Adobe的股票
并非所有的数据都是平等的,事实证明,公司不善待他们的数据或低“数据读写能力”也不要让最好的商业决策,据两位作者的第四年度数据质量与治理研究由NC州立大学出版IBM和CIPS。
使用结果表明,数据变得更好的战术决策采购和供应链,但战略问题只是一样好公司结构如何处理数据,创建一个进一步威胁超越了冠状病毒危机,2020年的所有操作。
“大部分组织不相同的优先级分配给数据资产和实物资产,”这项研究说。
报告讨论了人工智能(AI)和机器学习,进入训练,成为一个成熟的用户数据和设置预期使用诸如数据湖泊和全面的分析。但作者归结问题的起点。
“我们看到在我们的研究中仍然是一个缺乏信心的数据,”约瑟夫·Yacura当前顾问供应链和供应链执行前高级水平,说。“大领域之一在我们的研究还表明,缺乏数据治理。”
数据质量在供应链是一个持续的过程,涉及到有用的信息。多年来,分析师们花更多的时间比分析数据清理和组织数据。现在花费更少的时间,研究报告。但与高质量数据,信息更容易获得和可访问。
与此同时,数据质量与数据治理工作,在这项研究中定义为“有序的过程,涉及到组织、标准化、分类和编码的数据到数据库(或数据湖),可以应用在整个组织。“这是一个持续的过程,个人应该负责。
这项研究分析了90名员工的反应从新兴从业者供应链总监的产业和国家。结果在2021年1月被释放。
花和重要研究的作者Yacura和罗伯特•Handfield博士,供应链管理教授数控状态,听到更多的发现。
Yacura倡导企业结构,使整个业务数据至关重要,这样提要战略决策的信息。
“数据来源应该验证——正在使用的数据的相关性,使这一决定(和)数据的完整性。是否包含你想的所有数据元素包括在这个决定吗?”Yacura说。“我想我们需要坐下来想想。我们需要把治理。负责数据的人。…通常,我们真的不询问正确的问题的数据之前使用它。因此,我们得到了优化决策。这些决定可能会大幅提高。”
这项研究的重要发现
Yacura Handfield并指出,大多数的调查的结果是积极的。这不是一个完全悲观的数据质量的照片。
在调查中,这些都是一些关键的外卖第四期:
- 有持续的进展如何使用数据供应链功能。然而,只有循序渐进战略决策水平的数据。
- 组织后的趋势能够用更少的时间寻找和清理数据,表明提高数据质量和可用性。数据清理和组织仍然重要数据分析师的工作负载。
- 大多数组织一个高优先级的实物资产,而不是数据资产——45%的组织完全实现的价值数据,将相同的优先级分配给数据资产。
- 供应链的基本构建块数字化数据读写能力。大约三分之一的组织认为自己拥有先进的数据读写,即使在组织每年收入超过20亿美元。研究发现,33%的受访者认为自己“非常有限的”或“菜鸟”级别的数据读写能力。
- 缺乏证据表明供应链功能有一个明确的定义或数据的策略。约42%的调查对象包括数据需求时向供应商发放rfp。
- 决定延迟是影响由于缺乏数据读写能力和数据质量,特别是决策者。
- 嵌入式智能技术可以提供一个源连接和关联内部和外部供应链来自异类数据源的数据。
Handfield和Yacura在最新一轮的结果观察到积极的改变。事情时采用趋势更好,使用和战略决策的数据,但这一趋势正在逐步增长。Covid-19摆姿势只是一个小威胁这些结果时,很可能更好今年将被采用。供应链数字化加速和赶上21世纪Covid-19大流行。
“当你看整体,公司仍然很难将值分配给数据,“Yacura说。“数据显然是一项无形资产,对吧?…你支付这个。然后你假设你会有一个X年的生命周期和折旧方法和你注销资产的价值。但是当你看数据,它是无形的,你如何建立它的价值,因为你可能不会支付太多吗?但值是天文。”
数据湖泊和更好的教育机会可能是数据治理问题的答案
Handfield和Yacura保持乐观数据质量和治理,他们不停地回到这个想法,人们需要学会信任和相信数据。这似乎是最大的障碍阻止真正的数据质量和治理采取立足于当今供应链。
所有的人在一个组织需要了解数据的价值。从那里,数据可以成为一生的朋友任何组织。
“为了解决这个问题的唯一方法就是如果你开始创建所谓的数据湖,你让它独立于所有这些遗留系统,“Handfield说。“人们可以使用它作为一个地方来存放可信,洁净,可靠的数据,并使用您的仪表板,您的业务情报等等。所以它是可靠的。你只允许数据到数据湖。你必须把它从其余的垄断组织,所有这些其他企业系统。”
另一个关键方面日益增长的数据是通过教育周围的信任。这是一个强大的工具,它常常被忽视。Handfield和Yacura说组织的下一个重点在阅读这一最新研究是将培训和教育项目为人们了解数据读写。
“数据读写能力,培训和教育人民”Yacura说。“这是什么意思?我们如何使用数据?我们如何显示数据?我们如何解释数据?工具是很好的,但如果你不知道如何使用它们或如何解释它…它不是所有情况下,但大多数时候人们雇佣数学奇才,对吧?人很好的定量分析。在大多数情况下,这些人不是那么好与他们的分析能力和他们的商业头脑和能力来解释他们的分析结果的可操作的业务。
“所以我认为,我们需要创建这些混合技能。供应链管理和一些知识数据,也许一些定量技能,统计分析。不要成为重型定量,但足以知道这些工具的输出是什么意思,你应该如何解释成某种行动。”
讨论: