在依靠分析进行全部或部分战略决策之前,必须实施适当的流程以确保数据顺利通过所有业务部门,同时保持其质量、可访问性、可用性和安全性。我们可以通过盘点组织中存在的所有数据、识别其各种来源(管理系统、网站、社交网络、营销和广告活动等)开始执行此操作,然后定义由于数据质量差而造成的价值损失的点。请关注以下5点内容:
数量:随着连接对象使用的增长、地理定位的发展以及数字营销分析的兴起,近年来要存储和处理的数据量呈爆炸式增长。确定数据库中保存的数据量以指导组织的数据管理方法。
多样:数据可以是复杂多样的,也可以是结构化的或非结构化的(语音、生物识别、交易、网络分析、文本、图像等)。它也可以来自广泛的信息系统。在不同的地方捕获它,集中它并交叉检查它,以详尽的方式映射所有数据。
速度:因为我们生活在一个即时、个性化和预测性营销的时代,我们需要越来越快速和主动地行动以满足客户的需求。选择具有强大计算能力的高性能软件,这些软件既灵活又融合了最先进的机器学习。审视基础架构,根据组织的需求选择最有效的工具,并建立健全的技术基础。
准确:这是数据处理的主要目标之一。收集和处理的数据的可靠性可能会受到许多方面的威胁:声明性错误(表格)、收集点的多样性、机器人的行为、恶意行为和其他错误、人为错误等等。分析中也可能存在许多偏差。因此,对所有数据的质量和准确性进行诊断非常重要。
价值:组织使用的数据必须与业务和战略目标完全一致,并为品牌和客户创造价值。在信息过多的环境中,它是关于能够统一所有数据,并且仅将对有用的数据统一起来,并迅速采取行动以产生利润或洞察。
构建数据标准体系的目标是通过统一的数据标准制定和发布,结合制度约束、系统控制等手段,实现企业内部数据的完整性、有效性、一致性、规范性、开放性和共享性管理,为数据治理工作打下坚实的基础、为数据资产管理活动提供规范有效依据。