在2017年3月McKinsey公司对500多名高管的调查显示，越来越多的企业使用数据和分析来推动增长，但目前数据货币化作为增长手段仍然处于早期阶段。

2017年McKinsey全球数据和分析调查报告显示，近一半的受访者表示数据和分析显著地或者根本地改变了其销售和市场营销职能，而超过三分之一的人表示数据和分析改变了研究和开发工作（R&D）。

根据McKinsey表示，高效能公司的高管比其他高管更有可能实现数据的货币化，并报告称他们正在以更多的方式这样做，包括为现有产品增加新服务、开发全新的商业模式以及与相关行业的其他公司合作来创建共享数据池。

McKinsey亚特兰大办事处专家Josh Gottlieb和McKinsey合伙人Khaled Rifai在通过数据货币化推动增长的报告（基于上述调查）中写道：“高效能企业对数据货币化的专注可能源于更高的能力，以及更大的需求，而这都是为了适应变化。高效能企业受访者称，与其同行相比，数据和分析活动正在推动其核心业务职能发生更大的变化。

Adobe公司首席信息官Cynthia Stoddard称：“数据是企业新的货币形式。”该软件公司面临与数据管理有关的几个挑战，包括无法快速做出决策以及难以访问数据。她说：“我们需要一种数据驱动的模式，从被动转变为积极主动的企业。”

对于Stoddard而言，该公司面临的主要障碍是确保其数据具有共同性。她指出：“企业不同部门使用不同的数据定义，这导致不一致性，而导致Adobe无法使用其数据实现可操作性见解。”

Stoddard称，为了解决数据管理问题，Adobe开始专注于了解人员，即从客户的角度来看Adobe的不同人员如何与客户进行交互。她说道：“客户不是静态的，所以我们会看顾客的整个体验，企业中会有不同的接触点，这意味着客户的观点会随着时间而改变。”

该公司开发了Hadoop集群和分析功能，以便随着客户的变化而提供灵活性。Stoddard称：“我们可以查看与用户相关的指标。”

Adobe公司在2017年开始其数据分析之路，他们开发了一个使用Hadoop的客户框架，将多个数据库整合到一个技术堆栈中。最初的构建花了6个月时间，她表示：“我们基于这个架构建立了不同的指标。”

Adobe公司采用了一种灵活的方法，可在每个月提出新功能，他们还建立了一个数据管理小组，主要负责指导项目的开发，以确保其符合业务需求，并提供反馈路径，通过影响评估，确保分析对业务有用。Stoddard称：“我们会看对不同业务领域的影响，当发现业务影响不足时，我们就会调整方式。”

到目前为止，Adobe公司已经将为用户生成新指标所需的时间从数周缩短到数秒。

让数据变得有意义

根据《Computer Weekly》此前的报道，公用事业公司Centrica关注为住宅和商业客户开发及提供基于技术的产品。他们创建了子公司Io-Tahoe来开发工具，以解决数据挑战，即链接多个不同的传统系统为1400万客户账号提供分析。去年，该公司启动了一亿英镑的创新基金，并对数据发现公司Rokitt Astra进行了首次投资。Io-Tahoe公司正在将其工具商业化。

在解释其公司面临的挑战时，首席执行官Oksana Sokolovsky表示：“大多数企业都是数据驱动型，数据可帮助增加收入，数据是一项资产，各企业都在试图将数据货币化。”

金融服务、银行也电信业等需要大量数据。Sokolovsky曾担任的意志银行全球技术和运营团队的转型服务负责人，她认为，企业在掌控数据以了解整个企业真正发生的情况方面面临挑战。她指出，有机和无机增长会产生更多数据，“大型企业需要很多不同数据库，他们正在构建数据湖，他们有着海量的数据副本。”

这是基本的技术挑战，他表示：“例如，相同客户有不同版本的数据，即使在同一家银行，每个部门都有自己的版本，他们还将这些客户信息放在多个数据库中。”

此外，数据可能不完整或者错误。在一个企业中，可能会有大量冗余数据、或者可将三列合并为一个的数据库，或者字段完全空白的数据库。

这些数据库中的分类可能会不同，例如，一个部门可能通过客户ID字段识别其客户，而另一个部门可能使用账户号码。她说：“确定这二者在谈论同一客户是一个挑战。”数据本身可能会有不同解释。“华盛顿可能是一条街道、一个城市、一个国家或者一个人的名字。企业需要确定他们存储数据的位置，以便了解基本的业务关系。”这正是Io-Tahoe的工具的用途，通过让企业查看数据如何在企业中移动。Io-Tahoe使用机器学习算法来遍历数据集中的每个数据元素并确定具体关系。

数据管理

很多企业的目标是拥有他们可信任的数据版本，例如在业务每个接触点都保持一致的单个客户记录。

然而，企业往往很难保持数据。正如Io-Tahoe的Sokolovsky指出的那样，企业不同部门可能会对相同客户记录使用不同的术语，提供不准确的数据或者甚至引入错误。

为解决这个问题，Adobe建立了数据管理小组，以确保应用遵守公司数据标准，即获取正确信息并保持数据一致性。人们在填写表格时也需要遵守数据标准，但前线人员可能还没有看到花费大量时间正确输入信息的价值。在这里，数据管理面临的挑战是让企业相信，每个人都可从一致的整洁的数据中受益。

案例研究：Admiral如何使其Teradata数据仓库变得更灵活

几年前，Admiral公司发现很难更新其大型机系统来添加新的保险产品，于是他们开始使用Teradata。

在解释该公司的数据仓库计划时，该公司数据仓库技术负责人James Gardiner表示：“我们想要利用美国GuideWire软件来启动新产品，但所有来自大型机的数据都是通过SAS或Excel访问。”

Gardiner承认，Teradata项目缓慢而痛苦。他表示：“这个项目是按战术来运行，以确保新系统准时投入使用。我们采用了瀑布方法和手动编码Teradata，我们有着复杂的提取、翻译和加载（ETL）流程来将数据从我们的源系统迁移到Teradata，而文档早已经过时。”

在部署后，该公司想要重新部署数据仓库计划。Gardiner表示：“我们发现传统部署方法与业务无法保持一致。”

由于Admiral公司的数据库团队不是Teradata专家，Admiral需要Teradata顾问为每项业务请求手动编写自定义代码，对此，该公司希望采用更灵活的方法来更新其Teradata数据仓库，以便其快速完成业务需求。

于是，Admiral公司开始研究如何为Teradata数据仓库自动生成代码，他补充说：“我们使用WhereScape进行概念验证，这让我们变得灵活，让我们可以改变原来的方法。”

通过使用WhereScape，数据仓库团队现在可与业务人员一起快速构建新想法，然后将其进一步开发为产品。他指出：“我们可以将开发速度提高6到8倍，并变得更灵活。”

“基本上，我们可以更快地加载数据。Admiral会尝试很多不同产品，并快速启动试验看看它们能否吸引新客户。”

Gardiner称，为了支持这一点，WhereScape允许Admiral非常快地构建仓库组件，而以前，这需要几个月的时间。

而现在支持Teradat的团队也变得更小。他指出：“新的WhereScape项目团队有20人，以前有60到80人。”

由于Admiral的数据团队主要接受SQL Server培训，Gardiner称：“我们可以让SQL Server中的某个人，在Teradata进行构建，而不需要太多手动操作。”