数据民主化–为什么促进更好的数据文化很重要

数据民主化

数据民主化as named by Gartner as one of the “2020年的十大战略技术趋势“是为了装备轻松访问数据/信息而无需广泛或昂贵的培训。数据民主化的目标是允许非专家能够收集和分析数据而不需要外部帮助,并且通常被称为公民访问。研究表明,以数据为中心的组织做出更好的战略决策,具有更高的效率,提高客户满意度,并产生更多利润。事实上,Forrester预测,这些组织正在追踪 1.8万亿美元 annually by 2021.

使数据民主化的因素

即使企业想要拥抱民主化,也可能难以自由地提供数据。数据可以存储在 筒仓 ,使员工难以访问数据。它需要技术支持,数据访问,机器学习和部署的三个关键因素。

数据访问 –这是所有结构化,非结构化和云数据的视图,以便轻松访问所有信息。通过这样做,您可以实现更低的成本效率更快。 Gartner预测,企业将花费50%的时间和成本,只是访问各种筒仓和类型的数据。

机器学习 –人类积极分析数据,以了解预期的内容和什么’■没有,系统分析数据并自动询问其他问题以查找意外信息,反过来导致人类挖掘更深。对于实现机器学习过程,了解您的用户非常重要,他们将如何访问此信息,并重要地是您将如何保证安全。

部署 –根据Gartner的说法,超过85%的机器学习项目失败,因为它们无法为业务达到任何重要价值。民主化的最后一步是能够根据需要快速部署洞察力。

对于数据民主化成功,需要值得信赖。这意味着保持数据安全和安全。公共互联网是不安全的,但数字生态系统,将其用户使用私有连接连接可以提高性能,可伸缩性和弹性,同时确保安全数据交换。

虽然数据民主化可以燃料创新,但如果没有正确部署,它可能对数据安全构成严重威胁。收集,处理和分析数据的方式已成为消费者,数字企业,监管机构和政府机构的争夺争论。正如数据治理和安全对数据隐私至关重要,如果完成,他们就可以充当数据民主化的巨大垫脚石。因此,数据民主化和它可以为其创造的积极文化对任何组织的长期成功至关重要。

 

数据民主化的基本步骤 

希望受益于数据民主化的企业将不得不故意创建它。这意味着必须在预算,软件和培训方面进行组织投资。在数据民主化的世界中,打破信息孤岛是用户赋权的第一步。如果没有可定制和连接先前静音数据的无可自定义的分析工具,则无法完成此操作,从单个位置可管理。

 

数据民主

数据策略和基础设施

双峰策略 应考虑在整体数据民主化战略中。双峰策略是管理两个单独但相干风格的做法:一个专注于数据可预测性,另一个关于数据探索。

法规和数据法在全球范围内增加,用户比任何潜在危害数据的危害更加了解数据。因此,维护适当的数据隐私是对数字业务的迫在眉睫要求。没有数据治理,没有数据隐私。而且, 没有数据安全性就没有数据治理。 这些都是垫料的石头,而不是负责任和安全的数据民主化的障碍。

数据隐私和治理

这种数据民主化的金色时代需要信任。最近的一项研究发现,81%的高管对他们的企业结果非常关键的数据,76%的CFOS同意具有单一版本的真相至关重要。组织规模 拥有内容以及如何执行所有业务的影响,无论大小如何,都应投资数据治理策略。这种方式,作为较小的组织规模,他们有一个强大的数据策略与他们一起增长。传统上,数据已由工作人员管理和拥有。

虽然数据的所有权可能保持不变,但成功的数据民主化需要整个组织的普及可访问性。该公司的商业智能团队可以在培养数据可访问性方面发挥至关重要的作用,协调它以创建和部署从筒仓中取出数据并将其放入用户手中的政策。您希望每个人都能够访问所需的数据,但您也不希望他们进行分析,导致有缺陷的业务决策。为实现这一目标,请考虑实施数据治理计划,以便杂草效率低下,并提高业务团队之间的责任。

为数据访问创建企业策略

在数据驱动文化的路径上的组织需要将数据系统分散,具有各自的角色,以及持有对数据共享的所有权的团队。这又导致了适当的政策,程序和安全数据的数据的民主化。政策应定义业务目标,目标目标,以及如何发展实践。基于此,需要采用,实践和实施先进技术。应对这些新技术的员工施加适当的培训。

 

来自数据民主化的行业

银行和金融

银行和财务持有大量的数据,随着时间的推移而建造。由于客户互动和合规性要求庞大,数据在这一部门至关重要。财务中的数据不仅是来自利用率的观点而且来自安全性的观点至关重要。根据数据民主化进程,对合适的人提供的正确数据是一个关键函数。在翻盖方面,确保敏感数据所需的安全性对数据民主化也同样重要。虽然数据可以有所帮助,但贷款风险管理,发现客户组合,它还有助于欺诈检测,AML / BSA检查,财务报告,记录保留和IOT支持的安全检查。因此,数据民主的作用在金融中变得更加重要。

卫生保健

有大量的数据生成并登录不同的医疗中心。谈到电子健康记录和其他健康数据时的一个主要缺陷是通过所有不同的门户网站和守门人感到不知所措。由于数据的增长和传播产生了更多信息,而不是一个可以分析的信息,人工智能(AI)中的突破有助于克服这一挑战。医学专家正在开发算法,分析大量数据和提取洞察力。这些算法随着数据的增加而获得更高的效率,可以提高预测分析,使得能够更大的个性化和轻松获得增强的护理。

零售

数据的民主化不仅有助于提高更广泛的级别的客户体验,而且还可作为零售作为部门的催化剂。通过对合适的团队提供正确的数据,数据民主可以根据事实和见解,在善于决策中发挥重要作用。它可以帮助市场分割,客户分析,具有更好的个性化促销,忠诚度管理和改进的销售策略。 IOT和见解驱动的数据民主化也可以即使供应链管理和运营后台效率。

结论

数据民主化正在更改数据的消耗,分析和应用组织中的方式。它使更多的数据可用于更多人可以在软件应用程序的帮助下分析和解洞察。准备开始踏上数据民主化旅程的组织需要通过正确的战略和实施计划的人民,技术和流程的支持。数据民主化的挑战谎称在不违反个人或组织的法律和隐私政策的情况下分享数据。走向它的方式是绘制前线,通过遵守良好的广泛政策的政府一直来自个人的一路。