我们知道，如果没有软件，硬件就毫无用处。

但很难意识到，如果没有数据库可以操作，软件同样毫无用处。

我们观察到的许多成功——在数据科学、分析、人工智能、数据质量和其他使数据发挥作用的方式——证实了围绕数据的方法、方法和技术工作得很好。但大多数公司仍在挣扎。组织结构、人员问题、缺乏问责制和其他陷阱阻碍了工作。

01 One

“数据”成功的五个关键领域

“数据”是一个非常广阔的空间，因此我们将着眼于对企业至关重要的五个领域：数据质量、数据应用、组织能力、技术和安全。这五个领域任何一个没有做到，都会使我们的决策依据与效率。

• 数据质量：质量差的数据会增加难以置信的成本和沟通的障碍。

• 数据应用：除非公司以能够产生回报的方式使数据发挥作用，否则几乎没有商业价值。这样做的方法包括数据科学（包括人工智能和机器学习）、利用专有数据、创建数据驱动的文化、将数据构建到产品和服务中来货币化数据，以及将数据视为资产。

• 组织能力：这是指组织内支持数据流程的人员、结构和文化。例如，孤岛会妨碍数据共享。

• 技术：每个公司的技术基础架构都不同，但如果没有合适的工具和技术，公司将很难扩展其数据程序。

• 安全：此类别包含与最小化风险相关的所有组织任务，包括安全、隐私和道德。

1.数据质量；

根据统计调查分析，只有 3% 的公司数据符合最基本的标准。

成本是巨大的，不仅从财务角度来看——考虑每年损失公司收入的 20% ——而且从文化角度来看，因为大约只有18%的管理者相信他们每天使用的数据. 外部、组织和技术等方面都有坚实的驱动力可以帮助公司提高数据质量，但不幸的是，许多高层管理者并没有意识，扭转这一局面的一种有效方法是找出公司中数据质量的制约力量的根本原因。

组织层面有许多问题需要重点关注。当所有使用数据的人都承担起数据创建者（即，他们创建将被其他人使用的数据）和数据客户（即，他们使用其他人创建的数据）的责任时，质量会迅速提高。不幸的是，大多数人不知道他们必须做什么才能正确地履行这些职责，因此对他们进行培训至关重要。

一个业务部门遇到的许多数据质量问题的根本原因可能始于另一个业务部门，但信息孤岛使这些问题难以解决。其他问题包括数据和技术领域之间的混淆，因为公司的领导者可能认为数据质量是他们 IT 部门的职责。

未能解决导致数据质量不佳的情况可能会严重阻碍数字化转型和进程。

如果公司希望在数据中创造未来，他们必须将数据质量作为首要任务。

2.数据应用；

有很多引人注目的数据应用成功的案例，但失败的次数远远多于成功的次数。数据专业团队（“IT或外包”）与企业的业务部门（“业务需求部门”）之间存在一种结构性敌意，数据专业团队致力技术与模型，而业务部门致力于可应用性。如果开发一个模型需要花费 1 美元，那么策划与部署它的成本大约为 100 美元——而公司根本就没有进行这笔投资。

将数据用于业务流程提供了更好的运营、更好的决策和新的收入来源的潜力。大部分潜力尚未开发。

3.组织能力；

公司的组织应该让人们更容易地完成他们的工作。但是，当涉及到数据时，组织能力可能是一个主要问题，如管理层对数据和技术的混淆、数据孤岛以及对角色缺乏理解。还有四种制约力量值得特别提及。

首先，缺乏熟练的数据架构师、工程师和质量专业人员使得解决数据质量问题变得更加困难。

其次，尽管许多公司都对数据进行估值，但公司内部的行为往往表明这种所谓的价值是相当空洞的。许多领导者认为数据是新创新，鼓吹数据是一种资产，或者敦促他们的员工做出数据驱动的决策。但实际情况却大不相同——对于大多数人来说，数据只是他们完成工作所需的另一件事。公司不会找出从数据中获利或妥善保管数据的方法，也不会教人们如何使用数据做出更好的决策。

解决本文中引用的人员、结构、文化问题所需的变革是巨大的，它们是公司最高领导层的责任。然而，大多数领导者似乎都袖手旁观，或许他们自己也害怕或不确定该做什么。高级领导者必须开始了解这些问题，将所有与数据相关的事情放在他们的优先事项列表中，并为他们的团队加紧努力。

4.技术；

许多新技术，包括人工智能、云计算和物联网技术已经证明它们是有价值的。尽管如此，对于大多数公司来说，实施新技术并不容易，因为强大的约束力会阻碍。各种形式的历史遗留问题（例如难以更换现有基础设施）是一个主要障碍。上面提到的低水平数据质量也是如此。在实施 AI 时，数据质量差尤其令人担忧，因为它的质量标准非常高，而且不良数据造成的损害可能会被忽视。

技术类别中的另一个严重问题涉及技术与业务团队之间的不良关系。这些群体之间缺乏共同语言和信任会严重阻碍进展。许多技术专业人士报告说，他们感到工作过度和不受重视，这使得公司很难从新技术计划中获得最大收益。

也许最严重的问题涉及业务和技术团队之间的不良关系。许多业务人员欣然承认他们不信任他们的 IT 同行。在这种情况下，很难看出公司如何能够充分利用可用的技术。

5.安全；

过去几年出现了大量的安全和隐私立法。虽然欧盟的通用数据保护条例 (GDPR) 和其他法规看起来具有威胁性，但一些相当惊人的罚款已经成为新闻（例如花旗集团被美国货币监理署处以 4 亿美元的罚款，以及谷歌被美国货币监理署罚款5600 万美元） GDPR），总的来说执法力度很弱。事实证明，资本市场和消费者是宽容的。

例如，Facebook 在 2016 年 Cambridge Analytica 丑闻之后似乎深陷困境，Equifax 在 2017 年数据泄露事件之后也同样陷入困境。Facebook 支付了少量罚款，但其股价继续有增无减。Equifax于2020年 支付了 13.8 亿美元的罚款，但其中 10 亿美元用于安全升级。在美国，除非你的罪行非常严重，否则你在短期内可能没什么可担心的。在欧洲和其他司法管辖区，情况可能更加微妙，那里的公民更加重视隐私。

尽管如此，企业也不应坐视不管。数据盗版和恶意软件呈上升趋势。并考虑“客户开始坚持自我”的约束力。越来越多的理想消费者似乎将公司的隐私做法与其品牌联系起来，如果这些政策冒犯了他们，他们就会将业务转移到其他地方。虽然目前还不是很大的力量，但两者都可以增长，为注意的组织创造机会，并为不注意的组织带来风险。

02 Two

文化对数据的影响

这对所有对推进数据感兴趣的人的影响是深远的。文化通常被认为是数据发展的最大障碍。文化是阻碍公司发展的主要因素，但与人员和组织结构相关的问题也非常强大。

在人员和人才方面，虽然许多公司已将人工智能与招聘数据科学家联系起来，但各个层面的数据人才仍然严重缺乏。在组织的其他地方，很少有人和团队意识到他们在数据质量方面的作用，并且缺乏参与的能力。这滋生了数据文盲和对组织变革的恐惧。但是，如果数据要真正具有变革性，公司就需要让每个人都参与进来。总而言之：

1. 大多数公司和领导者都看到了数据科学和数据质量的价值，并且可以采用有用的相关技术。可靠数据专来人员的数量正在增长。

2. 低质量的数据会对日常工作、数据应用和成本以及新技术实施产生巨大的影响。

3. 信息孤岛阻碍了数据质量并干扰了各级数据共享。IT和业务团队之间存在相当大的紧张关系。由于缺乏共同语言，技术和业务团队无法相互交谈。

4. 大多数个人和公司混淆了数据管理和技术管理，阻碍了两者的正确管理。

5. 文化不重视数据和数据科学（即使许多人说他们这样做）。相反，对两者都有相当大的恐惧。

6. 虽然公司在各个层面都缺乏所需的人才，但最重要的缺口是在高层。高级业务经理尚未参与，可能是因为他们不知道如何成为这个领域的有效领导者。

7. 尽管数据泄露事件越来越多，对隐私的关注也在增加，但投资界和公众尚未对数据泄露和侵犯隐私的公司进行严厉惩罚。尽管如此，不确定性仍然存在，公司应该对不断变化的客户情绪和监管保持警惕。

请记住，细节很重要。要具体捕捉不同的因素——也许是一些非常明显的失败让经理们过于谨慎，或者新的首席数据官与高层领导的关系更好。捕获这些细节将有助于确保对分析的信任并建立支持以解决最需要帮助的领域。