普华永道一项CEO调研中显示，尽管很多企业已经认识到数据驱动对公司战略至关重要，但实际上企业所需的洞察和实际可得的洞察之间的差距在过去十年里并未缩小。长此以往，随着数据量的加速增长，情况只会越来越糟。

首先，传统企业往往难以将数据处理成可用和可信的情报，常见的原因有数据过于分散、可靠性差和企业缺乏分析能力等。

其次，障碍还在于不兼容的遗留系统以及不同类型的数据可能以不同的格式存在于企业的各个部门，企业难以对数据进行可靠的比较或组合。

另外，在很多案例中，投资于可整合大量数据的平台并未帮助企业解决这个问题。此类投资计划通常不考虑特定用例，或是缺乏灵活性、无法延伸技术以满足后续需求。在其他情况下，数字化重塑只集中于单个项目，而非企业的核心业务。如果没有得到广泛应用和后续支持，企业最初数字化转型的决心就可能会动摇。

如何成为数据驱动型企业？

数据的力量取决于使用方式。企业须明确定义数据的用例，将其运用于更广泛的议程中。成功的企业通常会确保其业务战 略和创新计划是建立在数据驱动决策之上的。前提之一，是将数据视为一种资产，能够直接影响公司的业绩。管理层对数据项目的支持至关重要，要完成数据转型，需要各分公司及时将洞察反馈到总部，在集团级别制定业务计划。 例如某软件公司建立了一种数据驱动的运营模式，能够显示企业的整体经营状况，并记录客户发现、试用、购买和续约产品的全过程。通过在建立详细客户模型的过程中，不仅可以基于交易记录，还可以基于行为习惯、经验洞察和数字触点。因此，企业可以更准确地预测客户会在什么情况下考虑更换供应商，或者考察某客户是否适用公司其它产品，因而让公司采取正确的行动，如在正确的时机进行交叉销售或向上销售等。

要将数据转化为优秀的业绩，首先必须将其整合为能帮助决策的有效洞察。为了最大程度地发挥其影响，数据访问不应仅限于管理人员。相反，我们的目标应该是把有效的数据输送到需要的地方和一线工作人员手中。为了真正将数据分析和应用嵌入主流思想和行为中，企业需要研究如何将数据洞察预先注入到现有的业务流程中。 例如某通信公司，其每个决策都是基于数据的。该公司监控生产状态和性能、产品的安全状态、账单结算（哪些客户尚未付款）等等。一旦从这些数据中提取出有效信息和见解，就会向有需要的团队提供实时报告。更方便的是，团队可以在状态界面上进行查询和运行数据，这样就可以立刻获得他们所需要的信息和见解。

选择合适的技术将对企业的数据运用能力产生重大的影响，特别是在提取有针对性的数据和运行方面，使它们能 够打破“数据孤岛”，抓取底层数据，并将其与其他数据来源进行整合，以发现对企业有帮助和有意义的数据信息。这一方面的成功取决于能否将计划中的技术创新应用到企业以及各个业务功能的战略优先级和特定需求中，而不是仅仅培养数据处理能力。同样重要的是，要为以后的技术进步留出空间。掌控本地解决方案和云计算之间的平衡可能是一种切实可行的前进方式，使得地理位置分散的数据需求者能够立即获取他们想要的信息。 另一个纳入考虑的因素则是使数据处理过程简易化的技术，如人工智能（AI）、机器学习（ML）和增强现实（AR）。在生成更细致入微的数据洞察和使用创新技术运行数据方面，这些工具发挥着关键作用。例如，人工智能和机器学习可与物联网相结合，以监控新增的大批量数据反馈，或者与社交媒体聆听工具相结合，旨在衡量不断变化的市场趋势和客户偏好。 最终，数据驱动型企业不是那些坐拥大量数据的企业，而是那些经过数字化重塑的公司，利用数据洞察，为客户、收入 和利润带来可量化的差异，才可适用于企业的未来长期发展。

神州数码与Jedox全面合作，打造Jexdox中国首个公有云Jedox平台，成为中国区云独家代理，为中国用户提供安全、可靠、及时、可扩展的全面预算公有云解决方案。