|
Post by sajahnali on Apr 28, 2024 6:24:58 GMT
然而,数据质量成熟度较高的组织更有可能专注于数据管理,项目延迟较少,并且不太可能看到数据质量破坏关键计划。 数据质量、数据成熟度 获取数据概况并了解当前的质量水平是一个很好的起点。考虑强大的数据质量管理工具,它可以为您提供提高数据质量所需的洞察力。 2. 孤立的方法仍然占绝大多数。 但有些部门比其他部门投入更多,以实现这一目标。数据管理方面的大部分投资都发生在各个企业的口袋里。 69% 的公司表示,大多数数据管理举措发生在各个部门,只有少数发生在企业级别。 数据管理和数据孤岛 尽管不同部门对利用数据有不同的需求,但公司可能无法在整个业务中利用最佳实践。这可能会导致缺乏洞察力和可信数据。 如果可能,请尝试使您的方法保持一定的一致性。围绕数据治理和数据支持的强有力的实践可以帮助改善沟通并为业务 美国数据 运营创建一套通用标准。 3.数据债务正在拖累新技术的效益。 数据债务很像技术债务。如果您背负着大量数据债务,那么您在机器学习、分析和人工智能等项目上投资多少并不重要。如果没有适当管理的准确数据基础,您将永远不会成为数据驱动的。 不良数据问题,破坏数据计划 解决数据债务首先要优先考虑数据质量,并使整个企业的用户能够访问可信数据。此外,一旦建立了坚实的数据基础,培训就变得极其重要。您可以拥有世界上最好的技术和数据,但如果您的团队不知道如何解释这些数据,这可能是一个真正的挑战。 我们发现 78% 的企业目前正在开展或打算在未来 12 个月内开展数据素养计划。 4. 有项目和学科,但修复不良数据需要整体方法。 在采取这些举措的组织中,超过 95% 的组织报告称取得了更好的业务成果,包括遵守法规、更好的决策以及改善的客户体验。这是一个很大的努力!虽然任何围绕数据的举措都是积极的,但我们确实看到了项目和纪律。项目是一次性完成的事情,但学科更像是一种持续的实践。当涉及到这些举措时,我们发现各公司对于将其视为项目还是学科的看法各异。 我们发现数据质量成熟的组织更有可能将数据管理作为一组连续的流程而不是一次性项目。虽然尝试总是很重要,但一定要扩大成功的一次性项目,以便它们继续为企业带来好处。
|
|