如今，數(shù)據(jù)仍在以爆發(fā)的態(tài)勢(shì)不斷增長(zhǎng)，并且充當(dāng)著企業(yè)數(shù)字化轉(zhuǎn)型的核心驅(qū)動(dòng)力，成為商業(yè)模式創(chuàng)新的重要基礎(chǔ)。然而，據(jù)統(tǒng)計(jì)，目前只有20%的數(shù)據(jù)得到了挖掘和利用，還有剩余80%的絕大多數(shù)數(shù)據(jù)由于不能被訪問、不能被信任、或是不能被分析，價(jià)值無法釋放，也無法被充分應(yīng)用。

為了挖掘數(shù)據(jù)的價(jià)值，企業(yè)首先要對(duì)數(shù)據(jù)進(jìn)行收集。一般而言，企業(yè)往往需要將來自不同系統(tǒng)的數(shù)據(jù)復(fù)制或遷移到中央數(shù)據(jù)存儲(chǔ)器(如數(shù)據(jù)倉庫和數(shù)據(jù)湖)進(jìn)行管理和分析，最終為業(yè)務(wù)賦能。出于歷史記錄、歸檔或監(jiān)管等目的，這是企業(yè)必須采取的一種手段。

另一方面，對(duì)于一些安全級(jí)別較高的數(shù)據(jù)，作為現(xiàn)有方法的補(bǔ)充，企業(yè)還可以通過數(shù)據(jù)虛擬化，跨多個(gè)系統(tǒng)從源頭對(duì)數(shù)據(jù)進(jìn)行分析查詢。這不僅可以降低成本，避免移動(dòng)和復(fù)制造成的延遲，還可以簡(jiǎn)化分析步驟并保證其準(zhǔn)確性。

但是，并不是每一個(gè)數(shù)據(jù)對(duì)于企業(yè)而言都具備價(jià)值，在對(duì)數(shù)據(jù)進(jìn)行分析之前，所有數(shù)據(jù)都必須經(jīng)過統(tǒng)一組織和管理，包括數(shù)據(jù)的清洗、集成、編目和治理，從而確認(rèn)和優(yōu)化數(shù)據(jù)價(jià)值。比如，對(duì)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行轉(zhuǎn)換和整理，對(duì)不合規(guī)、不值得信賴的數(shù)據(jù)進(jìn)行處理等等。在這個(gè)過程中，企業(yè)需要一個(gè)統(tǒng)一的治理與集成平臺(tái)了解數(shù)據(jù)是否正確、是否可用，同時(shí)保證數(shù)據(jù)的安全性。

現(xiàn)下，數(shù)據(jù)分析工具正在不斷升級(jí)。借助AI工具和平臺(tái)，不僅能夠隨時(shí)隨地訪問數(shù)據(jù)，同時(shí)還可以對(duì)數(shù)據(jù)集進(jìn)行訓(xùn)練并構(gòu)建模型，進(jìn)行數(shù)據(jù)挖掘和統(tǒng)計(jì)分析。除此之外，根據(jù)對(duì)AI分析結(jié)果的跟蹤，還可以隨著不斷變化的業(yè)務(wù)情況調(diào)整和管理AI，最終實(shí)現(xiàn)預(yù)測(cè)性分析和規(guī)范性分析，為企業(yè)業(yè)務(wù)賦能做好充分準(zhǔn)備。

當(dāng)然，數(shù)據(jù)源于業(yè)務(wù)，最終還要回歸于業(yè)務(wù)?？尚诺臄?shù)據(jù)分析結(jié)果，經(jīng)過與不同系統(tǒng)數(shù)據(jù)之間的整合，以及與具體業(yè)務(wù)場(chǎng)景的融合，將為企業(yè)提高運(yùn)營(yíng)效率、節(jié)約成本支出、實(shí)現(xiàn)業(yè)務(wù)洞察、提高客戶體驗(yàn)、創(chuàng)新商業(yè)模式提供智能和自動(dòng)化的方法，并為企業(yè)決策提供參考和建議。

可以看到，從離散到聚合，從離線到在線，從靜止到流動(dòng)，被AI加持的數(shù)據(jù)，其價(jià)值也將被充分釋放。