2023年数据和分析报告

来自10,000多名分析，IT和业务领导者的全球见解，涉及人工智能时代的数据管理和决策。 行政信函 人工智能并不新鲜，但它在未来商业中的基本作用是。人工智能，尤其是生成式人工智能，是我们一生中看到的最具变革性的进步之一，但仅仅投资于人工智能的技术能力是不够的。组织必须优先考虑全面可靠的数据基础，以帮助指导决策和战略制定。 随着公司迅速接受人工智能并意识到它的好处，信任必须成为他们的首要任务。为了灌输对人工智能的信任，他们必须首先灌输对驱动它的数据的信任。将数据视为AI的均衡饮食-当您避免垃圾食品并消耗所有适当的营养素时，您是最健康的。简而言之，只有在准确、全面的数据推动下，组织才能充分利用人工智能的全部力量。 我们的数据和分析状况报告比以往任何时候都更加强调了这种重要的联系和对可信数据的迫切需求。然而，商业领袖几乎一致认为，他们并没有释放数据的全部潜力。 我希望你在如何建立强大的数据基础、管理日益复杂的数据量以及利用人工智能不断发展的能力时，能发现这份报告是一个有价值的参考点。 Contents 你会发现在这个报告..............................................................................................................................................04 Introduction:AI将可信数据放入聚光灯..............................................................................................................06 Chapter2:数据的全部潜力仍然存在难以捉摸...........................................................................................14 Chapter3:数据和AI的成功之路是绕组......................................................................................................19 Survey人口统计........................................................................................................................................25 您将在本报告中找到的内容 对于“数据和分析状况”报告，Salesforce对全球5,540名分析和IT决策者以及5,540名业务线领导者进行了调查，发现： •用于导航人工智能(AI)快速发展的策略•组织在充分发挥其数据潜力方面面临的挑战•战术分析和IT领导者用来管理日益广泛和复杂的数据 除非另有说明，否则本报告中的数据来自于2023年6月16日至7月31日进行的两次匿名调查。首次调查产生了来自北美，拉丁美洲，亚太地区和欧洲的分析和IT决策者的5,540份回复。第二项调查产生了来自同一地区的企业领导者的5,540份回复。有关进一步的调查人口统计信息，请参阅第25页。 由于四舍五入，本报告中并非所有百分比总数都等于100%。比较计算是根据总数（未四舍五入）进行的。 全球5,540位分析和IT领导者接受调查 5,540位全球商业领袖接受调查 执行摘要 由生成AI、高级分析和实时个性化推动的变革性突破背后，是对可信数据的安静依赖。几乎所有接受调查的分析和IT决策者(92%)都表示，比以往任何时候都更需要可信数据。 强大的数据基础推动AI 01 人工智能的进步正在快速发展，给数据管理带来压力团队为算法提供高质量的数据。87%的分析和IT领导者表示，人工智能的进步使数据管理成为当务之急。 业务、IT和分析领导者如何利用数据来推动这些机会，并克服正在脱轨的障碍 数据的全部潜力仍然难以捉摸 02 分析、IT和业务领导者都将安全威胁视为首要障碍成功的数据管理。然而，数据战略和业务目标之间的不一致会使工作复杂化。同时，公司产生的数据量预计在未来12个月内平均增加22%。 数据驱动战略？这份报告揭示了领导者面临的障碍以及他们专注于最大化数据量的策略。 数据和AI的成功之路蜿蜒曲折 03 保护和扩展数据和分析功能、分析和IT领导者使用多种策略，如重新构想数据治理、加强内部数据文化和部署云技术。简化IT管理是将应用和分析迁移到云的最大驱动力。 Introduction AI将可信数据置于聚光灯下 AI刺激对可信数据的需求 分析和IT领导者在对可信数据不断增长的需求中检查数据成熟度 考虑到对实时个性化和提高业务效率的长期呼吁，对可信数据的需求并不新鲜。生成性AI正在强化这些需求，分析和IT领导者正在竞相巩固其数据基础。86％的分析和IT领导者认为AI的输出仅与其数据输入一样好。 好消息？技术领导者是 当考虑数据能力、流程、赞助、投资和愿景等多种因素时，超过三分之一的分析和IT领导者将他们的数据成熟度归类为一流的。 然而，这些领导者中只有6%的人将他们的数据成熟度描述为低于行业标准或根本不存在，这充其量是 将成熟度与同行进行基准测试，或者在最坏的情况下，对数据战略和能力的过度自信。 领导者关注数据信任和利用率 尽管IT和分析领导者的自我评估总体上是积极的，但超过十分之九的企业领导者（94％）认为他们应该从数据中获得更大的价值-改善的信号室。 为了满足这一需求，分析和IT领导者专注于基础知识：数据质量、更强大的安全性和AI就绪性。 问题？虽然领导者的目标很简单，但实现目标的途径他们什么都不是。 分析和IT领导者的首要数据优先级 [AI’s]potentialisimmous.Youdon’thavetosellpeopleonthepotential.Whatyouhavetosellpeopleonis:Howdowegoaboutit?Whatisashort-termstrategy?Whatisalong-termstrategy?” DEEPSRIVASTAV TABLEAU的数据领导联盟成员和AI和数字转换负责人，富兰克林·坦普顿 01 强大的数据基础推动AI 商业领袖关注捕获 生成的AI值 生成AI是超越预测AI等相关技术的更成熟迭代的重大飞跃，商业领导者正在接受其承诺。超过十分之九（91％）的人认为生成AI在具有吸引力的用例中提供了主要优势 从内容创建到软件开发。 尽管具有新颖性，但生成AI正在迅速发展。超过四分之三的商业领袖已经担心他们错过了生成AI的好处。 营销领导者特别紧张，他们没有在工作流程中充分利用生成式人工智能，88%的人担心他们的公司落后了。 聚光灯:生成的AI马刺数据道德和公平问题 成功的AI使用需要正确的数据基础和道德 IT领导者对成功使用GenerativeAI的要求 根据超过一半的IT领导者的说法，利用生成式AI需要完整，统一和准确的数据。然而，障碍仍然存在。 最近的一项调查发现，大多数IT领导者没有统一的数据策略，也无法将生成式AI集成到他们当前的技术堆栈中。 撇开技术要求不谈，生成AI也面临着严肃的伦理考虑。 83％的IT领导者认为公司必须共同努力，以确保生成式AI使用道德。 IT领导者对生成型AI的关注 近四分之三的IT领导者对有偏见或不准确的结果保持警惕，但只有不到三分之一的人考虑道德使用准则至关重要。 此页面上所有数据的来源：“创成式AI快照系列”,Salesforce，2023年3月。 AI照亮数据管理 分析和IT领导者的首要数据优先级 生成型人工智能可能正在引起人们的关注，但更成熟的人工智能应用，如预测分析和聊天机器人，已经让组织受益了一段时间。 分析和IT领导者实现的最大AI优势按“显著”效益排序 使用AI的技术领导者报告了明显更快的决策和运营。速度并不是唯一的好处：分析和IT领导者表示，他们有更多的时间来应对战略挑战，而不是陷入平凡的任务。 客户也将受益。技术领导者描述了AI对客户满意度的显着改善。 考虑到人工智能的输出对底层数据质量的依赖性，近十分之九的分析也就不足为奇了 IT领导者表示，人工智能的新发展使数据管理成为当务之急。 数据成熟度是AI准备的标志 高成熟度组织感觉更好地利用AI 分析和IT领导者评估以下公司的优秀表现 数据成熟度是成功采用AI的基石，与低数据成熟度组织相比，高成熟度组织引用了优越的基础设施、战略和一致性。 在数据质量方面，高成熟度公司和低成熟度公司之间的差异非常明显。 高成熟度受访者比低成熟度受访者拥有有效使用AI所需的高质量数据的可能性高2倍。 *低数据成熟度组织被定义为报告不存在或低于行业标准数据成熟度的受访者。 高数据成熟度组织被定义为具有自我报告的同类最佳数据成熟度的受访者。 02 数据的全部潜力仍然难以捉摸 数据战略与业务目标脱节 领导者缺乏一致性突出了对数据战略和绩效衡量的需求 在业务和技术利益相关者就核心目标达成一致之前，掌握组织数据可能不会有回报。 数据战略与业务目标保持一致 许多领导人承认他们需要更紧密的协调：41%的- 业务领导者表示，他们的数据战略与业务目标只有部分或不一致。同样，37%的分析和IT领导者看到了改进的空间。 部分脱节可能源于缺乏共享的KPI。例如，十分之六的分析和IT领导者对业务线团队的数据利用率或洞察力速度一无所知。 此外，不到三分之一的分析和IT领导者跟踪数据货币化的价值。这提出了大多数团队是否可以有效量化数据的ROI的问题首先是为业务利益相关者提供的倡议。 安全是实现的首要障碍数据目标 94%的企业领导者认为他们应该从数据中获得更多价值，是什么阻止了他们？ 78%的分析和IT领导者表示，他们的组织正在努力利用数据推动业务优先事项。 技术和业务领域领导者的罪魁祸首是相同的：安全威胁。随着整合新数据源和利用新技术的机会激增，漏洞也在增加。 这些漏洞的一部分可能源于缺乏数据可见性，定义为查看、监控和管理不同来源的数据收集和使用的能力。近一半的分析和IT领导者表示，他们对数据在他们的公司。 数据质量仍然是重中之重 数据准确性和对数据准确性的信心是可信数据的关键组成部分。 与数据最接近的部门，如数据和分析团队，对数据准确性的信心最高。业务线领导者的信心较低，这表明有机会在营销、销售和服务团队中灌输数据信心。 57％的数据和分析领导者对其数据的准确性充满信心。 总体而言，还有改进的空间。增加对关键指标的跟踪，例如数据质量，数据利用率，数据管理和成本，数据服务交付以及数据计划的ROI，可能是进行此类改进的巨大飞跃。 业务线领导者对数据的信心不如技术领导者 部门对数据准确性完全有信心 激增的数据压倒了用户-并提出一个机会 商业领袖面临的第二大数据挑战，即处理海量数据，丝毫没有减弱的迹象。 超过三分之二的分析和IT领导者预计，未来一年的数据量将平均增长22%。*他们预计，包括第三方数据和设备数据在内的各种来源的增长率将相似。 对于数据领导者来说，不断增加和多样化的数据源需要更多的努力来标准化数据。这可能会加剧分析和IT领导者的主要挑战：缺乏数据协调（即标准化来自不同来源的数据）。 克服这一挑战提供了差异化的机会。近三分之二(65%)的客户表示，他们希望公司调整体验以满足他们不断变化的需求，**然而80%的商业领袖表示，个性化很难扩展。对于希望提供更多定制体验的公司来说，成熟的数据管理能力是一个关键的竞争优势。 数据卷-和复杂性-预计会增长 每个分析和IT领导者未来12个月的预期