利用数据重塑你的组织

任何公司都很难保持长期成功。组织必须定期重塑自我，才能保持相关性。云的出现引发了一波创新浪潮。数据现在将推动下一轮创新。领导者必须依靠事实做出合理判断，洞察问题并采取行动。对于希望在现在和将来保持相关性的公司来说，制定数据战略至关重要。

愿意接受新想法的领导者必须坚持不懈地追求真理。这包括拥有必要的工具来应对机遇和威胁。要做到这一点，你必须以数据为导向。

数据推动重塑之路。

数据驱动型组织将数据视为资产，而不是特定部门的财产。他们建立系统来收集、存储、组织和分析重要数据，并以安全的方式让需要这些数据的人员和应用程序可以访问这些数据。

这些企业将数据集成到集中式数据湖中，以便更轻松地发现、管理和访问信息，从而收集、存储、组织和处理信息。他们还采用机器学习 (ML) 技术从数据中提取价值，例如提高运营效率、简化流程、发明新产品和收入来源以及创造更好的客户体验。

例如，Moderna 和其他制药公司正在利用数据和分析技术以前所未有的速度将药物和疫苗推向市场。宝马和许多其他公司利用数据来优化供应网络并提高生产能力。与能源行业的其他公司一样，ENGIE 利用数据开发创新方法，以降低客户成本，同时实现雄心勃勃的环境目标。

重要的关切和困难

企业通常遇到的第一个问题是认识到他们每天管理的数据数量和复杂性，以及逐年呈指数级增长。事实上，未来 36 个月产生的数据将比过去 30 年的总和还要多。

1. 旧的本地技术和旧数据存储库将无法满足当今的期望。为了处理我们今天看到的庞大规模和显著发展的数据量，公司需要新的数据存储，这些数据存储可以随着业务需求的变化而扩展和发展，从现在处理的 GB 和 TB 到未来管理的 PB 和 EB。
2. 其次，企业必须能够轻松访问和分析更广泛的数据，例如日志文件、点击流数据、语音和视频。这些数据类型来自各种来源，并保存在众多数据存储器中。组织必须打破数据孤岛，以便其团队可以访问和分析任何相关数据（无论这些数据存在于何处），从而从所有这些数据中产生重要的新见解。
3. 公司面临的第三个主要困难是，他们越来越急切地适应不断变化的客户偏好和市场动态。组织必须为员工提供安全的数据访问，以及以敏捷且经济高效的方式对数据进行分析和机器学习的能力，以便做出更好、更快的选择。依赖旧的本地数据基础设施的组织会花费大量时间安装硬件和软件、配置基础设施以提高性能和可用性，并浪费时间进行容量规划以扩展系统。所有这些额外的工作都会降低灵活性并减慢决策速度。
4. 让机器学习发挥作用是第四个挑战。虽然机器学习是一种推动创新的颠覆性技术，但企业在扩大机器学习在运营中的应用方面却难以取得实质性进展。根据 Gartner 的分析，在过去两年中，拥有人工智能专业知识的公司仅将 53% 的人工智能概念验证试点投入生产。缺乏机器学习技能、组织惰性以及训练数据短缺只是阻碍这一关键领域发展的几个障碍。
5. 最后，在数据安全、隐私和合规规则变得越来越重要的世界中，公司必须能够使用经过验证的数据治理和安全策略正确识别、监控和规范对特定数据的访问。这不仅必须针对其特定数据孤岛中的数据，还必须以全面一致的方式跨所有数据存储库进行。