資料驅動背後的“陷阱”

從AI工程到超自動化，更多應用資料的有效方式出現，遍及所有商業領域，也被Gartner認為是“2021年十大戰略性科技趨勢”的重點。

想在後疫情時代獲得發展，“以資料為中心”不再是可選項，而是必選項。

但同時，據《哈佛商業評論》2019年的報導，多達77%的高管們將應用大資料和AI看做是最大的挑戰。更糟的是，這個數字在過去幾年中呈指數級增長。

這一趨勢是否會在未來十年持續下去？在向資料驅動體系轉變的過程中，企業努力想要高效利用資料卻又力不從心。大多數企業都不知該如何擺脫這個困境。

尤其是零售業，一些最有價值的商業智慧就是從交易資料中獲得的。這曾經是個簡單的過程，我們用Excel甚至手工計算就可以算出市場需求和理想定價。但現在，傳統的資料分析方法已經遠遠不能滿足需求了。資料規模之大讓我們連一知半解都無法做到，更別說從其中獲得有用的洞察。

大資料已經改變了問題的性質。

難點不再是如何收集資料，而是如何高效利用資料。

當我們擁有了海量的交易資料，最讓人感覺手足無措的就是“接下來怎麼辦”。

換句話講，在商業場景中，大資料最重要的賦能，就是將資料轉化為幫助企業提升ROI的決策。資料必須是要能指導行動的，帶來的價值必須要高於分析的成本。相比之下，資料的質量比數量更重要。而價值則衡量了可用資料的最終質量。

企業是否能夠做好這第五個V非常關鍵。就算我們遵循前四個V收集到了好的資料，也並不意味著就真的有用。不產生價值，資料就沒有任何用處。

幸好，如果能實現資料引入（data ingestion）和分析的自動化，平衡並沒有想象的那麼難。

資料引入可能會特別複雜，但可以在一些工具的幫助下將這個過程自動化。如EvoFlow、AirFlow等工具可以編排資料流並執行一系列的檢查，來保證我們所使用的資料井然有序。透過對流程的自動化和二次檢查，這些工具確保資料符合前四個V的要求，讓我們能夠把注意力放在價值上。

同時，自主化系統可以讓價值最大化，而價值也是每一家企業最需要關注的方面。分析，是將海量交易資料和其他業務資料最終轉化為洞察的一步，這也是大資料能幫助企業完成KPI和成功佔領市場的地方。沒有自動化的分析，就無法最佳化價值。