如今，企业从各地接收大量

ratna247

数据——客户调查、订单数据和网站行为跟踪等等。但他们是否充分利用了这些数据？ 不总是。根据 NewVantage Partners 的一项研究，只有 24% 的组织是数据驱动的。其他人仍在努力统一数据并将其用于商业智能目的。 您并不是唯一一个想要改进企业使用数据的方式的人。本文涵盖了实现这一目标所需的一切，从评估当前的数据成熟度到加强数据素养。 什么是数据成熟度？ 数据成熟度是组织利用其数据发挥优势的能力。数据成熟度较低的组织仅分析一小部分数据。成熟度高的企业将数据集成到每个流程和决策中。 为了利用数据，组织需要工具和流程来统一和分析来自不同来源的大量信息。如果他们找到一种方法来统一数据并为分析做好准备，他们就可以改进流程，为客户提供更加个性化的产品和服务，并做出更好的决策。 为什么数据成熟度很重要？ 更高的数据成熟度意味着更高的运营效率。您可以分析数据以确定哪些流程可以自动化、哪些流程需要更多资源、哪些员工需要更多培训等。 充分利用客户数据的能力也是非常宝贵的。

达到数据成熟度的企业可以通过分析客户的信息来了解客户的偏好、定制沟通、预测问题并制定产品创意。例如，公司可能会对客户调查数据进行情绪分析，以寻找新产品的创意。 德勤对新闻和媒体公司进行了一项研究，发现 9% 的参与者已经达到了高水平的数据成 牙买加 WhatsApp 号码列表  熟度。这些公司利用受众数据来改善读者体验、基于受众的广告并优化订阅服务。 这些好处不仅限于新闻和媒体公司。通过实现高水平的数据成熟度，任何组织，无论其行业如何，都可以为其客户、合作伙伴和其他利益相关者的利益做出明智的决策。 如何衡量组织的数据成熟度 您可以使用外部数据成熟度评估或创建您自己的评估。我们建议根据这个五级数据成熟度模型对您的组织进行排名，范围从初学者到原生： 初学者：数据保存在孤岛中；该组织的成员仍然使用 Microsoft Excel 或 Google Sheets。 业余爱好者：组织使用整合平台和数据准备工具，但这些工具和流程只能处理有限的数据量，并且数据质量通常是一个问题。 数据领导：组织设有首席数据官或类似职能。该组织投资自动化工具。



语言熟练程度：组织使用预测数据建模和其他数据管理工具。数据用于决策过程。 Native：预测分析用于为决策者建模信息。数据治理框架已经到位，并有一个负责其实施的团队。组织中的每个人都具有数据素养。 您还可以使用Gartner 的数据质量成熟度模型或Dell 的四步模型。 要在内部评估您的数据成熟度，请考虑创建一项详细的调查来检查： 您当前用于存储、清理、准备和分析数据的所有工具。 您制定的有关数据完整性和质量的任何标准（您的数据治理框架）。 您组织中的所有数据专业人员。 您组织中数据素养的总体水平。 在调查中，提出以下问题： 1. ○ 高 ○ 中 ○ 低 ○ 非常低 ○ 不知道/不适用 3.您的组织雇用了以下哪些数据专业人员？（选择所有适用项） ○ 数据分析师○ 数据科学家○ 数据工程师○ 数据架构师○ 数据库管理员○ 业务分析师○ 其他（请注明）4 .您如何评价您组织中数据素养的总体水平？（选择一项）○ 非常高○ 高○ 中○ 低○ 非常低○ 不知道/不适用 一旦您评估了您使用的工具以及组织中的人员如何使用它们，您就可以将您的数据成熟度映射到我们上面提到的五级数据成熟度模型。例如，如果您使用Google表格并且您的数据素养较低，那么您的组织正处于初学者阶段。考虑为您的数据科学家和分析师创建一个类似的调查，以确定您在数据成熟度方面的立场。