核心观点
- 数据战略的重要性： 随着数字转型的加速，智能自动化（IA）成为企业优先事项，但数据战略的缺乏成为制约因素。企业需要制定实用数据战略，平衡长期结构和数据治理，同时满足业务对成本和难度的要求。
- 数据战略与业务战略的绑定： 数据战略不应仅仅是业务战略的补充，而应成为业务战略本身。数据战略的执行必须嵌入到创造新商业模式、交付产品和服务以及运行和改进内部业务流程这三种业务需求中。
- 智能企业的组成： 智能企业需要三个关键组成部分：数据（C-data、X-data、O-data）、处理和智能技术（包括AI）以及运营能力。
- 未来数据架构的特点： 未来数据架构需要具备六大特点：强大的安全性、巨大的灵活性、数据灵活性、易于使用、智能化和去中心化。
- 智能数据的重要性： 企业应关注智能数据，而不是仅仅追求大数据的规模。收集与使用案例相关的数据，并根据使用案例的需求进行数据清洗和过滤。
- 传统RPA的局限性： 传统RPA面临数据“债务”问题，需要通过过程发现、数据实时监控和结构化数据来解决。
- 常见陷阱： 制定数据战略时需避免七个常见陷阱，包括未能捕获正确的数据、不够具体、缺乏对质量战略的承诺、结果导向不足、业务对话不足、基于当前系统以及将数据战略视为里程碑而非旅程。
关键数据
- 根据Infoholic的报告，IA预计在2019-2025年期间将实现超过8%的复合年增长率，到2025年的收入将达到约300亿美元。
- 新兴市场合作伙伴的调查显示，92%的受访者表示他们正在增加对大数据和AI的投资，但77%的受访者表示他们的组织在业务采用大数据和AI计划方面仍然面临挑战。
- Veritas Global Databerg报告显示，85%的存储数据是黑暗的或冗余的、过时的或无关紧要的（ROT）。
研究结论
- 数据是企业的核心资产，技术领导者需要制定实用数据战略，将数据转化为智能数据，并将其用于驱动运营效率、客户体验和产品创新，从而获得持续的竞争优势。
- 数据战略的成功取决于对业务需求的深入理解、对数据技术的有效利用以及对数据治理的严格管理。
