强大、最新的数据战略是企业长期成功的基础。鉴于正在发生的变化，它可能需要一些认真的更新。
每个企业都需要一个数据战略，该战略明确定义安全、可靠地管理其信息资产和做法所需的技术、流程、人员和规则。
与IT中的几乎所有内容一样，数据战略必须随着时间的推移而发展，以跟上不断发展的技术、客户、市场、业务需求和实践、法规以及几乎无穷无尽的其他优先事项。
以下是七个主要趋势的简要概述，这些趋势可能会在未来几天和几个月重塑您组织的当前数据战略。
1.实时数据变得实时-处理数据的复杂性也变得实时
业务咨询公司埃森哲（Accenture）的全球数据和人工智能主管兰关（Lan Guan）建议，首席信息官应优先考虑其投资战略，以应对涌入企业的日益增长的复杂实时数据。
关认为，在当今的商业环境中，拥有利用数据的能力是不可谈判的。“从组织数据中获得的独特见解构成了其业务固有的竞争优势，不易被竞争对手复制，”她观察到。“未能满足这些需求意味着被抛在后面，错过了数据分析进步带来的许多机会。”
关说，每个组织的数据战略的下一步应该是投资并利用人工智能和机器学习，从数据中释放更多价值。“成功的数据策略与有效的人工智能部署相结合，带来了许多机会，其中包括机器自动预测维护或通过运营数据优化劳动力等举措。”
2.内部数据访问需求占据中心地位
首席信息官和数据领导者对内部数据访问的需求越来越大。IBM Data的人工智能和自动化总经理Dinesh Nirmal表示：“数据不再只是分析师和数据科学家使用的。”。“他们组织中的每个人——从销售到营销，从人力资源到运营——都需要访问数据以做出更好的决策。”
缺点是，提供及时、相关数据的便捷访问变得越来越具有挑战性。Nirmal表示：“尽管进行了大量投资，但企业内部的数据环境仍然过于复杂，分布在多个云、应用程序、位置、环境和供应商之间。”。
因此，越来越多的IT领导者正在寻找数据策略，使他们能够管理位于筒仓中的大量不同数据，而不会带来新的风险和法规遵从性挑战。Nirmal表示：“尽管内部对数据访问的需求不断增加，但（首席信息官）也必须跟上快速发展的监管和合规措施的步伐，如《欧盟人工智能法案》和新发布的《白宫人工智能权利法案蓝图》。”。
3.外部数据共享具有战略意义
商业咨询公司德勤咨询公司首席未来学家迈克·贝克特尔（Mike Bechtel）观察到，商业伙伴之间的数据共享变得更加容易，也更加合作。他表示：“随着云原生数据仓库和相邻数据洞察平台的大量采用，我们开始看到有趣的用例，企业能够将其数据与交易对手的数据结合起来，从而创建全新的、可销售的数字资产。”。
Bechtel预计外部数据共享将发生巨大变化。他说：“多年来，董事会和服务器室的人都在抽象地谈论拥有所有这些数据的价值，但我们中的极客们已经知道，要想将这些数据货币化，就必须使其更具流动性。”。“公司可能拥有数PB的有趣数据，但如果这些数据在老化的内部仓库中钙化，你将无法利用这些数据。”
4.数据结构和数据网格采用率上升
数据结构和数据网格技术可以帮助组织以实用的方式从技术堆栈和层次结构中的所有元素中榨取最大价值。it咨询公司Resultant的首席顾问Paola Saibene表示：“许多企业仍然使用传统解决方案、新旧技术、继承的政策、流程、程序或方法，但不得不将所有这些都融入一个新的架构中，以提高灵活性和速度。”。
网状结构使组织能够从当前状态的环境中获取所需的信息和见解，而不必对其进行根本性的改变或大规模的破坏。“这样，首席信息官可以利用他们已经拥有的[工具]，但在其上加上一层，使他们能够以现代和快速的方式利用所有这些资产，”Saibene解释道。
数据结构是一种通过使用智能和自动化系统实现各种数据管道和云环境端到端集成的架构。Saibene指出，结构，特别是在活动元数据级别，非常重要。她说：“互操作性代理会让一切看起来都是非常好的连接，而且是有意设计的。”。“因此，您可以获得所需的所有见解，同时避免对环境进行全面检查。”
5.数据可观测性成为业务关键
数据可观测性通过密切监视数据流入和流出应用程序，扩展了数据质量的概念。数据可观测性提供商Kensu的创始人、《数据可观测基础》（Fundamentals of data observability，O’Reilly，2022）的作者Andy Petrella表示，该方法提供了对应用程序信息、模式、度量和谱系的业务关键见解。
一个关键的数据可观察性属性是它作用于元数据，提供了一种直接监视应用程序中数据的安全方法。当敏感数据离开数据管道时；Petrella说，这是由一个数据可观测性代理收集的。他补充道：“有了这些信息，数据团队可以更快地解决数据问题，防止数据传播，降低维护成本，恢复对数据的信任，并扩大数据的价值创造。”。
Petrella声称，数据可观测性创造了一个全新的解决方案类别。他指出：“首席信息官首先应该了解观察数据的不同方法，以及数据与质量管理的区别。”。然后，他们应该确定数据团队中的利益相关者，因为他们将负责采用可观测性技术。
无法提高数据质量可能会阻碍数据团队的工作效率，同时降低整个数据链的数据信任度。佩特雷拉表示：“从长远来看，这可能会将数据活动推到后台，影响组织的竞争力，最终影响其收入。”。
Cisco AppDynamics执行首席技术官Gregg Ostrowski观察到，IT领导者正在应对技术堆栈中不断增长的复杂性和难以理解的数据量。他指出：“他们必须将大量扩展的云原生服务与现有的内部部署技术相集成。”。“从数据战略的角度来看，最大的趋势是IT团队需要在其应用程序中获得清晰的可视化和洞察力，无论是在本地、云环境还是混合环境中。”
6.“数据即产品”开始提供业务价值
数据即产品是一个概念，旨在通过使用从许多不同来源捕获的混合数据来解决现实世界的业务问题。全球工程、采购、咨询和建筑公司Black&Veatch的首席信息官IrvinBishop，Jr.表示：“这种捕获和分析方法为公司提供了一个新的智能水平，可以产生真正的底线影响。”。
毕晓普表示，了解如何获取和应用数据可以在许多方面改变游戏规则。他报告称，Black&Veatch正在与客户合作开发数据产品路线图并建立相关KPI。“一个例子是我们如何利用水行业的数据来更好地管理关键基础设施的物理健康，”他指出。“数据使我们的水务客户能够根据过去的性能数据预测何时可能需要更换设备，以及设备能够承受何种类型的环境影响。”Bishop表示，该方法使参与的客户能够更好地控制服务可靠性和预算。
7.出现跨职能数据产品团队
商业咨询公司EY Americas的数据和分析负责人Traci Gusher表示，随着企业开始将数据视为一种产品，建立跨it、商业和数据科学部门的产品团队变得非常必要。
Gusher指出，数据收集和管理不应仅仅被归类为另一个项目。她声称：“数据需要被视为一个功能齐全的业务领域，与人力资源或财务没有区别。”。“转向数据产品方法意味着您的数据将被视为与物理产品一样的产品-开发、营销、质量控制、增强，并具有明确的跟踪价值。”
- 登录 发表评论