数据管理：不断发展的业务的洞察力和可伸缩性科学

面对最近的重大破坏，大多数企业主开始重新评估他们如何更好地做好自我准备，以及他们的员工队伍，供应链和与客户相关的运营。无论他们需要预测性见解，自动化流程还是更高的可视性，所有迹象都指向一种新的数据分析策略。

实际上，根据IDC的预测，到2023年，预计40％的中型公司将采用高级分析。*这些技术包括机器人流程自动化和人工智能（AI）。但是，也许更有趣的是IDC中小型企业研究总监Shari Lava在网络研讨会上分享的发现：“ 在2020年代获胜：每个中型企业都需要知道的六大趋势 ” –这些投资每年以10％的速度递增，这是整体IT支出增长率的两倍。

毫无疑问，中型企业正在对高级分析进行大赌注。IDC的研究指出了旨在弥补技能差距扩大和应对劳动力需求以进行更具战略性工作的举措，这是主要原因。但是，与此同时，公司正在发现这些技术支持的实时洞察力和可扩展性的价值不可否认。

超越数字以获得差异化优势

成长中的利用数据和情报来运行高级分析的公司正在为自己和客户创造空前的价值。通过利用实时洞察力，他们可以了解其对市场的潜在影响，并可以根据需要扩展其业务模型和运营。

这些优势跨越了整个价值链-从产品设计，开发和交付到售后服务，营销传播和促销以及销售业务。但是，如果没有坚实的数据管理和治理基础来解决四个关键需求，它们就不可能实现。

整理传统混乱的数据现实

第一步，公司应连接所有数据源。这样做有助于将数据的扩展组织起来并将其关联为一个一致的信息策略。然后，可以借助自动发现和经过统计验证的机器学习来自动化元数据的收集和关联。

通过这种自动化方法，组织可以扩展将来来自各种数据源的信息的收集和连接。例如，一个业务技术平台可以为无法使用现有数字投资操作的大多数现代和传统数据源提供一系列统一的连接器。

管理跨所有业务职能的数据蔓延

当处理分散在整个企业中的各种数据源时，合并通常是本能。但是，考虑实施平台并确定云技术的优先级也同样重要。

平台和云技术的最新进展简化了实施并缩短了上市时间。云解决方案现在可以支持多种技术服务，并将它们捆绑为一个解决方案。同时，可以将各种平台连接起来并作为一个同步的生态系统一起运行。

通过数据隐私和安全性锁定客户价值

使用高级分析时，个人身份信息（PII）已成为必需。但是，此信息的收集，处理，使用和存储必须始终安全且适当。

因此，应该建立PII识别，屏蔽和可审核性-数据是驻留在内部，在云中还是在两种环境中都存在。此外，必须对所有数据访问点进行评估和监控，以减轻新出现的风险和攻击并进一步加强数据保护，这些都是实现AI的流程自动化和决策的基础。

将数据思维方式从战术转变为实际业务价值

管理层对数据价值和风险的可见性使成长中的公司能够从传统的数据治理技术方法转向专注于交付成果的战略。然后，管理层可以根据潜在的价值创造来确定数据治理项目的优先级，作为更广泛的投资组合的一部分对数据资产做出决策，并随着业务需求的变化提高数字能力。

数据治理策略可以随着信息的使用而在整个组织范围内扩展。从客户服务和履行仓库到市场总监和财务分析师，每位经理和员工都可以获取并贡献知识和专业知识。一旦数据变得更加可靠和值得信赖，企业就可以使用支持AI的实时自动技术。

为智能化的未来发展奠定基础

无疑，对所有企业而言，高级分析的使用都会改变游戏规则。但是，很多时候，来自笨拙，分散的不同来源的信息量越来越多，从而吞噬了急需的资源并破坏了见解的准确性和可靠性。

优化高级分析价值的关键是实现一致的数据管理和治理的基础，从而消除了流程复杂性和见解混乱的任何迹象。中型企业将采取迅速，大胆，自信的行动，让每个竞争对手都在猜测下一步的发展。