数据是分析和决策的关键原材料。 强大的数据供应链将改善业务成果。

如今，组织拥有比以往任何时候都多的数据，数据架构师、分析师和数据科学家在所有业务职能部门中变得越来越普遍。然而，随着公司争夺熟练的分析师角色以利用数据做出更好的决策，他们往往无法改善数据供应链和由此产生的数据质量。如果没有可靠的数据供应链管理实践，数据质量往往会受到影响。

糟糕的数据质量被认为是计划未能实现其预期价值的主要原因——高达 60% 的业务计划因数据质量问题而失败。随着组织转向支持 AI/ML 的决策制定，数据质量成为一个更加紧迫的问题。如果用于推动 AI/ML 模型的数据不准确、不完整或过时，模型将无法提供预期的结果。
数据是分析和决策的关键原材料。每个有效的业务领导者都会问：“我们如何提高数据质量，以便我们做出的决策是我们能做的最好的？”答案是改善公司数据供应链的结果，以确保它不会影响分析能力。

我们如何改善数据供应链的成果？

• 了解第一英里/最后一英里的数据影响
• 降低供应链复杂性/成本
• 改进对数据质量的监控和报告

供应链由三个主要部分组成：

第一英里/最后一英里的影响

第一英里/最后一英里的挑战需要从获取数据（上游）开始解决整个供应链问题。拥有可用于分析和决策的数据的紧迫性促使公司在“最后一英里”投入更多精力——将数据传递给下游的客户。在数据供应链的情况下，客户当然是需要数据进行分析、报告等的内部部门或团队。挑战是从一开始就正确捕获数据源，并确保数据质量在移动时不会降低跨数据供应链。

用于评估物理供应链绩效的一个关键供应链管理指标是 OTIF – On-Time-In-Full。虽然是一个奇怪的首字母缩略词，但提高价值会产生显着的效果，因为它直接关系到最终客户及其执行工作的能力。例如，如果您需要 10 个属性来生成客户满意度分数，但只有 9 个可用，则无法执行计算。利用关注数据质量和可用性对下游流程的影响的指标可以帮助提高组织意识。

推荐的行动计划：创建数据供应链地图。供应链可见性和采购的概念适用于数据供应链以及物理供应链管理。了解数据来源、发生的任何转换活动以及“客户交付时间”有助于组织识别和降低风险。实施指标来评估组织满足客户需求的程度有助于提高改进重点。

供应链复杂性

供应链复杂性是用于描述满足下游需求所需的能力网络的术语。所需的供应商、业务功能和分销商的数量越多，复杂性就越大。

供应链中的每一个额外元素都会增加复杂性，而复杂性越高，越会增加可变性。可变性是质量的主要挑战。在物理供应链中，组织寻求降低上游复杂性。在数据供应链中，有多种内部和外部数据来源（来自数据经纪人、社交媒体/情感分析等），就像物理供应链一样，降低数据供应链的复杂性有助于提高整体质量.

降低复杂性如何提高质量？更少的系统意味着更少的数据转换，从而提高了数据的可用性和准确性。

推荐的行动计划：清点可供下游使用的数据并映射到源系统（内部与外部）。通常，在多个系统中创建公共属性，这增加了复杂性。对于每个数据元素，识别/选择单个系统用于下游消费，并建立一个“记录系统”（SOR），目标是从尽可能少的系统中获取数据。

数据监控和报告

数据质量应该是当今大多数公司的关键绩效指标 (KPI)。输出的质量取决于输入的质量。想想你吃过的每一顿美餐，以及是什么让它变得如此美味；当然，公司和环境很重要，但食材的质量直接影响结果——新鲜捕获的海鲜总是胜过新鲜冷冻的。

评估数据质量的方法和频率通常在公司内部有所不同。组织中的不同职能可能使用不同的方法来评估质量；例如，会计可能比营销更严格。然而，为什么要对不同的功能进行不同的评估呢？好的决策依赖于高质量的数据，难道不是每个职能部门都应该做出最好的决策吗？

推荐的行动计划：建立一个衡量数据质量的通用公式，并在所有功能（数据质量得分）中一致地使用该衡量标准。评估的数据量要求抽样和估计，方法应该是一致的。一种方法可以是抽取 100 条记录，检查每条记录并找出任何错误，然后计算无错误记录以了解正确创建的数据的百分比。
对于许多组织而言，数据供应链是一个新兴且不断发展的概念。寻找和留住人才以帮助改善数据供应链成果对于公司的竞争优势至关重要。当然，有形产品和无形产品之间存在差异，但许多来自物理世界的概念和工具可以应用于数据，其结果将与改善物理供应链一样具有影响力。

不要等待开始。

本文：https://cio.ceo/your-data-supply-chain-liability