数据与分析现状（第二版）

核心观点

• AI 加速了新的数据范式：随着 AI，特别是代理技术的兴起，企业需要重塑其数据基础设施、管理和治理，以适应 agentic 未来。
• 数据信心有限：尽管大多数企业都使用 AI，但数据信心仍然不足，不完整、过时或低质量的数据是阻碍企业成为数据驱动型组织的主要因素。
• 构建数据基础：数据和分析领导者面临着来自业务部门对数据驱动能力的需求以及高管对 agentic 创新的需求的双重压力。他们需要解决数据管理实践（包括集成和协调）以及非结构化格式主导带来的挑战。
• 治理和安全：AI 的兴起暴露了数据安全、合规和治理方面的长期不足。企业需要新的方法来治理和保障 agentic 企业。

关键数据

• 63% 的业务领导者称他们的组织非常数据驱动，比 2023 年上升了 10 个百分点。
• 近 63% 的技术领导者承认他们的公司难以利用数据推动业务优先事项。
• 50% 的业务领导者不确定他们能否及时生成和交付见解。
• 70% 的数据和分析领导者认为他们组织最有价值的见解被困在非结构化数据中。
• 43% 的数据和分析领导者已经建立了正式的数据治理框架和政策。
• 88% 的数据和分析领导者认为 AI 的进步需要新的数据治理方法。

研究结论

• 企业需要优先考虑构建强大的数据基础，同时治理和保障 agentic 企业。
• 非结构化数据是一个被忽视的宝贵资产，企业需要找到方法来释放其价值。
• 零复制数据集成可以帮助企业以成本效益的方式实时访问和查询数据，从而解决数据孤岛问题。
• 数据治理是 AI 策略中缺失的部分，企业需要制定可扩展的治理方法，并提供细粒度的访问控制。
• 代理互操作性将成为未来业务成功的关键。