高管談數據的泛泛的價值，但米歇爾科赫，在Navient解決方案的企業的數據情報總監，可以計算出她的公司的數據的實際價值。

事實上，科赫可以用實際美元計算公司各種數據元素帶來的收入增加和成本降低。因此，她清楚地意識到Navient數據中的問題可能會損害其底線。例如，客戶資料中關鍵數據字段中的錯誤可能意味著公司無法以最低成本處理貸款。

“這里有資金，所以我們有一個數據質量儀表板，我們跟蹤所有這些。我們追蹤實際和潛在的價值，“她說。

內Navient，總部設在特拉華州威爾明頓資產管理和業務處理服務公司的早期數據相關的舉措，說明危在旦夕什么是芭芭拉Deemer，首席數據管家和財務副總裁說。2006年的舉措專注于提高營銷的數據質量，并取得了一個$ 7.2萬的投資回報率，與增加的貸款量來回報和降低運營費用。

從那時起，Navient高管承諾支持強大的數據治理計劃，作為成功分析工作的關鍵部分，Koch說。Navient的治理計劃包括長期認可的最佳實踐，例如標準化數據字段的定義和確保干凈的數據。

它為其大約2,600個企業數據元素分配所有權;?所有權既可以是數據字段首次出現的業務領域，也可以是特定數據字段與其進程不可分割的業務領域。

該公司還有一個數據質量計劃，積極監控領域的質量，以確保不斷滿足高標準。該公司還啟動了數據治理委員會（2006年）和分析數據治理委員會（2017年），以解決持續存在的問題或疑慮，在整個企業內制定決策，并不斷改進數據運營以及數據如何為公司的分析工作提供支持。

“數據對我們的業務計劃和新業務機會非常重要，我們希望專注于始終改進支持我們分析計劃的數據，”Koch說。

大多數高管認為，數據治理是至關重要的，理由是合規性，客戶滿意度和更好的決策的關鍵驅動因素，根據2018年國家數據治理從數據管理解決方案公司歐文和UBM。但是，該報告發現，近40％的響應組織沒有單獨的數據治理預算，而且有46％的組織沒有正式的策略。

調查結果基于118位受訪者的回復，包括首席信息官，首席技術官，數據中心經理，IT人員和顧問。

鑒于這些數據，專家表示，許多企業數據計劃中存在弱點并不奇怪。以下是七種有問題的數據實踐。

將數據集中在一起，但不是真正集成它

數據治理專業組織的通信副總裁Anne Buff表示，集成是當今數據和分析領域的挑戰之首。

確實，許多組織將所有數據收集在一個地方。但實際上，他們沒有整合來自多個數據源的各個部分，Buff解釋說。因此，來自一個系統的Bill Smith與其他系統生成的Bill Smith（及其名稱的變體）數據無關。這為企業提供了多個不完整的圖片，說明了他是誰。

“共存數據與集成數據不同，”Buff說。“你必須有辦法匹配來自不同來源的記錄。你需要這樣做，當這一切都匯集在一起時，它會創造出比爾史密斯是誰的更大視圖。你必須有一些東西來連接點?！?/span>

Buff說，各種數據集成技術使得選擇，實施和執行正確的工具對于避免過多的手工工作或反復重復相同的工作至關重要。

此外，集成變得越來越重要，因為數據科學家正在尋找數據中的模式，以獲得可以產生突破，競爭優勢等的洞察力。

“但如果你不能將以前從未合并過的數據匯集在一起，就無法找到這些模式，”Buff說，他也是北卡羅來納州卡里SAS的咨詢業務解決方案經理。

沒有意識到業務部門有獨特的需求

是的，整合的集成數據對于成功的分析計劃至關重要。但Buff表示，一些商業用戶可能需要不同版本的數據。

“一種形式的數據不能滿足整個組織的每個人的需求，”她補充道。

相反，IT需要考慮數據供應，即提供業務用戶或業務部門確定的業務案例所需的數據。

她以金融機構的不同需求為例。雖然有些部門可能需要集成數據，但欺詐檢測部門可能希望其數據科學家使用不干凈的不受限制的數據，以便他們可以搜索紅旗。他們可能希望使用其個人識別信息的輕微變化來搜索同一地址的某人，以申請多筆貸款。

“你會看到類似的數據元素，但有一些變量，所以你不想過多地消除這些差異并將其清理得太多，”Buff解釋道。

另一方面，她說，該金融機構的營銷部門希望擁有正確版本的客戶姓名，地址等，以正確定位通信。

只招募數據科學家，而不是數據工程師

隨著公司尋求超越基本商業智能，預測性和規范性分析以及機器學習和人工智能，他們需要在數據團隊中提高專業水平。

這反過來又震撼了數據科學家的地位。但同樣重要的是數據工程師，他們爭論所有需要聚集在一起的數據集，以便數據科學家完成他們的工作但是（到目前為止）在許多組織中受到的關注較少。

Bain＆Co。舊金山辦事處的合伙人，該公司高級分析和數字實踐的領導者Lori Sherer說，這種情況一直在變化。

“我們已經看到，對數據工程師的需求增長約為數據科學家需求增長的2倍，”Sherer說。

聯邦勞工統計局預測，未來十年對數據工程師的需求將繼續快速增長，美國經濟在2016年至2026年間增加了4400個職位，平均年薪為135,800美元。

然而，與IT領域的許多關鍵職位一樣，專家表示，沒有足夠的數據工程師來滿足需求 - 使得現在剛開始雇用或培訓職位的IT部門趕上了。

保持數據超過其主要部分，而不是管理其生命周期

在過去十年中，存儲成本急劇下降，使IT部門能夠更加輕松地存儲大量數據，比以往任何時候都更長。考慮到現在創建數據的數量和速度以及將其用于分析的需求不斷增加，這似乎是個好消息。

但是，雖然許多人都贊揚擁有數據和數據的價值，但它常常是一件好事，Penny Garbus是佛羅里達州阿波羅海灘Soaring Eagle Consulting的聯合創始人，也是Mining New Gold的合著者。：管理您的業務數據。

Garbus表示，太多企業持有太長時間的數據。

“你不僅需要付錢，而且如果它超過10年，那么這些信息很可能遠非當前，”她說?！拔覀児膭钊藗冊谄渖霞由弦恍r間表?！?/span>

Garbus表示，數據的到期日期不僅因組織而異，因部門而異。零售公司內的庫存部門可能只需要相對較新的數據，而營銷部門可能希望數年前的數據來跟蹤趨勢。

如果是這種情況，IT需要實施架構，將正確的數據時間框架提供到正確的位置，以確保滿足每個人的需求，舊數據不會破壞及時的分析程序。

正如Garbus所說：“僅僅因為您必須保留[舊數據]，并不意味著您必須將其保留在核心環境中。你必須擁有它?！?/span>

專注于數量，而不是針對相關性

IT咨詢公司Booz Allen Hamilton的高級副總裁Steve Escaravage表示：“我們仍在使用最可用的數據構建模型和運行分析，而不是使用最相關的數據?！?/span>

他說組織經常抱錯，他們應該捕獲并添加越來越多的數據集。他說他們認為“也許那里有一些我們沒有找到的東西而不是問：我們有正確的數據嗎？”

他說，考慮一下，許多機構通過分析大量數據尋找異常來尋找欺詐行為。雖然這是一項重要活動，但領先機構也會分析更有針對性的數據集，從而產生更好的結?在這種情況下，他們可能會查看產生某些類型的交易的個人或機構，這些交易可能表明存在問題。或者，在分析患者結果時，醫療保健機構可能會考慮醫生在提供患者護理時輪班時間長短的數據。

Escaravage說組織可以從創建數據愿望清單開始。雖然這項工作始于業務方面，“捕獲它并使其可用的機制，這是CIO，CTO或首席數據官的領域。”

提供數據，但忽略它的來源

今天的一個重要主題是分析偏見，這種情況可能會扭曲結果，甚至會產生錯誤的結論，從而導致糟糕的業務決策或結果。Escaravage表示，產生偏見的問題存在于企業分析程序的許多不同領域 - 包括IT如何處理數據本身。

他說，很多時候，IT部門在跟蹤數據的來源方面做得不夠好。

Escaravage說：“如果你不知道這一點，它會影響你模型的性能。”他指出，缺乏對數據產生方式和位置的可見性使得控制偏差變得更加困難。

“IT部門有責任了解數據的來源以及發生的情況。在數據管理方面投入了大量資金，但也應該有一個元數據管理解決方案，“他說。

提供數據，但無法幫助用戶理解上下文

IT不僅應該有一個強大的元數據管理程序，它可以跟蹤數據的來源以及數據在系統中的移動方式，它應該為用戶提供對某些歷史記錄的洞察，并為通過分析產生的一些結果提供上下文， Escaravage說。

“我們對可以創造的東西感到非常興奮。我們認為我們有非常好的數據，特別是未經過分析的數據，我們可以建立一個關于這些數據如何有用的心理模型，“他說。“但是，雖然過去五年的分析方法令人驚訝，但這些技術的結果比過去更難以解釋，因為在進行數據挖掘后應用業務規則并且很容易解釋數據。”

Escaravage解釋說，較新的深度學習模型提供了見解和可操作的建議。但是這些系統通常不提供對最佳決策有幫助甚至關鍵的背景。例如，它沒有提供關于基于數據將發生某事的概率與確定性的信息。

Escaravage說，需要更好的用戶界面來幫助提供上下文。

“技術問題是人們將如何與這些模型接口。這是從透明度角度關注UI / UX非常重要的地方。因此，如果有人看到人工智能平臺的推薦，那么他們可以在何種程度上深入查看基礎可能，數據源等等？“他說?！笆紫畔⒐賯儗⒉坏貌粏柸绾卧谒麄兊南到y中建立透明度?！?/span>