数据使用要谨慎——不良数据带来严重后果

 

对于很多企业来讲，大数据已成为日常经营中十分重要的一环，数据也已成为企业有价值的资产。咨询机构Digital Realty最近发布的一项研究表明，数据为全球最富裕的七个国家（G7）的经济贡献了超过1.7万亿美元。这一规模相当于全球第十大经济体，并高于韩国、俄罗斯和加拿大。

遗憾的是 ，对大数据的高度重视导致了一些不好的决策。很多实体以牺牲数据质量为代价换取数据的可扩展性。结果，不良的数据给他们引来了一大堆的问题。

仅美国，不良数据(任何结构或管理不善的数据)每年都会造成该国损失超3万亿美元。无论是数据工程师不小心添加了一个额外的零，还是事物格式的差异，甚至是数据系统本身的问题，数据都可能出现很多问题。

不良数据是指那些错误、不完整、无法理解、错位、不相关和过时的数据。在实践中，不良数据会浪费销售的时间，干扰数据科学家的工作，以及将IT的时间耗费在同步无法相互通讯的系统上。这一切都会导致人们对数据失信，令管理层无法果断决策。它还渗透到所有业务领域，从根本上影响工每个人的生活和工作。

不良数据对业务产生负面影响的主要方式有四种：

减慢决策速度

导致更高的成本

扰乱日常流程

降低客户参与度

 

那么，企业应采取哪些措施来清理数据呢？

集中：清理不良数据不可一蹴而就，需要以长远眼光看待问题。首先，不要把重点放在理顺数据进入企业的不同渠道上，而是专注制定一套集中化数据管理策略，同时确保能从源头对数据进行检测。

整合：在大型企业和机构内，不同部门运行着多个数据库，还有一些不为人知的数据来源。如果企业在不同地点有多个分支机构，情况会更为复杂。整合和分类数据库以及信息库可最大限度减少不良数据的产生，促进企业数据的标准化。

标准化：分析数据，加深对数据的认知。不良数据的一大成因是企业的数据收集过程缺乏标准化。必须在企业内部以及供应商、合作伙伴之间实施一套标准化参数，最大限度减少不良数据进入企业的途径。

调查：了解数据污染的根本原因。即利用对标数据进行数据基准校正，厘清数据污染的本质。这将有助于修正异常并将数据恢复到未受污染的初始质量。

消除：数据重复是数据不准确的主要原因之一，尤其是当存在多个数据库时。过程中人为失误则可能加剧这一问题。通过整合数据，我们有机会消除重复数据，以达到标准化的基准。这一过程可能需要花费一些时间，但也是快速获取客户信息和提高商业智能的必要条件。

清洗：云平台、尤其是混合云有大量数据清洗工具可供选择，提供了一个清洗、净化数据的理想环境。

随着我们进一步进入商业数字时代，数据——清晰、正确和干净的数据——对于持续进步至关重要。