我们在问这个问题“什么是数据智能?”“因为我们希望所有的数据公民都能像我们一样理解和欣赏它的价值。
什么是数据智能?
数据智能不是一个可爱的口号或抽象的概念:它是最优的、可实现的和巨大的好处。在这样的运营环境中——充斥着海量数据，不断涌现的新技术将提供更多数据，在不断演变的合规要求的压力下，一直在追求数字转型——数据智能至关重要。
然而，这种理想状态只有在充分理解的情况下才能实现。没有一个一次性的策略或资源分配可以完成它。当然，它需要特定的技术来支持企业范围的数据整理和部门间的协作，但还不止于此。这意味着创建策略和流程以允许对正确数据的授权访问，始终保持完全的透明性和上下文。同样重要的是，开发度量标准以确保系统在工作，并且可以进行更改以调整和增强每个步骤。
这不会在一夜之间发生——即使是现在，在太多的企业中，数据无处不在却又无处不在，被锁在完全不同的竖井中，耗尽资源，阻塞流程，接近于不合规。狗万新闻c数据智能意味着改变这种动态。它释放了内部和外来数据的价值，并将其转化为具有战略和竞争力的资产。
如何实现数据智能?
首先，考虑一下技术——大多数组织肯定都在这么做，即使它是以反应模式开始的。然而，有几个因素需要更清晰的关注。
- 这些基础设施中经常缺少的是提供跨整个数据景观的完全可见性的基础。许多组织都有随时间增长的异构数据管理技术混合，而碎片化导致了筒仓网络。一个综合的、基于云的平台可以确保企业的安全，并可根据可靠性、隐私性和合规性等特定标准进行升级。
- 这一切都与目的有关——数据应该是安全和兼容的，但它也必须服务于业务需求。应该有一整套解决方案来自动化治理和隐私保护;manbetx1.0下载无论位置如何，提取正确的数据;应用单一定义，以确保用户在相同的基础上进行构建;优先考虑同意、使用和保留政策;并依赖有效的数据透明性和沿袭来交付有意义的业务智能。这就是数字化转型之路。
- 技术是动态的，这必须根植于企业的DNA中——不断有创新出现，在它们出现时对它们做出判断是很重要的。到2021年，人工智能和机器学习可能会占据75%的企业应用程序，所有的基础设施必须具备将这些应用程序的最佳功能整合到一起的灵活性。
但这里还有一个更重要的变量。数据智能是人与过程的问题:智能是根本人类所以我们需要相关的政策和流程推动知识共享和协作。这需要一场革命。
我们从哪里来
曾经有一段时间，所有的企业技术都属于IT团队，这是一组经验丰富的从业者，他们独自拥有破译编码语言和软件的知识。今天，这很可笑——IT消费化已经引发了比温室更大的创新。我们需要对数据进行类似的转换，并接受这样一个概念:数据不仅属于数据架构师和管理员，而且属于整整一代知识工作者。
数据可以是结构化的，也可以是非结构化的，可以是正式的，也可以是特别的，可以是自动的，也可以是手工的，也可以是众包的，但必须是有特色的透明度和上下文。在没有适当的背景的情况下，我们附加自己的判断，这可能是不正确的。必须抛弃数据管理的筒仓性，取而代之的策略是，在每个知识工作者访问所有适当数据时，附加正确的上下文和透明度，然后传递添加上下文和清晰。
现在什么?
这里没有黄金法则——每个机构必须评估自己的哲学和网络设置，以创建成熟的数据文化。它必须适合我们通常是随机的联系方式，或者由成熟的研究或个人数据激发的灵感。核心任务是让知识工作者更容易找到他们需要的数据、从中学习、添加数据和与之协作。
可以把它看作是一个公司范围的知识图，它将数据元素与业务术语、数据质量分数、系统、业务流程、策略、数据集、报告、算法等等联系起来。这是完全可见性，并且它显示了对“什么是数据智能”这个问题的答案。
它不仅惠及少数高管或特定学科;它包含了所有内容，并帮助重新设想整个企业的每个功能。它赋予每个人使用数据解决问题、实施想法和发展业务的能力。它促进协作来驱动业务价值。它提高了运营效率，并发现了新的收入机会。它让数据做它应该做的事情:提供战略价值。
这里有一个可能的目标:
数据能让你重新创造、数字化或消除80%的业务流程，甚至是十年前的产品吗?(这是研究公司对2020年的预测，Gartner几年前)。答案很可能是肯定的。与此相关的是，一些分析师认为，内部数据应该作为企业优先考虑的事项，列在资产负债表上。当数据本身不再被视为目的，而是被视为提供新见解和推动更好决策的强大武器时，这种情况就会发生。数据智能让我们做到了这一点。
最后，让我们接受这一切都不是静态的。随着新技术和数据流的出现，随着新的收入机会出现在地平线上，随着拥有不同兴趣和技能的新专业人员被聘用，相应的政策必须做出相应调整。数据智能不会停滞不前——它让我们不断前进。
