首席信息官的当务之急：您的技术发展速度能否实现您的目标？

目标：以数据为核心对您的企业意味着什么

短短几年间，数据和分析将促成并预测企业最重要的决策、流程和交互。以数据为核心对企业意味着什么？

数据结构不是孤立、受限的事物的集合，而是与企业各部门密切相关的。数据专业知识将从 IT 部门扩展到业务组、内部运营和客户关系部门。整个企业的员工将管理、定期访问和使用必要的数据，由此改进他们的决策和办事流程。这是从数据管理到数据中心的迁移。

单调枯燥的任务将被自动化，这让高管和员工更专注于价值创造。您的企业将不再需要依赖直觉和电子表格，而是能够实时查询、关联和分析数据。客户的反馈会即时且极其精准。

奠定基础

数据战略应该清晰地串联起以下信息：数据将如何告知、支持和推动机构短期与长期战略业务计划的实现；数据将如何减少企业风险管理计划中确定的威胁；数据最终将如何帮助企业充分利用绝佳机会。机构需要授权专门的数据团队，该团队应当配备实现战略所需的领导力、资源和行政支持。

完善的数据战略应包括几个关键领域：

1. 重点事项用例识别：该计划有助于为数据战略设定指路灯，包括对数据货币化的明确期望（即，数据将如何创造价值），并为数据作为资产的转换提供信息。计划还包括数据供应的开发，其中包括来源自机构内部和外部的数据。
2. 数据治理计划：该计划概述了如何管理数据，包括集成适合目的数据管理所需的方针、管理和运营模型。
3. 能够执行用例和治理的高级架构：该计划应该由集成、转换、启用和使用数据所需的技术类型来决定。消费层经常被低估，但其必然是关键点。
4. 提高数据素养的计划：这一行动至关重要，因为在整个企业范围内实现数据民主化，并将数据掌握在战略和战术层面的决策者手中，对于引导价值至关重要。

成功的数据战略的关键在于采用新技术来管理数据，采用新工具帮助企业创造新颖、可重复的洞察。由于当今许多机构所拥有数据的复杂性，且数据源互不相关，公司应在三到五年的时间范围内进行规划，同时不断发展战略。授权并赋权一个专门的团队来推进公司迈向成功。

技术：服务于转型愿景

当您对以数据为核心的机构产生的愿景足够可信时，您将如何有效用技术为成功做准备？我们的调查选定了四种技术，各行各业的企业都在给这些技术注入投资，从而建立稳妥的数字基础（图 2）。

数据和分析

数据和分析处于技术的核心位置，53% 的受访者将这二者列为首要投资重点，这一比例高于2020年的35%，数据和分析与其他三项关键技术相结合，打下了转型的基础。

云服务

云服务是以数据为核心的机构的基础层。多家企业已完成了初步的云迁移，而云服务依旧是企业的重点发展对象。实际上，35% 的受访者表示，他们将包括云服务在内的基础设施成本视为数字化转型的最大障碍。大多数企业都了解云服务的重要性，云服务在2020年与2022年Tech Horizon的调查中都是排在前两位的重要事项。领导者正在借助云服务，降低成本的同时，运用更多本地的平台即服务（PaaS）功能，充分利用云服务的速度与灵敏，于传统科技无法企及之处做出创新。

物联网 (IoT)

数据核心的机构对数据有着无尽的渴求。物联网是理解操作行为模式的机制。利用这一数据可以获得运营方面的突破，提高盈利水平，也可以从服务中创造新的价值形式。

人工智能和机器学习

尽管数据和分析处于核心地位，若想更好地显现其价值，就需要使其超越基础分析，利用更先进的方法通过人工智能或机器学习获得洞察。企业依靠人工智能与机器学习不仅可以快速响应客户期望，还可以预见并预测客户期望。

与那些未能达成转型的企业相比，表现超出预期的企业更多将重点放在发展更复杂的人工智能应用上。此类企业比之未达到转型预期的企业（图 3），更专注于战略应用，例如预测趋势和打造创新性的新产出（63% 比45%），且更有可能将人工智能和机器学习作为未来两年的首要投资领域（39%比32%）。这四项技术结合，在表现和影响方面产生了共生效应。

目标：学习发展中的数据

对于许多企业而言，数据作为孤立的信息片段而存在。其中仅有一小部分结构化数据被使用，更小的一部分非结构化数据被使用。而所用到的季度财务报告和月度销售报告通常是过时的。孤岛不仅阻碍了互操作性和整体协调性，还阻碍了企业层面的洞察，并生成了相矛盾的数据。不少企业询问他们是否可以信任由数据得来的洞察力，因为他们经常看到由于治理和管理不善而产生的矛盾数据。

那么数据转型是什么样的？

数据的转换

人工智能和机器学习将如何改变数据的性质，我们该如何使用？

数据不再保持静止。人工智能系统与机器学习结合，共同让数据发生转变，以便其随着客户和市场条件的变化而学习、自我清洗，并获取额外数据。

SAP 首席客户创新官Stephanie Nashawaty表示：“改变就发生在当下。历史上，C-Suite领导者发现自己陷入了将数据限制在组织孤岛中的陷阱，每个业务部门的领导者都将他们的数据视为部门的所有物，并认为分享各自见解会导致他们失去组织权力。疫情的早期展现了有多少企业因其技术堆栈各不相同以及决策能力与其他部门互不相通而受阻。”

数据将在大量设备、内部源和外部源中从静态变为实时更新。这不仅仅是让报告保持更新——5G 系统和物联网的低延迟将激发大量新事物的产生。例如，自动驾驶汽车曾经只是科幻电影中的产物，而远程技术辅助手术更被当作天方夜谭。如今二者都在现实中得以应用。

最后，与云服务一样，人工智能可作为创新产品的启动平台：如自然语言处理、图像识别以及当今尖端分析中使用的推荐和预测引擎等新兴科技。 “我们发现，在微软内部，人工智能将成为关键，”微软首席数字官Andrew Wilson说， “它是会学习和发展的数据基础。它是下一代分析的关键。”

挑战：新一代数据管理

虽然数据带来的诸多益处将产生深远的影响，但这也将带来重大挑战。99%的企业表示，在执行转型方面存在重大数据和技术障碍。接受调查的高管将高昂的技术成本列为实现转型的第一大挑战 (35%)（图 4）。驱动成本提升的因素包括更大规模的数据、更高的计算能力需求以及对云服务提供商的消费承诺增加。

虽然成本在上涨，但现有基础设施的超聚合、虚拟化效率提升，也限制了成本涨幅。通过采用现代数据平台，并逐步淘汰旧的遗留系统，企业可以显著节省其 IT 基础设施的成本。

员工、供应商、客户以及其他人都能很方便地访问数据核心,也对构建复杂安保和隐私要求形成挑战，这被列为第二大挑战（27% 的受访者）。数据核心的机构不仅要深化其网络安全防范措施，还必须拓展网络，覆盖多元化的参与者。

以数据为核心的一个关键运营挑战是连接和集成不同数据系统具有复杂性（25% 的受访者表示这是第三大挑战），这是技术成本的一个关键因素。

数据超出了简单的成本指标。为了发展真正的以数据为核心，企业有必要汇总并管理来自数千个企业信息系统、供应商、客户、市场和监管机构以及内部控制系统、物联网设备和传感器网络的数据。

此外，越来越多的机构正在制定数据战略，为新的创收运营模式提供机会，其中包括将数据商业化的模式。该领域的新兴机遇之一是跨机构创建的数据生态系统，用以销售数据治理集和模型，或使用数据生态系统训练的洞察。

技术：管理数据泛滥

这种规模将要求重新设置数据管理的基础。 “许多公司的数据仍处于试验阶段，”DoorDash 数据工程主管 Vaibhav Jajoo 说， “他们没有准备好将数据转化为可操作洞察的规模。”

数据只有在转化为洞察并促成明智决策时，才有价值。鉴于数据用户群扩大，数据战略家应该将数据民主化放在首位，使其对用户更友好，并可从各种设备上或从平民开发者处获取。

最后，有一些新兴技术专注于数据流合理化与改进其管理。软件定义存储 (SDS) 使得底层硬件平台与存储资源脱钩，可以提高效率和可扩展性。如今闪存阵列变得更经济实惠，其速度与容量可以满足大规模管理数据的需求。这些只是旨在实现数据管理的部分技术解决方案。