2023年，全球经济如何应对疫情、供应链中断、俄乌战争、通货膨胀，以及可能的经济衰退等灰犀牛事件?
现在唯一确定的就是数字化智能化转型，推动数字经济发展。数据的价值会在2023年上升，有效地利用数据来改善业务成果和优化运营将成为企业2023年的主要关注点。
2023年将会有更多组织优化数据使用，以推动决策智能和运营。数据不但可以帮助组织使用分析和商业智能做出更好的决策，而且也是机器学习(ML)的基础，为流程自动化打下了基础。
2023年，数据价值的落地重在5个方面的转变。
转变1：业务战略和数据科学融合
随着BI与AI的融合，让每一名员工都成为数据分析师成为许多科技公司的发展理念，数据分析开始走向企业业务，走向每一个员工。
随着2023年更有效地使用数据的商业需求的增长，Amalgam Insights的分析师Hyoun Park预言，在企业数字化转型中，业务战略与数据科学融合将进一步加快，数据在企业业务发展中的作用将加大。
Hyoun Park预计，未来将出现业务战略家 (Business Strategist)这样一个角色，充当面向业务的数据科学家。业务战略家需要将数据技能与特定业务流程的能力相结合，为业务发展注入新的活力，增强业务的创收能力，提高利润。
Park说：“寻求在2023年提高市场价值的数据科学家需要了解金融、物流、营销或销售的来龙去脉，了解构建的模型和算法可以在哪些方面提高业务生产力和洞察力。”
相对而言，业务战略和数据科学融合是基础，而数据要素中的流通等是条件，只有企业的业务战略和数据科学融合，才能让数据变现。
转变2：从商业智能转向决策智能
显然光有这些还不够，人们需要建议、最优行动、关键点摘要和后续行动建议，而不仅仅是仪表板和大量的图表和图形。
Park表示，在2023年，主动建议(通常称为决策智能功能)将开始补充现有的BI仪表板，为业务分析提供附加值。
2023年，组织将趋向于从BI到DI(决策智能)。
BI是使用数据来为决策提供信息。与此同时，决策智能是使用增强分析和机器学习来自动显示导致决策和行动的见解。
几十年来，BI一直用于构建报告和仪表板，让组织做出比仅使用通过经验开发的直觉更明智的决策。
BI平台——从几十年前的Cognos和BusinessObjects到现代的Microsoft Power BI、Qlik和Tableau——一直是帮助组织与同行竞争的关键手段，通过使用数据来为决策提供信息，甚至获得优势。
这些BI帮助数据团队构建预测未来结果的模型，并促进业务用户的自助探索和分析，能够在刺激组织发展的瞬间做出决策。
不过BI的局限性逐渐显现，如它不可操作，因为基于历史数据；过于笼统，显示了汇总的趋势和模式，可能会错过推动潜在变化的细微差别；过于手动，需要人类筛选大量数据才能找到相关信息；无法预测未来的结果或为这些结果规定解决方案；不是自动化的等。
决策智能本质上是使用 AI 和机器学习来监控数据。每个组织都有一组对其成功最重要的业务指标。数据团队可以对决策智能平台进行编程，以对这些指标和驱动它们的数据进行全天候监控。
每当这些指标发生变化时，决策智能工具都会自动提醒关键利益相关者。同时由于他们可以在几秒钟内筛选数百万个数据点组合，因此可以揭示指标变化的原因，从而节省分析师找到根本原因所花费的时间。
根据相关分析，使用决策智能，数据工作者的生产力比单独使用BI工具高10到100倍。
正像Gartner报告所言，到2023年，超过1/3的大型组织将采用决策智能工具。
当然，决策智能工具不应该取代BI平台，而应该通过呈现原本需要数月才能发现的见解来补充BI，并提供后续操作建议。同时，BI需要决策智能功能来提高效率并满足组织的更高需求。
转变3：数据治理越来越多地转向AI
根据Eckerson Research分析师Kevin Petrie的说法，数据治理将在2023年发挥更大的作用。
ML技术将越来越多地被采用，通过帮助自动化数据流程和策略来改进数据治理技术。到2023年，越来越多的数据治理平台将得到应用，并将与其他数据资产一起应用于ML模型。
显然，自动化将影响就业。2023年，公司的自动化程度将影响员工的去留。正在寻找工作的人将被采用智能自动化的企业所吸引，这样可以让他们腾出时间从事更重要和更具战略性的任务。另一方面，反对自动化并继续依赖手动和低效流程的企业将很难吸引和留住员工。
数据治理(DG)是基于控制数据使用的内部数据标准和策略来管理企业系统中数据的可用性、可靠性、完整性和安全性的过程。有效的数据治理可确保数据一致且可信，并且不会被滥用。随着组织面临日益严格的数据隐私法规，并越来越依赖数据分析来优化运营和推动业务决策，数据治理变得越来越重要。
数据治理的关键目标是打破组织中的数据孤岛，以及确保正确使用数据，以避免将数据错误引入系统，并阻止可能滥用有关客户的个人数据和其他敏感信息。
除了更准确的分析和更强的法规遵从性外，数据治理提供的好处还包括提高数据质量，降低数据管理成本，并增加数据科学家、其他分析师和业务用户对所需数据的访问。最终，数据治理可以通过为高管提供更好的信息来帮助改善业务决策。
转变4：数据可观测性与安全性一样重要
数据可观测性将是2023年增长的一个重要领域，并在公司扩展其数据驱动方面发挥关键作用。
“数据可观测性可以让一个组织充分了解其系统中数据健康状况的能力，”Monte CarloCEO Barr Moses说，“数据可观测性工具使用自动监控、自动根本原因分析、数据沿袭和数据运行状况洞察来检测、解决和防止数据异常，会带来更健康的管道、更高效的团队和更快乐的客户。”
Gartner专注数据可观测性，将其称为“应用可观测性”，并将其视为未来10年十大战略技术趋势之一。应用可观测性“是指在业务功能、应用程序、基础设施和运营团队中以高度协调和集成的方法应用可观察数据，以实现从行动到反应的最短延迟，并主动规划业务决策。”
数据可观测性最根本的好处是确保数据可靠性。数据可观测性对组织的几大好处包括：
加速实现价值。数据可观测性平台应与组织的现有堆栈无缝连接，而无需修改数据管道、编写新代码或使用特定的编程语言。这将加快了数据价值实现的时间，并最大限度地提高了测试覆盖率，而无需进行大量投资。
满足安全性和合规性要求。数据可观测性监视静态数据，不需要从当前存储的位置提取数据。
最大限度减少停机时间。数据可观测性平台使用机器学习模型自动学习组织的环境和数据，使用异常检测来识别和加快问题的解决。
尽量减少误报。数据可观测性使用数据的整体视图以及任何问题的潜在影响，而不是单个指标。该平台应要求最少的配置和几乎没有阈值设置，以便组织可以避免花费资源来配置和维护嘈杂的规则。
轻松获得广泛的数据可见性。数据可观测性不需要事先映射需要监控的内容以及以何种方式进行映射。它可以帮助数据专业人员识别关键资源、关键依赖关系和关键不变性。
启用快速审计和故障排除。数据可观测性提供丰富的上下文、快速审计和故障排除，以及与受数据可靠性问题影响的利益相关者的有效沟通。
防止问题发生。数据可观测性公开有关数据资产的丰富信息，以便更改和修改错误。
转变5：每个产品都将成为数据产品
数据可观测性供应商Monte Carlo CEO Barr Moses预测，2023年随着组织寻求优化运营，几乎每个产品都将成为数据产品。到2023年，公司将寻求缩小数据生产者和消费者之间差距的技术，加快关键数据资产价值的实现。
数据产品是可重用的数据资产，旨在为特定目的提供受信任的数据集。它从相关数据源(包括原始数据)收集数据，对其进行处理，确保数据质量，并使任何需要它以满足特定需求的人都可以访问和理解它。数据科学家和分析师对数据产品进行分析，以通知预测分析、构建数据模型、构建新报表、协助机器学习等。
数据产品使数据集更易于理解、更易于发现，并且更易于作为数据资产进行访问。它通常对应于一个或多个业务实体(如客户、订单等)，由元数据和数据集实例组成。
数据产品的一些示例包括数据集、数据流、数据馈送或API，代码或数据模型，分析模型和仪表板等。
提供有用指标或易于理解的数据可视化类型的仪表板(如Google Analytics仪表板或Tableau支持的许多数字产品)是使用上述数据产品的很好的例子，因为它们甚至可以使非技术用户也能通过后续数据分析获得有价值的见解。
行动吧！让数据发挥其潜在的价值！
参考资料：
·https://www.techtarget.com/searchdatamanagement/feature/Data-forecast-for-2023-Time-to-extract-more-value
·https://globaldataexcellence.com/data-fabric-and-decision-intelligence-on-gartners-2022-top-strategic-technology-trends/
·https://www.techtarget.com/searchbusinessanalytics/news/252524690/Business-intelligence-needs-boost-from-decision-intelligence
·https://www.techtarget.com/searchdatamanagement/definition/data-governance
·https://www.techtarget.com/searchdatamanagement/tip/Data-observability-benefits-entire-data-pipeline-performance
扫
码
关
注
