從五大關鍵領域評估資料可觀察性的投資回報率ROI

資料可觀察性是一種變革性的解決方案，透過實時識別、排除故障和解決資料問題，使企業能夠充分發揮資料的潛力。然而，量化這一新技術的投資回報(ROI)可能具有挑戰性。

然而，資料可觀察性的投資回報率可以在五個關鍵領域整合成一個令人信服的業務案例，讓您能夠衡量切實的效益，並提出令人信服的投資理由。

1. 降低自制解決方案的成本

資料工程團隊通常需要投入大量時間來開發、維護和驗證資料質量規則。資料管道的複雜性和從多個來源進行驗證的需求使這一過程更加複雜，尤其是在資料結構不整齊的情況下。當下解決方案缺乏機器學習功能，在異常檢測方面也很吃力。

衡量影響： 要計算投資回報率，請考慮以下成本驅動因素：

• 開發和維護工程師人數。

• 每名工程師每年的全職當量(FTE)成本。

必須認識到，構建資料可觀察性系統與任何操作軟體一樣，需要工程(這裡指資料工程)資源、建模和構建異常檢測的資料科學專業知識、專門的質量保證團隊以及負責部署解決方案並確保其無縫執行的 DevOps 工程師。

雖然這些專業角色的薪資範圍可能各不相同，但為了簡化起見，我們可以計算出所有團隊成員的平均薪資。

計算公式：投資回報率ROI =(建設工程師總數 + 維護工程師總數)* FTE(美元)

2. 降低間接基礎設施成本

透過查詢驗證資料庫或資料倉儲中的資料，這是許多團隊的常見做法，會大幅增加成本，尤其是當這些系統根據使用情況計費時。這包括與查詢次數增加、儲存歷史資料質量指標以及雲管理和託管相關的成本。出於這些成本考慮，許多企業選擇只對樣本進行驗證和監控，結果導致資料質量改進有限，結果也不完整。

特定的資料可觀察性解決方案在設計時將全面的資料質量分析、儲存和託管功能整合到平臺中。這種方法無需將這些服務解除安裝到監控系統上，從而有效降低了相關費用。此外，這種方法還具有可擴充套件性，能夠檢測整個資料的資料質量問題，而不是僅僅依賴樣本。

衡量影響：將這些成本細分為

• 與驗證查詢相關的資料庫超時費用百分比。

• 保留歷史資料質量指標的額外儲存成本的百分比。

• 為支援大規模資料質量而增加的雲託管費用的百分比。

計算公式：投資回報率ROI=(年度資料倉儲成本 * 與資料驗證查詢相關的超時費用百分比)+ (年度儲存成本 * 儲存歷史資料質量指標的超時費用百分比)+ (年度雲基礎設施成本 * 大規模託管資料質量的超時費用百分比)。

在許多企業中，基礎設施成本通常由一家提供全面服務(包括資料倉儲、儲存和雲託管)的供應商承擔。在這種情況下，計算投資回報率時需要將基礎設施總成本乘以一個百分比(通常在 10% 到 20% 之間)，以表示資料質量監控所增加的影響。例如，如果企業每年的雲資料倉儲費用為 100 萬美元，那麼實施資料質量和可觀察性可產生 10% 的間接影響，相當於每年 10 萬美元。

3. 減少事件管理案例

事件管理通常是對資料質量問題的被動反應。透過資料可觀察性轉向主動預防是理想的，但並非總是可行。當資料質量問題導致下游系統不準確，影響業務應用，甚至影響客戶時，業務團隊通常會參與問題的識別、調查和解決。這會對更廣泛的組織產生影響，因此在分析資料可觀察性解決方案的投資回報率時應將此因素考慮在內。

衡量影響：資料團隊通常根據嚴重程度對事件管理進行分類。例如，一家公司將資料事件分類如下：

• 小問題：

數量： 每次迭代 0-1 個

解決時間： 2-3 天

參與人數： 1

• 中型事件：

數量： 每季度 3-4 起

解決時間： 3-4 天

解決人數： 2

• 危急事件：

數量： 每年 1-2 起

解決時間： 5-10 天

解決人數： 10 人

為簡化起見，您可以將事件分組，然後計算所有成本驅動因素的平均值。

• 每年平均事件數量。

• 解決事件的平均時間(小時)。

• 正確檢測和修復這些問題的平均小時成本。

計算公式 ROI =(每年平均事件數量)*(檢測和解決事件的平均時間小時)* (平均每小時成本)

4. 為更好地決策建立可信資料

前三項投資回報收益主要集中在成本節約方面，而後兩項則深入探討了實施資料可觀察性可能帶來的收入增長。

要確定資料可觀察效能直接帶來多少收入增長可能比較複雜。例如，如果資料可觀察性提高了客戶資料質量並導致客戶保留率的提高，這並不完全是可觀察性的功勞;其他因素，如員工的能力或最近的產品改進，可能也會發揮作用。

要計算投資回報率，應確定問題範圍，並衡量資料可觀察性對改進的潛在影響。

衡量影響： 定義問題陳述、問題的基準值以及可歸因於資料可觀察性的改進部分。讓我們舉例說明。

• 問題陳述：“不準確的資料阻礙了我們的[業務目標，如客戶保留率]”。

• 基準值：“不準確的資料導致企業每年花費 X 美元”。

• 可解決範圍：“我們預計將這一問題改善 Y%，同時認識到由於資料質量以外的因素，一些收入損失是我們業務固有的。”

• 資料可觀察性的預期改進：“我們預計 Z% 的改進可歸功於資料可觀察性解決方案。”

計算公式：投資回報率ROI = 基準值(X 美元)*可解決範圍(Y%)*預期改進(Z%)。

值得注意的是，雖然資料可觀察性有助於提高資料質量，但它只是影響資料質量的幾個因素中的一個。其他因素包括提高團隊技能、完善流程、開展深入研究以及在資料可觀察性的基礎上整合補充工具。

5. 加快資料產品實現價值的時間

資料產品越來越受歡迎，但其成功有賴於高質量的資料。資料可觀察性是一種及時發現和識別資料問題的系統方法。這種方法不僅能加快資料產品的上市時間，還能建立實時分析和補救流程，確保消費者訪問這些產品時的可靠性。

衡量影響：要計算對資料產品的影響，評估資料質量和一致性問題導致的上市時間延遲至關重要。一些資料可觀察性工具提供低程式碼、無程式碼介面，可促進業務和技術使用者之間的協作。這加快了資料質量的開發和測試，幫助您更快地實現收入目標。這些工具使用機器學習(ML)來評估資料質量並識別異常值和異常現象，從而簡化了原本耗時且依賴猜測的流程。

此外，這些可觀察性平臺還能利用歷史資料趨勢實時檢測意外資料問題。這種實時監控能力使產品和工程團隊有能力確保資料產品的持續健康和可靠性，從而促進收入增長。

計算公式：投資回報率ROI = 資料產品每年的年收入 * 因不良資料導致的上市時間延遲

結束語

以上只是資料可觀察性產生巨大商業利益的五個方面。雖然並非適用於每個組織，但每種情況都對實現資料可觀察性的潛在價值起著至關重要的作用。在制定業務案例時，請與您的執行團隊一起回顧這一框架，並考慮所有成本驅動因素和創收機會。將總投資回報率記錄並分解為明確的實施時間表。資料可觀察性不僅僅是一項支出，更是一項投資。它可以減少用於排除故障和糾正資料問題的時間和資源，降低基礎設施成本，加速資料產品，並最終幫助您增加收入。

作者 Farnaz Erfan 是可觀測性工具提供商 Telmai 的創始發展主管。