值得關注的趨勢:數據管理和分析
隨著組織在大流行後的環境中構建其 IT 戰略,他們正在重新審視許多在以前的數字化轉型工作中從未得到解答的問題:
- 如何將雲系統用於強大的基礎架構?
- 面對現代威脅,正確的網絡安全方法是什麼?
- 從企業數據中可以發現哪些新見解?
雖然這些問題需要企業的技術和運營部分付出相當大的努力,但數據的管理和分析可能是最具挑戰性的解決方案。這主要是因為對於大多數公司來說,嚴重的數據活動是一個相對較新的現象。儘管公司從使用計算機開始就一直在生成數字數據,但他們並沒有為當前或未來的成功優化這些數據。
充分利用數據:挑戰
許多組織發現自己在數據方面的情況是沒有智能的豐富。大多數公司的每個部門都有數據孤島,這限制了構建公司數據整體視圖的能力。數據從社交媒體和智能設備等新來源流入,但沒有將這些數據轉化為業務決策的結構。儘管有大量的歷史記錄,但在使用這些記錄來了解操作或製定計劃方面顯然缺乏專業知識。
圖一:對業務數據利用的看法
與大多數技術趨勢一樣,將數據視為高優先級並不會自動提高能力。事實上,當公司意識到他們必須彌補多少基礎時,往往會出現倒退。
CompTIA 的最新數據顯示,只有四分之一的公司認為在管理和分析數據方面,他們確實處於需要的位置。在過去三年中幾乎沒有什麼改善,並且鑑於開發強大的數據實踐所涉及的挑戰,在情緒開始改善之前,這個數字可能會進一步下降。
圖 2:構建數據實踐的主要挑戰
公司目前遇到或預期遇到的挑戰清單反映了目標與現實之間的脫節。提到的最大挑戰是加快數據分析,但很少有公司關注適當的網絡架構。下一個挑戰是集成多個數據集,但構建適當的存儲架構是次要的。
解決這些脫節問題需要準確理解現代數據策略。例如,隨著企業熱切地嘗試在未開發的數據中發現隱藏的洞察力,人們非常關注數據分析和數據科學。但是,利用這些數據並提取這些見解需要一種結構化的數據管理方法作為基礎。
此外,數據活動屬於更廣泛的戰略 IT 保護傘,許多公司都在努力將其理解為與幾十年來定義 IT 的戰術方法不同的思維方式。數據管理和分析應被視為一個綜合程序,而不是用於特定目的的單點工具。
為了從大型數據集中獲得最高價值並提供實時分析,組織需要專注於他們的數據技能。隨著越來越多的公司使用數據來改善其內部運營並更好地了解他們的客戶,新的和改進的技能將推動數據的成功。這些技能解決了廣泛的業務問題,從構建彈性數據架構到提高數據分析速度,再到挖掘數據以獲得新見解。從本質上講,新的商業貨幣需要新的專家為利益相關者提取價值。
充分利用數據:了解數據流
圖 3:數據使用的三個階段
利用數據的任務分為三個不同的階段。首先,生成數據。這可能來自客戶交互、內部業務系統、外部合作夥伴或任何數量的其他來源。除了數據採集,這個階段不需要專家;數據只是標準業務或營銷活動的副產品。
隨著數據在第一階段結束時被捕獲,它進入處理和組織的第二階段。這是數據技能首先發揮作用的地方,因為數據被放置到某種結構中,然後進行操作以供將來使用。不同公司的結構類型差異很大。一些公司使用簡單的電子表格,而另一些公司則使用關係數據庫、大數據工具和多雲存儲方案。
數據操作和數據分析之間的界限可能很模糊,但數據處理的最終目標是為決策者提供有用的見解。這些技能集具有最高的可見性和需求,但如果沒有結構化的數據集方法,它們將無法運行。
這些專家擁有強大的技術成分——他們可以使用 Python 或 JavaScript 執行腳本,使用機器學習算法或使用軟件生成可視化。除了技術部分,還有一個業務部分。這些員工必須了解企業的運作方式以及哪些問題最重要。
圖 4:需要提高數據技能
公司清楚地認識到,他們需要提高所有領域的數據技能,包括保持數據安全的總體活動。稍有優勢的是,公司已經認識到,在追求更高級的議程之前,需要基礎技能,如基礎設施和數據庫管理。但是,應該注意的是,這些技能也最有可能已經存在於組織中,因此至少有一個改進的起點。
另一方面,數據分析師供不應求。許多培養技術工人的傳統工具,例如四年制學位課程或職業培訓,並沒有跟上業務變得更加數據驅動的轉變。結果,組織爭先恐後地尋找該領域的技術工人,因為他們試圖在競爭對手獲得優勢之前找到數據中隱藏的寶石。
充分利用數據:提高數據技能
圖 5:提高數據技能的選項
當企業試圖縮小數據技能差距時,將招聘視為企業的首選也就不足為奇了。招聘意向與增加員工人數並不完全相關,但它至少表明人們意識到存在差距以及最初的投資意願。
它還表明,公司可能正在轉向數據團隊模型。隨著網絡安全成為獨立於 IT 基礎設施的獨特功能,這種模式已經顯現出來,在報告結構內協調數據工作有助於標準化整個組織的數據處理。
當然,有意聘用並不總是帶來新員工的原因之一是員工如此稀缺。在供應有限且勞動力動態不斷變化的世界中,公司正在考慮其他選擇來滿足其數據需求以及其他技術技能差距。
對於擁有現有 IT 員工的組織而言,培訓是次佳選擇。無論是為基礎設施專家或軟件開發人員增加技能,企業都可以在其現有活動中培養數據敏銳度。如果更容易找到具有基礎設施或軟件技能的候選人,那麼將現有員工轉變為數據角色並回填可能更有意義。
認證在選項列表中較低,部分原因是與基礎設施、軟件或網絡安全相比,可用於數據技能的認證較少。隨著數據管理和分析學科的成熟,越來越多的公司將尋求認證作為實現培訓戰略和確保技能保持最新的一種手段。
認證也為個人帶來好處。在競爭激烈的招聘市場中,認證提供了技術技能的證明以及對個人學習和成長的奉獻。對於目前在職的個人,認證提供了一條晉升途徑和對最佳實踐的洞察。數據管理和分析領域擁有越來越多的供應商和工具集,但對可應用於各種場景的基礎知識也越來越重視。
長期以來,卓越的 IT 意味著系統不會崩潰,員工可以獲得可靠的技術支持。這些標準仍然存在,但標準已經提高。現在,處於技術前沿包括圍繞數據管理和分析的有效政策。了解數據流是第一步。了解所涉及的挑戰定義了適當的投資。培養正確的技能使公司能夠執行計劃並發現數據在哪裡引領業務。