数据分析

数据，无处不在的数据:如何盈利?

全球零售巨头沃尔玛每小时处理100万笔客户交易。Akamai Technologies是一家领先的内容传递网络，每天分析7500万件事件，为目标在线广告做分析。这些例子仅仅触及了表面。预测更加惊人:IDC预计，到2020年，在线商务交易每天将达到4500亿笔!

数字技术通过数据的量和深度、数据的生产者和消费者，以及最重要的数据的内在价值，已经改变了数据生态系统。每个企业都捕捉和分析不同的数据流——交易、供应链、运营、产品、市场动态、社会情绪和客户数据，其中包括他们的人口概况、位置、偏好和行为。

pb级信息资产的存在提出了企业需要解决的相关问题:利益相关者如何按需访问高质量数据?可用的数据资产的货币价值是什么?数据流能否在客户忠诚度、成本效率、收入增长、风险缓解、法规遵从性、更新运营和/或新产品和服务方面实现货币化?

可靠的数据策略可以确保即时数据访问、实时数据共享、客户和运营的360度视角，以及预测性洞察力，这些都能提供帮助企业盈利数据。然而，传统的数据库管理系统、商业智能(BI)工具和分析引擎不允许企业利用大数据、云计算、移动和社交媒体的复合效应。主要的挑战是:数据边界。

推倒围墙

层次化的组织结构和职能界限造成了“竖井”，阻碍了无缝沟通和协同决策。反过来，它会导致生产力下降和操作不达标。另一方面，在一个没有边界的企业中——一个没有垂直或水平障碍的企业，正如1990年通用电气(General Electric)前首席执行官杰克•韦尔奇(Jack Welch)所设想的那样——内部利益相关者和外部利益相关者相互协作，使企业变得越来越高效、反应更快、更有弹性。

同样，数据盈利的先决条件是消除数据边界。数据的自由流动可能会受到各种因素(物理位置、IT基础设施、业务流程、应用程序组合、企业策略和行业实践)所创建的边界的限制。此外，通过操作数据存储、数据仓库和数据集市将事务性工作负载和分析性工作负载分离会影响数据质量。

企业需要从业务流程、物联网和机器学习应用程序中收集数据，同时打破将数据局限在筒仓的界限，创建数据的“黄金副本”。它需要超越移动BI、数据和流程集成以及主数据管理的数据策略。一个收集、清理、查询、分析和可视化数据的集成平台将有助于企业内外的数据货币化。

面向数据的企业可以快速发现价值，更好地管理信息。此外，准确的分析使企业能够收集业务洞察力。无边界的数据平台是这些数据企业的支柱。它作为一个统一的数据和分析堆栈，将来自不同流的大量复杂数据货币化。

保持简单和可伸缩

无边界数据平台打破了系统、技术、流程、部署和组织障碍，并集成了从创建到消费的数据链。该平台无论是托管在本地还是云上，都简化了信息资产的发现、数据个性化、促进协作和确保安全访问，从而简化了信息管理。

无边界数据平台支持消费驱动的方法，以及信息语义的应用，以增强跨所有类型数据的可用性，包括主数据、事务数据、机器生成的数据、社交数据和连接企业数据。该平台集成了一个数据湖，用于管理原始、丰富和分析数据。

数据湖是无边界IT架构的构建块。元数据驱动的数据湖捕获和存储无限数量的结构化和非结构化原始数据，而与格式、源或模式无关。它通过以业务为中心的语义模型支持域和应用程序之间的无缝互操作性。使用数据网格丰富的数据存储在“丰富区”，并用于建立分析模型。分析报告被投入数据湖。

数据网格通过一个安全的语义集成引擎解决了投资组合和企业级别的边界问题。它利用虚拟/联邦/ ETL技术连接异构数据源并将原始数据转换为有意义的信息。通过元数据驱动的语义引擎连接到网格的信息资产帮助业务用户轻松搜索不同的数据资产和使用上下文数据。

无边界数据平台采用主数据管理(MDM)实践来创建关键数据领域的全面视图，如客户、产品、供应商和员工。可用于消费的数据的“黄金副本”可以被所有业务事务引用。MDM允许对数据域元素应用适当的业务分类法，从而消除数据不一致、重复和冗余。此外，MDM提高了数据的准确性和可靠性，改善了数据的摄取。

获得丰富的见解

无边界的数据平台使“内部”、“外部”或“功能”数据的概念过时。它自动化数据操作以实现顺畅的互操作性。所有的利益相关者都可以挖掘相关数据来进行近乎实时的决策。可视化工具可以从任何角度分析数据，使用户能够跨功能(包括财务、供应链、销售、营销和客户服务)使用公共数据集开发非常规的业务问题解决方案。

统一的数据平台通过自助分析对企业进行转换。业务用户可以准确地解释数据，探索数据领域中不同实体之间的关系，并发现看似不相关的数据流之间的相关性和隐藏模式。用户可以查询跨学科的数据，获得对业务的微妙看法，并产生可执行的见解。在企业投入时间和金钱之前，可以准确预测结果。

无边界数据平台使企业获得的数据最大化。这有助于金融服务经理创建客户微观细分，以及消费品包装公司预测跨营销渠道的产品需求。油气公司可以使用无边界数据平台来优化他们的维护计划。统一数据平台帮助零售商改进降价计划，并使航空公司能够为乘客和货物采用动态定价策略。

每个行业都得益于无缝的数据流和预测分析。劳斯莱斯在其喷气发动机的设计、制造和售后支持中使用了数据和高性能计算。Telstra使用客户数据来防止客户流失以及网络数据来解决或抢占网络功能障碍。Avis获取多个数据来源，如租赁历史、服务问题、人口统计数据、公司联系、客户反馈和社交媒体参考，以进行评估和评估客户概况。

无边界的数据流使公司能够将其企业和行业之外的数据货币化。零售商和银行使用通信服务提供商收集的客户位置和活动数据来提供上下文优惠和有针对性的促销。天气聚合器帮助航运公司理解气象数据，更好地管理航行和操作。“智能”汽车中的GPS导航系统根据动态交通状况预测可行路线。

总之，分析应该是企业结构的核心。虽然高质量数据对于解决日常问题至关重要，但利用无边界数据流的分析工具提供了业务的全景和粒度视图。看到隐藏的和预测未知的能力，提高生产力，刺激决策，并决定业务轨迹。