強大的數據分析是一項數字業務命令式——這一切都始于智能數據治理實踐，以及對質量和環境的重視。
高管們談論的大多是普通數據的價值，但Navient Solutions公司的企業數據情報總監Michele Koch卻可以計算出公司數據的實際價值。事實上，Koch可以用實際的美元計算出公司的各種數據元素所帶來的收入增加和成本下降。因此，她明白，Navient的數據中存在能夠損害其企業底線的問題。例如，客戶檔案中的關鍵數據字段中的一個錯誤就可能意味著該公司無法以最低的成本處理貸款。
“由于這里涉及金錢，因此我們需要一個數據質量儀表板，用以跟蹤所有的、我們追蹤的、實際的、潛在的價值。”Koch說。
另外，首席數據管理員兼財務副總裁Barbara Deemer表示，位于特拉華州威爾明頓的一家資產管理和業務處理服務公司Navient內部的一項早期數據相關舉措展露了風險。2006年的舉措側重于提高營銷數據質量，并產生720萬美元的投資回報率，并從增加貸款量和減少運營支出中獲得回報。
Koch說，從那以后，Navient公司的高管們都承諾支持強有力的數據治理計劃，這是成功分析工作的關鍵部分。Navient的治理計劃包括長期公認的最佳實踐，例如標準化數據字段的定義和確保干凈的數據。它為大約2600個企業數據元素分配所有權。所有權屬于數據字段最初產生的業務領域，要么轉到特定數據字段是其流程更不可或缺的業務領域。
該公司還有一個數據質量計劃，積極監測領域的質量，以確保不斷滿足高標準。該公司還推出了數據治理委員會(2006年)和分析數據治理委員會(2017年)，以解決持續存在的問題或疑慮，在整個企業做出決策，不斷改進數據操作以及數據如何為公司的分析工作提供支持。
Koch說“數據對于我們的商業計劃和新的商業機會非常重要，我們希望將重點放在改進支持我們分析程序的數據上。”
根據數據治理方案公司Erwin和UBM的數據治理，大多數高管都認為以合規、客戶滿意度和更好的決策為主要驅動力的數據治理是至關重要的。然而，報告發現，近40%的響應組織沒有單獨的數據治理預算，約46%的組織沒有正式的數據治理策略。該項調查結果基于包括CIO、CTO、數據中心經理、IT人員和顧問等在內的118個受訪者的問題。
鑒于這些數據，專家表示，許多企業數據項目中存在弱點并不意外，下面是7個此類問題的數據實踐。
把數據整合在一起，但不是真正的整合
數據治理專業組織的通信副總裁Anne Buff說，在當今的數據和分析領域中，集成是最重要的挑戰之一。
誠然，許多組織將所有數據集中在一個地方。但在現實中，他們并沒有整合來自多個數據源的各個部分。因此，來自一個系統的Bill Smith與其他系統產生的數據(以及它完整的變化)都沒有關系，這給業務帶來了多個不完整的定義。
共存數據與集成該數據不同，你必須有一種方法來匹配來自不同來源的記錄，你需要做到當這一切都結合在一起時，它應該創造更大的觀點，并且利用一些東西來作為連接點。
不同的數據集成技術可以實現這一點，選擇、實現和執行正確的工具對于避免過多的手工工作或重復做相同的工作是至關重要的。
此外，整合正變得越來越重要，因為數據科學家正在尋找數據中的模式，以獲得能夠產生突破、競爭優勢等方面的洞見。
“但是，如果你不能把從前從未合并過的數據組合在一起，你就找不到這些模式。”北卡羅納州Cary的SAS資訊業務解決方案經理Anne Buff說到。
沒有實現業務單位有獨特的需求
是的，整合的數據對于一個成功的分析程序至關重要。但一些商業用戶可能需要不同版本的數據。一種形式的數據不能滿足整個組織內每個人的需求。
相反，它需要考慮數據供應，即提供由業務用戶或業務部門確定的業務案例所需的數據。
以一家金融機構的不同需求為例。雖然一些部門可能需要整合數據，但欺詐檢測部門可能希望其數據科學家使用不受約束的數據，這樣他們就可以搜索到危險信號。他們可能想在同一個地址搜索某人，使用他們個人身份信息的細微變化來申請多個貸款。
“你將會看到類似的數據元素，但有一些變量，所以你不想把這些差異弄得太大，把它弄得太干凈，”Anne Buff解釋說。另一方面，她還表示，金融機構的營銷部門希望有正確的客戶名稱、地址和合適的目標通信。
只招聘數據科學家，而不是數據工程師
隨著公司試圖超越基本商業智能，以預測和規范分析，以及機器學習和人工智能，它們需要提高數據團隊的專業水平。這使得數據科學家的地位受到了關注，另外數據工程師也同樣重要，他們需要手機數據來完成數據科學家的工作，但到目前為止，這在許多企業中受到的關注都較少。
Bain & Co.舊金山辦公室的合伙人、高級分析和數字實踐的領導者Lori Sherer說，這種情況一直在改變。“我們看到，對數據工程師的需求增長大約是數據科學家需求增長的兩倍，”Sherer說。
美國聯邦勞工統計局(federal Bureau of Labor Statistics)預計，未來10年，對數據工程師的需求將繼續快速增長，2016年至2026年，美國經濟將增加44,200個職位，平均年薪已達135,800美元。
然而，就像許多關鍵崗位一樣，專家們表示，沒有足夠的數據工程師來滿足需求——這使得IT部門現在才剛剛開始招聘或培訓招聘崗位。只招聘數據科學家，而不是數據工程師。
將數據保存在初始狀態，而不是管理它的生命周期
在過去的十年中，存儲成本急劇下降，使其能夠更輕松地存儲大量的數據，比以前任何時候都要長。考慮到目前數據的容量和速度以及對數據的分析需求的增加，這似乎是個好消息。
不過，佛羅里達州Apollo Beach咨詢公司Eagle Consulting的聯合創始人Penny Garbus表示，盡多人都對擁有大量數據的價值表示歡迎，這往往都是好事。Garbus說，太多的企業對數據持有的時間太長。她說:“你不僅要為它付費，而且如果它存儲超過10年，那么信息就很可能脫離時代了。”“我們鼓勵人們在上面寫注明時間表。”
Garbus說，數據的截止日期不僅從組織到組織，每個部門都不同。零售公司的庫存部門可能只需要相對較近期的數據，而市場營銷可能需要數年的數據來跟蹤趨勢。
如果是這樣的話，它需要實現架構，將數據的正確時間框架交付到正確的位置，以確保每個人的需求得到滿足，并且舊數據不會損壞及時的分析程序。
正如Garbus指出的那樣，僅僅因為你必須保存(舊數據)，并不意味著你必須把它放在你的核心環境中。你只要擁有它就行了。
Bain & Co.舊金山辦公室的合伙人、該公司高級分析和數字實踐的領導者Lori Sherer說，這種情況一直在改變。我們看到，對數據工程師的需求增長大約是數據科學家需求增長的兩倍。美國聯邦勞工統計局(federal Bureau of Labor Statistics)預計，未來10年，對數據工程師的需求將繼續快速增長，2016年至2026年，美國經濟將增加44,200個職位，平均年薪已達135,800美元。
然而，就像許多關鍵崗位一樣，專家們表示，沒有足夠的數據工程師來滿足需求——這使得IT部門現在才剛剛開始招聘或培訓招聘崗位。
專注于量，而不是目標相關性
IT咨詢公司Booz Allen Hamilton的高級副總裁Steve Escaravage說:“我們仍在構建模型，并使用最有效的數據進行分析，而不是使用最相關的數據。”
他說，組織經常錯誤地認為他們應該捕捉并添加越來越多的數據集。他們認為“也許有些東西我們沒有找到，而不是懷疑數據的正確性”
考慮到許多機構通過分析大量數據來尋找異常現象來判斷欺詐行為。在一個重要的活動中，領先的機構也會分析更有針對性的數據集，從而產生更好的結果。在這種情況下，他們可能會關注那些產生某種交易的個人或機構，這些交易可能預示著麻煩。或者，醫療機構在分析病人的結果時，可能會考慮到醫生在提供病人護理時的輪班時間。
Escaravage表示，組織可以從創建一個數據愿望清單開始。盡管這一過程從業務方面開始，“捕獲它并使其可用的機制，這是CIO、CTO或首席數據官的領域。”
提供數據，但忽略它來自哪里
今天的一個大主題是“分析偏見”，它可以扭曲結果，甚至產生錯誤的結論，導致糟糕的商業決策或結果。Escaravage說，在企業分析程序中，產生偏差的問題存在于許多不同的領域，包括如何處理數據本身。
他說，通常情況下，追蹤數據來源的工作做得不夠好。
“如果你不知道這一點，它就會影響你的模型的性能，”Escaravage說，他注意到數據來源的不可見性，以及數據來源如何使得控制偏見變得更加困難。
“了解數據來自哪里以及發生了什么，是我們的責任。”在數據管理方面有如此多的投資，但也應該有一個元數據管理解決方案。
提供數據，但不能幫助用戶理解上下文
Escaravage說，它不僅應該有一個強大的元數據管理程序，它可以跟蹤數據的來源，以及它如何在系統中運行，它應該為用戶提供對某些歷史的洞察，并為一些通過分析產生的結果提供上下文。
“我們對自己能創造的東西感到非常興奮。”我們認為我們有很好的數據，特別是沒有被分析的數據，我們可以建立一個關于這些數據價值的新型模型。“但是，盡管過去5年的分析方法令人驚訝，但這些技術的結果比過去在數據挖掘后應用業務規則時的解釋要少，而且很容易解釋數據。”
Escaravage解釋說，較新的深度學習模式提供了見解和可操作的建議。但這些系統通常不會提供對最佳決策有用甚至至關重要的上下文。例如，它不提供關于概率的信息和基于數據的確定性。
Escaravage說，需要更好的用戶界面來提供這種環境。
“技術問題是人們如何與這些模型交互。從透明的角度來看，關注UI/UX是非常重要的。因此，如果有人看到了來自人工智能平臺的推薦，他們能在多大程度上深入了解潛在的數據來源。”他說。“CIO們將不得不問如何在他們的系統中建立這樣的透明度。”
京公網安備 11010502049343號