互聯網時代,數據都是爆炸式的增長,甚至有人認為兩年內現有的數據體量就會翻倍。雖然難以置信,但這確是真的。不過目前 50%的數據是外部數據,因此現在想要找到有價值的森林越來越難。如果擁有一個顯示整個組織結構數據的數據目錄豈不美哉? 華爾街日報文章估計,數字化項目中50%至80%的時間會用于數據發現和數據準備。而據我和客戶交流所知,他們絕大多數時間是在尋找數據。這是事實:對于任何數據驅動的數字轉型項目來說,首先是找所需數據來驅動新的分析和新的業務流程,這是項目成功的關鍵。 來看一些例子。客戶在他們制定其數字化轉型的數據戰略和架構的時候,通常會談論轉型的“旅程”。我們來討論一下。 數據湖旅程 沒有人能夠將所有數據投入到數據湖中,并借此獲得驚人的洞察力。但是,已經有組織嘗試了。更可取方法是挑選某個功能區域(如營銷)和要解決的重要業務問題(如優化潛在客戶轉換率,改善錢包份額等)。接下來是識別和收集與該特定問題相關的所有數據,并將其投入數據湖。這很可能是內部結構化數據、內部非結構化數據(博客)以及來自第三方和合作伙伴的各種外部數據的組合。問題是:如何找到這些數據?它們分散在你的組織中。 云端旅程 很多公司大都如此,他們簡單地入手新的CRM云應用,通過從本地部署的CRM系統中加載相關數據。但不幸的是,如果公司在這個節點上停止,公司將不能發揮新CRM系統的全部價值。一個更好的做法是將公司當前的CRM數據遷移到新系統,但還有很多其他數據可能與其他系統相關。典型的例子是客戶數據和來自營銷自動化系統的數據,還需要另一個方向的數據流。 在新的云CRM系統與其它交易和分析系統(無論是在內部還是在云中)定期同步數據可能非常重要。簡單來說,就是云CRM系統與多種云和本地應用之間有一個相當復雜的雙向數據同步要求。問題是:如何確定所擁有的數據以及哪些數據在整個分布式環境中具有保持同步的重要性? 企業數據治理旅程 假設你是營銷功能的新數據管家。你是否知道將要管理的數據在哪里?或者,花費大把的錢做研究去找:你知道你的組織中有誰擁有這些數據嗎?是否有一些人已經購買了這份研究,其它人是否已經擁有這份研究成果?就像他們在棒球中說的那樣,“沒有在記分卡板上釘釘,不能告訴你的球員。” 現代數據集成旅程 很常見的情況是:幾十年的時間和多次并購交易,組織已經積累了數十個或數百個系統,它看起來像一個技術歷史博物館。業務依賴于運營業務的“貨幣”,所有這些都是由點對點數據集成在一起,如何在這個復雜的環境中進行請求數據的更改? 鞏固現代應用程序? 通過數據湖泊和機器學習增強數據倉庫? 牽一發而動全身,觸摸任何事情可能會導致整體的重大失敗。你需要在一開始就知道新系統需要什么樣的數據,這些數據目前在什么地方,以及如何將這些數據應用于為組織提供價值所需的位置,而同時不中斷正在進行的業務。 數據管理的挑戰遠非如此。 是否能找到數據?這些數據將散布在多種系統中、云端和本地。公司是否有這些數據的復制版本?哪個版本是自己需要的? 是否相信這些數據?別忘了很多CRM數據是銷售代表輸入的,它們的準確度、新鮮度和完整度是否能夠保障呢?你需要考慮數據清理。 假設想要做分析。這會將要求加入兩個或多個表,但凡嘗試這樣做的人都會發現尋找和使用正確的鑰匙是多么復雜。 數據驅動的數字化轉型并不僅是亮眼的新業務模型,還意味著速度,為快不破。2017年畢馬威研究發現“上市速度”是CEO的首要任務。那么你怎樣實現速度呢? IT不僅僅是我們上面所描述的那些數據管理工作。我們以上談論的還沒有將資源或帶寬擴大的所有新舉措包括在內。數字化轉型的重點是對可靠和及時數據的需求從未如此之高。更糟糕的是,IT缺乏業務場景來了解與數據的相關的背景。 討論這么多,我們要找到關于業務人士如何快速有效地發現、管理和使用數據的方式,并采用企業級數據目錄解決方案。你要在數據目錄中尋找什么? 企業可視化: 它必須提供企業范圍內的所有數據的可視化。只有結構化數據或僅云數據(例如)的一個很好的解決方案也無法解決問題。 易用性: 它必須是易用的。能夠讓業務用戶容易使用,使業務分析師、數據分析師、數據管理員和其他人滿足他們自身的數據需求。具體來說,Tableau、Qlik或Microstrategy的用戶應該能夠在沒有IT幫助的情況下自行對其數據進行分析使用。 成效性: 它必須是智能的。必須使日常活動自動化,使人們更有成效地完成數據任務,更愿意承擔數據任務。更重要的是,它必須提供明智的建議。如何讓人們使用現有的數據集?而不是通過從頭開始做工作來重新創建數據集。經驗表明,人們對于尋找現有工作的復用沒有太多的耐心,但如果現有工作主動提供給他們一個明智的建議,那就另說了。 |
![]() |
中國鍛壓網官方微信:掃一掃,立即關注!
關注"中國鍛壓網",獲取獨家行業新聞資訊。 添加方法1: 在“添加好友”中直接添加微信賬號:chinaforge 添加方法2: 微信中掃描左側的二維碼 |