
信息管理和IT定位:大数据时代的三点启示
时至今日,大型企业中有超过80%的员工依赖数据来做出重要的商业决策。为了让 员工能够通过任何设备,对数据进行随时随地的访问,IT部门正承受着巨大的压力。而且,由于员工希望在工作中能够使用自己的设备来访问企业数据,整合和可 用性方面的新挑战也随之出现。那么,在大数据时代,IT的角色该如何定位呢?
根据CEB对2017年的展望,为了提升员工的信息化程 度,IT将会在信息管理和整合方面加大力度。信息管理的范围将会从核心的企业系统向外延展,后者大概只有一半的企业员工会接触到。这种扩展的主要方向是将 散落在本地团队、业务线或员工台式机上的非结构化信息包含进来。
但是,随着对数据–尤其是大数据–访问程度的加深,也会导致新问题的出 现。随着数据规模的不断增长,员工可能受到数据噪音的干扰,来自多个渠道的数据可能会导致分析乃至决策进程的延迟。鉴于这种海量、杂乱且公开化的数据现 状,必须构建新型的信息管理方案。我们的研究表明,CIO们对于以下三方面尤为关注:数据可用性、数据驱动决策趋势下的服务台角色、大数据时代企业IT部 门的未来。
可用性非常重要。除了可访问之 外,如果数据的质量和相关性足够让员工信任,那么企业从信息管理和分析中受益的可能性就会上升5倍。现在的情况是,只有不到半数的员工认为企业所提供的数 据是有用的。IT面临的挑战是,在设备和接口技术快速变化的过程中,保证数据的可用性。实际上,轻量级的app正驱使数据向员工交付的模式发生变化–无论 这种变化是好或坏。我们希望可用性的标准成为数据环境的不可分割的一部分–在这个环境中员工可以访问企业的应用和内外部数据。站在员工的角度,希望数据能 和不同的前端接口(比如原有的内部接口和自供给的应用模式)无缝集成并安全交付。对IT而言,就是要为此提供安全的集成服务。
即使企业投入巨资来获取和集成来自学界、供应商和客户的数据,仍只有不到40%的员工(根据我们对数千名员工的调查)拥有足够成熟的流程和技能。因此,基于巨大投入才获得的数据,企业内部人员却有可能做出错误的决策。
那么,该如何提升其余60%员工的技能呢?CIO可以让业务伙伴来强化分析技能,而IT也能在培训员工如何有效利用数据方面承担关键角色。这其中一个关 键点就是服务台。随着员工对技术的兴趣提升,以及技术本身也更具易用性,我们认为IT作为单纯技术支持角色的阶段将成为过去。IT将从技术转向更全面地综 合技能支持,服务台将成为横跨多个业务单元的整体支撑平台。
未来场景将是如何呢?我们可以假想一下,当某位员工联系跨业务的服务台,询问如何计算某部分客户群体的生命周期价值。IT的代表将会帮助其找到所需的数据和分析工具,而来自市场部门的代表将会指导其如何用工具来分析这些数据。
在一个超过80%员工都在使用数据支持决策的时代,企业高管对于数据的需求和可用性认知已经不再具有代表性了。在先进的企业中,IT已经开始直接与一线员工和企业高管一起梳理该如何提升生产率。这需要来自IT的技能和来自诸如市场与产品部门的专业知识。
大数据已经到来,员工端的计算正在经历着巨大变化。如果员工的决策能够更加快速合理,企业将获得显著的竞争优势。而IT可以在其中扮演关键性的角色,但是必须改变现有的角色定位和价值主张。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12