TDWI报告:创建数据型组织
Source: TDWI, Building a Data-Literate Organization, by Fern Halper
在本报告中的调查中,大多数受访者处于数据分析的自助阶段。
有 42% 的人使用电子表格,或电子表格、报告和仪表板的组合;36% 的人使用这些工具以及自助分析;五分之一的受访者还使用更高级分析工具,如预测分析和机器学习(13%)或人工智能和自然语言处理(8%)。
在数据管理方面,大多数受访者以某种形式使用云。
例如,46% 的受访者表示,他们有一个混合环境,既在本地,也位于云端:另有16%完全在云中。一小部分人反馈使用多个云环境。
事实上,云数据仓库和云数据湖已经是主流。公司希望分析更多、更大的数据量,云提供了这样做的灵活性和可扩展性。
数据素养的代表性定义
数据素养的障碍
数据基础设施:数据素养的主要障碍之一是孤立的数据。例如,当一个部门管理的数据可能无法提供给其他人。
技能和才能:在障碍方面,人的因素几乎排在并列第一,因为他们缺乏技能(34%),所以他们没有使用可用的软件来获得洞察。
工具:其他受访者认为他们没有合适的工具来查找、访问和准备分析数据(30%)。
文化:当然,有些组织根本就没有依靠数据来决策或提供战略信息的文化。
数据治理:有趣的是,数据治理在分析和数据素养障碍列表中排名垫底,尤其是在合规方面。
数据型组织的特征
领导
数据型组织比非数据型组织更有可能拥有鼓励和奖励数据使用的领导者(84% 对 43%)。
这些领导者更有可能对用于决策的数据有信心(81% 对 51%)。他们认同数据素养的原则。
文化
数据型组织比非数据型组织更有可能拥有鼓励实验和创新的文化(77% 对 53%)。在数据知识型组织中,数据被视为一种资产。文化是协作和结果驱动的(92% 对 46%)。分析目标与管理目标相关(73% 对 40%)。
数据治理
数据知识型组织比非数据型组织更有可能制定数据治理计划(63% 对 46%)。他们比非数据型组织更有可能轻松访问受信任的数据(68% 对 21%)。他们还更有可能使用技术来帮助数据治理,如数据目录。这并不是说数据型组织的数据治理没有改进的余地。我们将看到,即使是数据素养的组织也仍然面临数据治理问题。
基础设施
数据型组织比非数据型组织更有可能制定数据策略(63% 对 25%)。他们也比非数据型组织更有可能将云(在此例中作为混合环境的一部分)用于数据管理(48% 对 26%)。他们比不具备数据知识的组织更有可能知道哪些数据可供他们分析(68% 对 25%)。
分析成熟度
数据知识型组织比非数据型组织更有可能进行更高级的分析。他们具备分析技能。以及,他们更有可能有分析工具。