2018年企业数据价值报告（The 2018 Data Value Report），中国首发！！
导读：这份难得的数据价值报告揭示了企业前所未有的数据价值，明示了在数据驱动业务过程中企业必须克服的障碍，并解析了企业如何从复杂的数据全景中获得更大的投资回报。
数据价值断崖
如今，走进一家企业不可能不提及数据。从医疗保健到零售服务，从石油、天然气到机械制造，从房地产、建筑到教育、金融，各行业都在竞相采取数据至上的行动。企业的领导者越来越多地将数据视为发现新洞见，推动决策和加速创新的法宝。
但对许多企业来说，数据价值的概念仍然模糊。他们根本没有充分利用数据来创造有价值的结果。是什么问题阻碍了数据价值最大化?独立市场研究公司Vanson Bourne对IT决策者/CIO进行了一项调查，调查涉及企业数据投资计划和面临的主要障碍，以及如何最大化数据的投资回报率。这些结果真实地反映了企业的数据野心与真实结果之间的脱节。数据可能是企业的首要任务，但大多数ITDM还没有达到他们所设定的价值。
*Vanson Bourne是全球领先的技术行业市场研究机构，曾做过很多权威的市场调研。此次调研规模为500人，调研对象为企业IT决策者、CIO。他们来自于各个行业，且企业规模超过500人。调研时间是2018年4月-5月。
Key message
平均来看，企业认为他们只使用了收集或生成数据的一半（51%）。
当涉及到业务关键决策时，只有29%的企业完全信任他们的数据。
74%的企业认为他们拥有的数据比以往任何时候都多，但很难利用这些数据来产生商业洞察力。
在五年内，企业预计他们将拨出约170万美元用于运营数据，比他们现在的支出高出一倍。
调查人员预估，使用更多的数据致使企业平均年收入增加近520万美元。
80%的调查者认为，传统技术阻碍企业利用数据驱动的机会。
各部门之间的数据集成和数据共享也是一个问题，44%的CIO认为他们的企业经常遇到这样的问题，从而产生数据孤岛。
大多数受访者表示，人工智能和机器学习语音助理将帮助企业进行自动化数据分析(82%)、数据准备(73%)、软件开发(66%)和应用集成(63%)。
一、总体数据应用概况
数据的数量和种类都在增加，这已经不是什么秘密了。IDC预测到2025年，全球数据将增长10倍。虽然逻辑上说，更多的数据意味着提供业务价值的可能性更高。但平均而言，受访者估计他们的企业只使用了收集或生成的数据的一半(51%)，现在仍存在大量未使用的信息。
* 企业实际使用的数据量
图1:被调查者的企业实际使用的数据量
许多企业缺乏合适的战略、组织结构、正确的IT基础设施来从数据中获得真正的价值。几乎所有(98%)的企业都在计划或正经历数字化转型，只有4%比原计划提前。近四分之三(74%)的受访者表示，他们正在被数据淹没。企业拥有的数据比以往任何时候都多，但很难从中获得有用的商业见解。
* 努力利用数据企业的数量
图2：受访者认为他们正在努力利用数据产生有用的商业洞察力
此外，受访者平均预估，在企业中不到一半(48%)的决策是数据驱动的，这表明绝大多数企业在需要数据时无法访问或分析正确的数据，或者在做业务关键决策时不能完全信任数据。在竞争激烈的经济环境中，这种数据瘫痪使企业处于明显的竞争劣势。
* 企业数据驱动的决策量
图3:企业在数据驱动基础上所做决策的比例
二、数据转化价值
企业之所以做出如此少的数据驱动决策，其中一个原因在于底层数据缺乏一致性。只要29%的受访者在进行商业关键决策中完全信任他们的数据。除非企业找到一种解决方案，使他们能够有效地处理数据，否则他们会做出信息不充分的决策。
* 对决策数据的信任
图4：当涉及到商业关键决策时，你相信企业数据质量吗？
数据有多种形式，客户、财务、竞争对手、社交、机器、结构化和非结构化……而且不可避免地是，企业对每种数据类型都有不同的应用价值。
约有七成(69%)的受访者将客户数据列为企业最具价值数据的前三名之一，高于其他任何类型。50%的人对IT数据也是同样的看法，而40%的人认为内部财务数据也是最有价值的三种数据之一。
* 企业中最有价值数据排名
图5:在企业中哪些类型的业务数据最有价值?
对于企业来说，了解客户群体的动机、需求和可能采取的行动，不仅是营销产品或服务的关键，也是确保开发正确新产品或服务的前提。
大多数情况下，这种趋势在面对不同的企业规模时更加明显。客户数据被认为对大型的企业(超过5000名员工，约占80%)更有价值，这进一步强调了在客户关系管理背景下，实施正确的数据策略的重要性。与较小的同行相比，它们也不可避免地拥有更多的数据，这使得制定适当的合规政策和灵活性的过程更加复杂。
但并非所有行业的客户数据都排名靠前。对于许多行业来说，IT数据是最受重视的，而员工数据在能源、石油/天然气和公用事业市场中排名靠前，销售数据在零售和制造业中表现强劲。
* 行业内最有价值数据的展现
图6:在受访者企业中最具价值的三种数据类型，按部门划分
三、数据的投资回报率
不管行业或企业规模如何，如果企业找不到一种更有效地利用数据的方法，它们就永远无法真正从全球企业的所有数据中发现价值。
90%的受访者认为更好地利用数据越来越重要。的确，接受调查的ITDM预估，今年他们的企业为实施数据平均分配了797537美元。而这些预算只会随着数据量的成倍增长而增长。在5年的时间里，受访者预计他们的企业将平均投资1725309美元，是他们现在预算的两倍多。
美国ITDM受访者在数据方面的预算略高于英国同行。这一差距在历年预算预测中表现得尤为明显。英国受访者预计将拨出约130万美元用于运营数据，而美国受访者预计平均投入近200万美元。
* 在数据上的预算
图7:受访者表示企业分配/期望运营数据的平均预算
对于许多被调查的ITDM，这项投资的目的是在企业内建立数据驱动的架构。当被问及他们的主要目标时，回答分为两部分:
1、 改善企业运营。受访者表示，他们的目标是改善业务流程(64%)，推动业务运营，降低成本(57%)，并更快地做出商业决策(46%)
2、 提高客户体验。超过一半(54%)的受访者强调改善客户服务是他们的目标，超过三分之一(35%)的受访者是为了提供更个性化的客户体验。
* 数据运营的目的
图8:在运营数据时，企业的主要目标是什么?
最终，ITDM期望更好地运营数据将会积极地影响企业的高层和底层员工。受访者预估，如果数据得到更有效的利用，企业每年的收入将增加5,156,891美元。这对于他们的投资来说是547%的回报，即4359,354美元(平均为797,537美元)。
* 运营数据预估的年度收入增长
图9:如果数据被更有效地利用，企业年度收入平均增长值
四、价值转化
在这份报告的开头，我们强调业务生成的数据量将在未来显著增长。即使在今天，企业也在努力将数据转化为可操作的洞察力和可衡量的结果。然而，结果可能有些差强人意。在实现数据价值的过程中，往往存在一些障碍。
在接受调查的ITDM中，五分之四(80%)的人认为遗留技术是数据驱动商业的障碍。除此之外，在不同的团队和部门之间共享和集成数据，以及繁琐的手工数据集成工作都是常见的障碍。ITDM预估他们平均花费19.5%的时间准备使用的数据,这包括连接或集成不同的数据集、应用程序、或系统(总时间的7.65%),建立API或定制代码(5.64%的时间)，以及维护APIapi或定制代码(6.23%的时间)。只有一小部分受访者(2%)认为他们的组织在数据共享方面是完全无障碍的。对于其余的人来说，很多工作不得不做。
* 当前数据共享和集成的问题体现
图10:如何评价不同团队和部门之间共享和集成数据的交互性?
对于那些没有在团队中完全共享数据的企业，他们将使用的不同系统(42%)、不同的数据格式(38%)和缺乏协调的数据策略(37%)作为关键原因。此外，超过三分之一的人强调缺乏技术集成(36%)和遗留技术障碍(36%)，因为他们曾经试图有效地共享数据。
* 当前数据共享和集成方面的挑战
图11:当涉及到跨不同团队和部门的有效数据共享时，企业面临的挑战是什么?
连接数据仓库将有助于改进企业中数据的使用，并可以扩展和提升数据驱动决策的频率。
五、技术展望
受访者对新兴技术在克服数据应用方面的作用非常乐观。目前有些企业已经进行了全面的投资，并有意在未来对这些技术作出进一步的预算。例如，超过四分之一(27%)的受访者已经在人工智能和机器学习技术上投资，以帮助管理数据，还有56%的受访者计划在这方面投资。
* 人工智能和ML在数据管理和集成中的潜在应用
图12:人工智能和/或机器学习驱动的语音助手帮助企业更好地实现自动化
在企业准备和处理数据的过程中，AI和ML驱动的语音助手实现了巨大潜力的自动化应用。绝大多数受访者认为人工智能助手可以帮助企业自动化数据分析(82%)和准备/管理数据(73%),超过四分之一(26%)的人认为可以实现自动化的关键数据分析。平均而言,受访者预估,引入语音助理协助数据管理将导致每年增加3028398美元的利润。
* 使用语音激活人工智能在数据管理中的影响
图13:采用声控辅助技术来帮助企业进行数据管理的平均预期利润增长
总结
很明显，对于大多数组织来说，在越来越深的数据海洋中保持畅游是有挑战性的。但是企业敏锐地意识到，如果他们能够有效地管理它，他们就可以接受在这个领域投资。因此，企业需要确保投资能够使他们达到数据运营化的目标。
如果企业要真正充分利用日益庞大、复杂的数据环境，就需要对正确的技术进行投资。数据仓库的问题对于大大小小的企业来说并不是什么新鲜事，但随着企业内部各个部门的数据使用量的增加，随着高级业务主管推动其全球团队变得更为数据驱动，数据仓库变得越来越明显。
近一半的受访者表示，在整个组织中收集、定义和管理数据的方式存在差异，这是不信任数据的一个主要原因。显然，一个统一的、集成的数据方法是创建一个数据驱动企业的合理化的第一步。
尽管受访者对增加数据运营预算所带来的投资回报率的预期看起来令人兴奋，但除非仔细考虑预算，否则他们将一无所获。
本文作者：徐蕊
转自微信公众号：首席信息官