借助数据最大
程度实现投资回报

简介

简介

我们数字经济的快速增长取决于数据。数据是提高效率、促进产品创新和改善客户服务的关键所在。它可以促进形成全新的业务模式。

因此,众多企业将数字转型作为最高级别的优先任务,在数据、分析和人工智能领域投入巨资,希望揭示新锐洞察,形成竞争优势,这种现象的出现并不让人感到惊奇。

但是尽管投资甚多,收效却往往让人失望。 NewVantage Partners 最新的一项大数据高管调研显示,73% 的《财富》1000 强企业的高管表示从投资中获得了可衡量结果,但是只有 24% 的受访者认为结果具有颠覆性和创新性。

要从数据中实现价值,必须解决三个基本挑战:数据不可访问、糟糕的数据质量以及人才短缺 - 这些问题还与不断严格的监管形势交织在一起。

解决这些挑战是构建强大的数据基础的关键所在,而这样的基础有助于做出关键决策,更重要的是,为人工智能提供有力支持。 这将从更广泛的数据中获得更深入的洞察,从而助推更具战略性的转型。

加速实现敏捷性和数据可访问性

加速实现敏捷性和数据可访问性

提高数据可访问性

虽然来自移动、社交和物联网渠道的数据的增长速度远远超过传统的事务性数据,但是,要获得超出预期的宝贵洞察,还需要将这些有关客户、流程或运营的不同来源的信息有机结合起来。这就需要有效管理这些数据源的规模和分布,以确保数据可访问性。

为开展分析,传统上企业使用数据仓库来整合数据。数据仓库能够对数据进行清理和组织,以供分析引擎快速查询 - 这种模式非常适合事务性数据。但是,随着非结构化和半结构化数据的爆炸性增长,各种各样可扩展性更高、更具成本效益的解决方案纷纷出炉。最值得注意的例子便是数据湖。这种解决方案能够经济有效地以原始格式存储海量数据,特别适合于数据探索。

数据湖不应被视为数据仓库的替代。
这两者各有所长,因此,应当根据预期的工作负载仔细评估要采用的解决方案。

事实上,许多企业选择在环境中同时实施数据仓库和数据湖。数据仓库可提供业务关键型数据中清晰可靠、基于时间的趋势视图,这些视图经过预先汇总和集成;而数据湖则有助于从新数据源中生成洞察。

无论采用何种数据存储,我们都需要考虑到本地和云端不同系统和业务单位的离散程度。这些数据孤岛会限制对数据的访问,并降低获取洞察的速度。

可扩展的灵活数据管理架构有助于访问各个“孤岛”中的数据,无论这些数据存储于何处。

无论位于本地还是云端,合适的混合数据管理架构支持数据使用者在受监管的环境中快速访问、集成和查询大量数据,以发掘有意义、有影响力的洞察。这种高速度和敏捷性可以带来竞争优势。

您有何想法?

我可以访问防火墙内外所有的数据,以供分析。

% 的受访者认同

% 的受访者不认同

认同

太棒了!如果您可以无缝访问云端和本地的数据,就可以在竞争中取得领先。下一个挑战:确保数据质量。

继续浏览,了解更多信息

不认同

您不是一个人。为适应目前的形势,必须通过一个合适的架构访问本地和多云基础架构中所有类型、所有来源的数据。- 结束

继续浏览,了解更多信息
了解有关混合数据管理架构优势的更多信息。立即注册,获取完整报告(英文)

许多企业认为,糟糕的数据质量造成平均每年 1500万美元的损失,甚至产生长期的影响,包括声誉损失、商机错失以及连续亏损等。

说明适合公共云、私有云或本地环境的工作负载的图表

高质量的数据助力信心满满的决策

高质量的数据助力信心满满的决策

数据可以成为企业的战略资产,但前提是您信任数据

在当今环境中,企业从多个外部来源收集海量数据,再加上内部拥有的大量旧数据,希望从“原始数据中发现宝石”,因此数据质量和一致性就显得尤其重要。

要建立值得信任的分析基础,必须移除重复数据,对数据进行标准化处理,消除不正确和不完整的数据,协调多个系统中的数据,因此,主数据管理成为关键。

为了从数据中自动生成洞察和建议,企业对人工智能技术的投资和热情不断高涨,同时,企业中的“平民”数据科学家的数量日益增加,这些都使得数据准确性成为关键

因此,旨在监管和防止数据误用的明确战略成为数据战略的关键要素。

企业的平均合规成本约为 547万美元,然而由于不合规所造成的损失,包括罚款、业务中断以及生产力和收入的损失接近合规成本的 3倍,约为 1482万美元。

企业的平均合规成本约为 547万美元,然而由于不合规所造成的损失,包括罚款、业务中断以及生产力和收入的损失接近合规成本的 3倍,约为 1482万美元。

您有何想法?

我有效掌握数据监管,完全相信自己的数据。

% 的受访者认同

% 的受访者不认同

认同

完全正确!借助统一的数据监管,数据就能够助推业务转型。后续步骤:构建数据驱动的文化。

了解如何集成不同的云域,将应用和数据整合在一起,支持企业最新的计划。 继续浏览,了解更多信息

不认同

如果没有统一的数据监管,任何基于这些数据的洞察都不可信。

了解如何建立对数据的信任。立即注册,获取报告。 继续浏览,了解更多信息
了解如何更好地了解、信任和使用数据。立即下载此报告。

在 NewVantage Partners 对《财富》1000强企业的高管开展的一项调研中,98.6%的受访者表示要建立数据驱动的文化。他们认为技术是一个重要的障碍,在所有挑战中占到 19%的比重。

在 NewVantage Partners 对《财富》1000强企业的高管开展的一项调研中,98.6%的受访者表示要建立数据驱动的文化。他们认为技术是一个重要的障碍,在所有挑战中占到 19%的比重。

构建自给自足的数据驱动型文化

构建自给自足的数据驱动型文化

面对人才短缺的困境以及要求快速发现和响应洞察的压力,企业必须建立并支持更广泛、更具协作性的数据驱动型文化

自助服务分析工具有助于使数据使用和分析“平民化”,从而将高技能的数据科学家解放出来,使他们能够集中精力开展需要专业知识的特定高价值项目,此外还能将企业的其他人员解放出来,使他们能够积极参与数据驱动型决策和行动。

自助服务不应与自给自足相混淆。自给自足意味着轻松访问高质量、受监管的准确数据,并且运用机器学习技术,帮助技能水平较低的数据使用者获得洞察。

打个比方,自助服务可为所有厨师,无论其技术水平,提供一篮原始食材;而自给自足则为训练有素的大厨提供一篮新鲜、高质量的原始食材,为充满热情但是缺乏经验的厨师提供指导式菜谱。

目前已有众多自助服务工具,但是如果没有值得信任的分析基础,您看见的也只是华而不实的东西。

您有何想法?

我企业中的业务领导均可进行自助式分析。

% 的受访者认同

% 的受访者不认同

认同

通过实现分析“平民化”,您就消除了阻碍获得有意义洞察的瓶颈。您接下来是否准备好支持人工智能?

继续浏览,了解更多信息

不认同

自助服务工具可产生巨大影响。WestJet 为用户提供可视化的仪表板,帮助他们接近实时地了解运营趋势,从而提高决策水平,加速创新。

据 IDC 预测,“到 2021年,75% 的商业性企业应用将使用 AI,超过 90% 的消费者将会与客户支持机器人进行互动,超过 50% 的新工业机器人将会利用 AI。” 只有经优化的软件与硬件相组合的基础架构,才能为企业运营和决策提供强力支持

通过对数百个已部署客户经验的总结,IBM 得出了经优化的 AI 基础参考架构。该架构可降低 AI 计划的复杂性、加速实现模型的准确性,并能提供高性能的企业级基础架构,从而以最快的速度部署 AI。

为人工智能做好准备

为人工智能做好准备

总而言之,合适的数据架构可为人工智能提供坚实的基础,改善组织流程,创建更丰富的客户体验,实现新的收入流。

如果拥有这样的架构,您就可以充分利用机器学习和深度学习技术,将人工智能更广泛地融入到企业中 首先,帮助数据科学家利用最合适的开源工具来构建、训练和部署模型。接着,支持数据科学家、应用开发人员和领域专家开展协作,持续大规模地优化和改进模型,并将其部署到新的应用中。

西班牙电网公司使用机器学习预测能源消耗并优化能源结构,既能最大限度地利用风能和太阳能,又可以降低由于可再生能源的不确定性带来的停电风险。借助IBM机器学习平台,简化建模和优化的流程。

结束语

结束语

如果企业可以从数据中获取洞察,进行创新,敏捷快速地响应新机遇和威胁,从而推动业务增长,获取竞争优势,则数据可以成为一种战略资产。

  • 支持轻松访问存储于各处的丰富数据。
  • 构建分析基础,确保合规性、安全性和数据质量。
  • 建立普遍的数据驱动型文化。

他们使用能够处理所有数据的云架构,并已经为人工智能做好准备。

详细了解如何在安全的云原生架构的单一平台中提供高价值的数据服务,实现这种数据驱动的优势。

1 Gartner,“元数据管理解决方案魔力象限”,Guido De Simoni 与 Roxane Edjlali 合著,2017年 8月 10日。

2 “对混合整合的迫切需求”, Stewart Bond 与 Maureen Fleming 合著,ibm.com,(IDC 白皮书,由 IBM 赞助)2017年 7月。

我的收集

您可以在此找到自己已发现的 PDF 文件

选择想要浏览/下载的 PDF 文件。

单击“+”号以将 PDF 文件添加至自己的收集中。

未选中任何 PDF 文件。

您已选中 0 个 PDF 文件.