說今天的商業環境變得極具競爭力可能是輕描淡寫的，那些沒有不斷重塑業務的公司 - 以核心數據 - 最終會在市場中斷的同時觀望。數據技術，科學和流程正在重寫業務規則并推動組織實現數字化轉型。
數字化轉型，以及對企業如何使用技術來滿足客戶期望并顯著影響性能的徹底重新思考，正在以令人眼花繚亂的速度發生。事實上，IDC?預測，全球數字化轉型技術和服務支出預計將在2018年增長近20％，達到1.1萬億美元以上。
在對數字化轉型至關重要的激進反思的基礎上，是對整個企業數據激增的智能管理。我相信采用先進的分析，人工智能以及最終成功實現任何數字化轉型都需要兩個關鍵要素：通過有效的數據質量和治理計劃實現對數據的信任和理解。
馴服你的數據
致力于數字化轉型的業務領導者必須首先查看他們的數據以及他們如何快速清理，審查和混合整個企業中不同系統的業務關鍵數據。此外，協調和清理的數據必須能夠無差錯地輕松遷移到新系統中，以適應業務的重塑。忽視數據的流量，質量和治理將不可避免地抵消任何技術投資回報并破壞數字化轉型舉措。
據福布斯見解，而“通過提高數據質量所帶來的挑戰可以是艱巨的，模糊的好處和可能性，高質量的數據使...什么都不做的成本很高。Gartner每年以970萬美元衡量不良數據對企業的平均財務影響。“
保持數據檢查
獲得正確的治理是關鍵，特別是在復雜的數據環境中。信息治理使用一組定義的角色，流程和策略來幫助管理數據資產并確保其完整性，準確性和安全性。沒有這些結構和控制，數據資產就會失去很多戰略價值。如果沒有有效的信息治理，沒有人能夠確定組織擁有哪些數據資產，誰控制它們，它們可以提供哪些信息以及如何使用它們。
良好的治理還可以提高組織內外新來源數據的效用，并支持HIPAA和通用數據保護法規（GDPR）等法規的合規性工作。
但是，除了業務和合規性要求之外，由已建立的策略和規則驅動的數據信任和理解構成了有效使用機器學習或人工智能（AI）中使用的算法的基礎。每個AI應用程序都可以使用豐富而廣泛的數據，這些應用程序是數字轉換的核心。詳細的信息治理計劃強化了AI模型，使他們的預測更加合理，從而產生有力的業務決策。
眾包數據質量管理
使用眾包方法，組織可以有效地自動化數據質量管理和治理。這種方法允許不同的部門傳授他們的知識，同時幫助推動完整的透明度和問責制，以保持數據質量。
當規則被破壞時，組織可以使用自動化工作流來觸發錯誤通知和補救過程。具有特定數據知識并專注于特定數據的員工可以根據工作流程觸發器糾正數據錯誤和問題。然后實時更新規則以反映特定的數據標準，例如合規性和監管更新，品牌標準等。
最終，通過將數據的所有權推向最常使用數據的人并將其理解為最佳 - 通常在業務層而不是IT層，數據質量可以保持在較高水平。
最后的想法
通過將數據質量管理和治理作為數字化轉型計劃的基石，組織可以利用其數據的價值來釋放新機遇，包括支持新的業務模式，改進客戶服務以及使用人工智能生成重要的新見解。
仔細定義信息治理規則以及采用眾包，使公司能夠利用自動化來確保系統數據的準確性和完整性。但是，不要先阻止數字化轉型來解決數據質量問題 - 沒有足夠的時間。數字化轉型是關于敏捷性的，所以快速行動，不斷調整并繼續前進。請確保信息治理在此過程中具有突出和持續的作用。
數據是企業的關鍵能源，因此解決數據質量和治理問題為創造競爭優勢提供了重要機遇。盡早利用它的組織將使自己脫穎而出并作為市場領導者脫穎而出。
（部分內容來源網絡，如有侵權請聯系刪除）
