定了企业在这个市场能不能成功。

数据挖掘的工具,一方面要能让业务人员自主自助使用,即做到简单上手、灵活机动。因为业务人员最先嗅到市场变化,也最需要用数据来探索和验证思路,从而快速响应。必须要将业务人员挖掘数据的能力发挥出来,企业的数据价值释放才算真正做起来。

另一方面,企业还需借助机器的力量。AI、机器学习技术的加入,对于数据价值的挖掘可谓如虎添翼,企业可以在AI的帮助下预知趋势,探查出数据间前所未有的关联。

最后,也是最重要的一点,选择适合自己的才是最好的。

企业在选择数据项目时,一定要从自身情况出发,选择最适合自己的。

更为明智的做法是,企业可以”走一步,看一部”,而不是一次启动一个巨大的项目来做。这样企业可以先体验数据项目能带来多少价值,基于这个再决定投入多少。

未经允许不得转载:DOIT » 企业如何避免陷入数据沼泽,这是一份操作指南