在過去的十幾年中，數據已成為區(qū)分企業(yè)優(yōu)劣的主要依據。冠狀病毒(COVID-19)大流行無疑使數據的價值越來越高，因為這樣的大流行可以促使企業(yè)，政府和衛(wèi)生專業(yè)人員將目標轉向旨在保護和挽救生命的各種干預措施。現(xiàn)在，冠狀病毒危機所造成的經濟后果威脅著組織的健康，因此數據將再次發(fā)揮重要作用。

[[337167]]

盡管領導者們可以放心的是組織已經從大流行中先后復蘇，差別體現(xiàn)在數字化方面，正當他們努力確保組織的財政基礎并了解新的增長來源，他們不得不回答大量問題：哪些部門和領域將推動需求?哪里需要頻繁接觸供應鏈?對于更熱衷于數字化且很可能繼續(xù)需要遠程且靈活的籌劃的客戶群和員工隊伍，為他們提供服務的最佳方法是什么?

要回答這些問題就需要大量的數據并且具備高效使用這些數據的專業(yè)知識。企業(yè)將不得不對來源不一的信息進行建模，在更多渠道上應用洞察并持續(xù)進行這些工作，同時確保數據沒有受到污染，隱私受到保護以及合規(guī)性方面的責任符合要求。

培養(yǎng)能做到上述要求的能力則要付出一定的代價。大多數公司不得不將其數據架構現(xiàn)代化，從新的源頭獲取數據，設計各種算法對數據進行建模并從中獲得洞察，雇用或培養(yǎng)人才來做這一切。這一切代價可大可小，從中型組織花費數億美元到大型公司花費數十億美元等等。在冠狀病毒危機發(fā)生前，許多組織都計劃要在數據上投入更多的錢，而這場危機則很可能使這種需求只增不減。由于組織的收入已經受到了這次大流行的影響，企業(yè)可能很想知道在哪里可以找到滿足資金需求的資源。

令人驚訝的是，答案可能來自更好地管理數據。將更大的管理規(guī)則應用于經常擴展數據架構，數據源和數據使用實踐的這一做法可以節(jié)省大量資金。我們的客戶工作表明，只要在五個領域實現(xiàn)更高的可見性，標準化和監(jiān)督，公司就可以恢復并重新部署其當前數據支出的35%。更為理想的情況是，人們提出的許多改進都可以快速得到應用。在我們所經歷的例子中，各大企業(yè)在半年內節(jié)省的開支就達到兩位數的百分值。從長遠來看，將這些變革制度化并擴大這些變革可以帶來更大的收益。

數據也許非常多，但管理數據并不便宜

由于成本分散在整個企業(yè)中，許多組織并不知道自身在數據上花了多少錢。例如，第三方數據支出可能由業(yè)務部門的預算來承擔，報告成本則由相關的公司職能來承擔，而數據架構方面的支出則由IT來管理。

這些成本合在一起時，數字可能會令人震驚。例如，一家運營成本高達50億美元的中型機構在第三方數據采購，架構，治理和消費方面的數據支出超過2.5億美元。這四個支出領域的數據成本的構成則因行業(yè)而異。例如，包裝消費品等不直接與客戶互動的行業(yè)在數據采購上的相對支出往往比較高。但是結果仍然不變，即在大多數組織中，管理數據是成本大頭。

因此解決這一分散化問題就可以快速取得成效。數據源，體系結構，治理和使用方面的有針對性的改進有助于公司減少浪費和人力工作并可以更輕松地獲取高質量數據。這些努力可以在短期內將年度數據支出減少5%到15%。從長遠來看，公司可以加倍節(jié)省成本，其方法是對核心流程進行重新設計和自動化，集成各種先進技術并引進新的工作方式。為了獲得這些好處，以下是領導者們必須做的四件事。

優(yōu)化第三方數據采購

美國一家地方銀行在算完賬后發(fā)現(xiàn)它每年大約花費1億美元來獲取信貸風險數據，市場數據以及其它外部數據。為了資助更廣泛的數據轉型，該行必須降低這筆開銷。該行首先清點了其許可的所有不同數據及其使用頻率。它發(fā)現(xiàn)，少數第三方數據源占所有用量的大頭;它還發(fā)現(xiàn)，不需要實時獲取更新的人正在使用大部分數據。銀行可以將數據成本削減多達20%，其方法是消除未使用和未充分利用的數據饋送，按數據訪問來定義更清晰的權限，使信用風險評分和其他專有數據被重用更長的時間，

這些細致周到的措施可以減少不必要的第三方支出。修改現(xiàn)有供應商合同并為最常用的數據饋送設置使用上限，這樣就可以帶來更多收益。后來，由于大量合同需要續(xù)簽，公司可以將其獲得的價值和價格與其它數據源(數量正在迅速增長的數據源)進行比較，從而找到最合適的價格并議定最優(yōu)惠的條款。

我們還建議建立一個由業(yè)務部門和職能級別的網守(gatekeeper)組成的中心供應商管理團隊，以監(jiān)督數據訂閱，使用條款和續(xù)訂日期。憑借適當的采購和業(yè)務贊助，該團隊有助于管理公司對第三方數據的需求并優(yōu)化供應商協(xié)議。

簡化數據架構

有一家先進的全球銀行在整個業(yè)務的不同孤島中擁有600多個數據存儲庫。管理這些存儲庫使該行每年損失20億美元。由于該行意識到這是不可持續(xù)的，它成立了由首席信息官和相關業(yè)務負責人組成的聯(lián)合企業(yè)數據架構團隊。他們一致同意將數據環(huán)境簡化為40個唯一的域并將“黃金資源”存儲庫標準化，從而使其能夠縮小規(guī)模并在某些情況下完全停用數據存儲庫。這樣的精簡節(jié)省了4億多美元的年度數據成本，同時還提高了數據質量，使該行更容易更新系統(tǒng)并將洞察整合到流程中。

許多成熟的組織也像這家銀行一樣因數據存儲庫七零八散而困擾。存儲和維護這些工具可能會消耗掉平均IT預算的15%到20%。由于數據管理協(xié)議沒有充分標準化，這也可能帶來驗證方面的麻煩，團隊因為要尋找所需的信息而浪費時間，當他們用錯數據時，他么會發(fā)現(xiàn)錯誤越來越多。為了獲得所需的績效，組織必須重新討論其核心數據體系結構。

短期來看，組織可以通過優(yōu)化基礎結構來節(jié)省成本，例如，它們可以將歷史數據轉移到低成本存儲中，提高服務器利用率或不再續(xù)簽服務器合同。此外，公司可以認真研究整個體系結構開發(fā)的產品組合，放緩或停止優(yōu)先級較低的項目，同時還可以減少高成本供應商資源的部署。同樣，公司不必等待目標架構來從其數據中獲得價值。應用程序編程接口(API)的更廣泛使用可以使企業(yè)將深埋于遺留系統(tǒng)中的數據投入工作而不必設計昂貴的自定義工作流。

長遠來看，更為大膽的，具有轉型意義的變革可以節(jié)省更多的錢。例如，將數據存儲庫遷移到通用的現(xiàn)代數據平臺(如數據湖)并將基礎設施變?yōu)橐栽茷橹行牡脑O計，使公司將遺留環(huán)境合理化并降低處理計算和存儲高峰所需的平均容量。此外，組織可以發(fā)起各種變革，從而更廣泛地提高生產力，例如，采用各種指標和記分卡來提高績效，將需要人工介入的活動自動化并將某些資源近包或外包。

設計數據治理以實現(xiàn)價值

有一家領先的礦業(yè)公司擁有數百個運營數據源，這些數據源分散在多地的小倉庫中。該公司每創(chuàng)建一個新的分析用例或數字應用程序都需要花數月時間進行數據發(fā)現(xiàn)、數據提取、數據清理和數據管道工程設計，因為它幾乎沒有數據文檔和通用的標準可用。該公司啟動了一項集成的技術現(xiàn)代化計劃，該計劃涉及從內部部署到基礎的云優(yōu)先方法的轉變以及一個數據操作模型，該模型基于聯(lián)合的，標準的數據架構和規(guī)范的基于域的數據治理而擴建。這樣就可以創(chuàng)建可重用，可持續(xù)和易于訪問的數據資產，從而大大減少數據工程的時間并提高應用程序的穩(wěn)定性和可維護性。數據域以用例和價值回饋的方式與業(yè)務一起得到開發(fā)和實施。

我們的研究表明，這個例子并非異常。如果沒有清晰的可用數據，數據用戶可能要花費30%到40%的時間來搜索數據，如果沒有可靠的數據控件，他們可能將20%到30%的時間用于數據清理。而高效的數據治理可以減少這類麻煩。建立數據字典，創(chuàng)建可追溯的數據沿襲并實施數據質量控制，這些做法可以顯著提高生產力和績效。

同時，公司不想施加太多的限制而導致治理本身成了一個代價高昂的障礙。只要關注范圍，將嚴謹性與風險結合起來并應用技術，組織就可以幫忙取得適當的平衡。我們建議組織根據需求，價值和風險來確定工作重點，而不是試圖治理所有的數據源和使用。例如，先進的組織往往會限制數據治理的范圍，如少于50個報告和2000個數據元素。

考慮到合規(guī)性和其他需求，組織必須做出調整，搞清楚哪些活動需要最嚴格的數據協(xié)議，哪些活動僅需要基本的數據衛(wèi)生。例如，營銷組織可能希望對敏感的客戶數據采用比事件計劃數據庫更為穩(wěn)健的控件。組織在所有的功能間取得平衡——從數據字典的廣度和深度到應用數據控件的頻率和精度。例如，有一家北美銀行在數據沿襲上(data lineage)花費了1億多美元，它通過縮減所需的粒度(從數據元素級別到數據饋送級別的粒度)并在數據元素樣本中進行交易測試來做出補償。

善用技術還可以提高績效和成本。有一家北美銀行的反洗錢(AML)流程的誤報率高達95%。該銀行的40人反洗錢團隊為了找出這些誤報的案例而不堪重負。為了解決這個問題，首席數據官們嚴格遵守機器學習模型的合規(guī)性和分析，該模型減少了誤報次數并將反洗錢帳戶審核工作減少了75%。

簡化數據消耗

根據我們的經驗，企業(yè)每天生成的報告中有30%到40%幾乎毫無價值。有些是重復的，有些則沒有得到使用，結果浪費了大量資源。

為了更高效地管理消費，一流的公司按主題制定各種報告，例如商業(yè)報告和董事會報告。然后，他們會重新設計數據收集流程，將管道自動化，研究新的方法來對數據進行建模和可視化并以無紙化方式部署各種成果。快速的原型制作和測試周期完善了報告生成過程。這種整體方法有助于在整個組織中將生產綜合起來，從而確保生成的報告和度量標準都十分高質量并且無需花費太多精力來打理。有一家歐洲銀行使用此類方法將報告數量減少了80%并將與報告相關的成本減少了60%。

組織可以通過自助服務為員工提供商業(yè)智能功能，從而獲得更多收益。其余的業(yè)務智能資源則可以專注于更復雜的報告需求和問題補救措施。

采用數據驅動的方法來優(yōu)化其他職能部門的成本

組織不僅可以通過兩種方式來節(jié)省成本，即提高數據功能內的效率和性能或應用數據來確定業(yè)務其他部門的潛在成本節(jié)約。采購是一個特別有前景的領域。例如，只要使用人工智能，企業(yè)就可以檢測到不同地點的高于平均水平的能源消耗率或非典型的出行成本的規(guī)律，然后利用這些洞察，就如何獲得更高的效率提供建議。同樣，專用算法可以掃描各種發(fā)票、供應商數據、合同數據和服務使用情況，從而發(fā)現(xiàn)基本支出中的異常情況。在某些組織中，這種做法有助于降低總采購成本，降幅高達10%。例如，有一家歐洲家庭電器制造商使用高級分析功能掃描了5000家供應商的1200萬張發(fā)票，從而發(fā)現(xiàn)了將總成本降低7.8%的機會。

調動降低數據成本的計劃

組織實施數據成本削減計劃的程度和速度取決于其戰(zhàn)略目標和當前的經濟環(huán)境。有些企業(yè)可能希望將節(jié)省出來的大部分數據成本算到利潤里。另一些企業(yè)可能希望盡快將自身的功能現(xiàn)代化。無論速度是快是慢或規(guī)模是大是小，我們建議組織通過以下工作來奠定基礎：

• 要重視數據成本，將其視為一項跨職能的工作重點。首席財務官(CFO)、首席采購官、業(yè)務主管以及關鍵數據和技術負責人需要參與進來。有這樣一群人的支持非常重要，因為大多數數據成本通常不是由數據組織內部負責的，很多情況下是共同監(jiān)督的。
• 創(chuàng)建當前支出的清晰視圖。制定跨職能的基準，該基準必須同時考慮到直接成本(例如，硬件和軟件的許可費以及數據辦公室員工的報酬)和間接成本(例如，管理和補救數據質量，手動編制用于月度報告的數據所涉及的高效的相當于全職人員的人)。
• 盡早估算潛在價值以吸引注意力。通過預期的影響和可行性快速發(fā)現(xiàn)各種省錢的機會并確定其大小和輕重緩急。著力于最大的機會，而不是探索各種可能性。
• 為此工作指定明確的負責人。這樣可以確保有人負責和執(zhí)行高效的協(xié)調工作。在許多組織中，數據成本計劃由數據組織內的負責人在首席數據官的監(jiān)督下進行管理。

減少數據成本的計劃除了可以帶來近期的收入影響外還可以創(chuàng)建更高效的數據基礎。當這些組織在冠狀病毒流行時嶄露頭角時，這些付出將使組織能更快地進行轉型并使他們準備好長期保持領先地位。