这份调查显示:大数据对企业愈发重要,但数据驱动还是空谈大数据应用

来源:互联网 / 作者:SKY / 2018-03-14 20:02 / 点击:
连续六年来,NewVantage Partners每年都做了一项关于大型企业高管如何看待数据的调查。调查的反响愈加热烈,而结果也反映了管理层高效使用数据的要求越来越迫切

有奖调研 | 人脸识别功能在互联网行业认知度情况

题图来自:视觉中国


来自:视觉中国

连续六年来,NewVantage Partners每年都做了一项关于大型企业高管如何看待数据的调查。调查的反响愈加热烈,而结果也反映了管理层高效使用数据的要求越来越迫切。今年,调查结果喜忧参半,既有鼓舞人心的一面,也暴露了比过去都更让人忧心的地方。

六年前,调查里重点关注的问题和答案还是大数据,这当时在商界还是相对新颖的概念。在2018年的调查中,重点已经变成了人工智能。AI现在已经成了大型企业标配的发展重心,人们越来越认识到大数据和人工智能可以带来价值,同时也越来越感受到初创公司对知名企业的威胁。

参与调查的是来自57家大公司的高管人员。调查里,比例最高的行业是数据最为密集的金融服务业,此外还有生命科学、制造业、电信业和互联网产业的公司参与。自第一年以来,实际接受调查的人群也有所变化,这几年一直都有大量首席级别分管数据的高管,而这个比例在今年则一跃从去年的32%升到56%。在2012年的第一次调查时,只有12%的企业设立了首席数据官。

虽然现在AI在全世界各地都是新闻焦点,但调查本身其实着眼的是大数据和人工智能两方面。技术更新换代,不变的是数据爆炸和理解数据的需求。大数据和AI项目已经密不可分,尤其机器学习已经成为当前处理海量快速流通的数据的主流方法之一。

同理,用深度学习等基于统计学的方法来发展人工智能更是日益普及。因此,我们认为传统数据分析、大数据和人工智能是一个统一的整体,几乎所有受访者(97%)都表示所在的企业投资了这类项目。

调查结果揭示的最好的消息,就是各大企业依然认为能够从大数据和AI项目中活力。73%受访企业表示已经从相关项目中得到了重大价值,这个比例同样高于去年的调查结果,当时只是初步地指出,企业对数据技术日趋熟悉,也从中得到了更多价值。

所实现价值的类型或许跟以前的其他技术是一致的。我们认为大数据和AI是分析能力的延伸,许多公司的目标也跟我们的观点一致,即旨在达到“高级分析/更优决策”,而这些也是最可能实现的目标。

36%的受访公司把这个目标视为自身的当务之急,这其中的69%已经实现了目标。此外,企业间的共同目标还包括提升客户服务和开支削减。四分之一以上的企业(27%)在追求创新、颠覆、上市速度和数据变现的有机结合,而数据变现计划的优先级最低、成功率也最低(27%)。

调查还揭示了大公司最需要担心的一个问题,就是新公司带来的颠覆性风险。近八成受访者表示,曾经担心金融科技业的初创公司或专营大数据的公司会破坏甚至替代他们的市场地位。72%受访者认为,最具颠覆性、影响最深远的技术迄今为止还要数人工智能,这个比例远高于云计算(13%)或区块链(7%)。

另一个持续发酵的重要问题是,行业内现有企业转型成数据驱动文化的速度太慢了。

几乎所有受访者(99%)都指出,所在企业在努力转型,但目前只有三分之一取得了成功。每年的调查结果都能体现出这种理想与现实的差距,但是多年的时间并没有换来应有的进步。显然,企业需要更加上下一心,才能实现数据文化转型。许多初创公司从一开始就营造了数据驱动的文化,这也是为什么那些大的卓有成效的公司感到威胁、担心受到打击的关键原因。

企业用来应对数据驱动给市场带来的颠覆性变化的方法之一,就是设置新的管理职位。但是,不同的数据相关职位(首席信息官、首席数据官、首席数字官等)之间如何相互联系,目前依然缺乏清晰的定位。

就首席数据官(CDO)一职而言,这个角色的主要职责是什么,理想的人选该具有什么样的背景,目前都还存在巨大分歧。

39%受访者表示,他们的CDO主要负责数据策略和结果分析,但也有37%把这个工作交给其他高管,还有24%表示这份工作在问责上缺乏可行性。

在背景方面,34%受访者认为CDO应该从公司外部带动变革发生,32%则认为CDO应该是从公司内部筛选出来的老将。数据相关的高层职位需要明确职责,这对于领导AI和大数据项目、实现文化转型都是至关重要的。不过,虽然所有受访者都肯定了这一点,但是大部分公司依然缺少企业层面的数据战略。

大数据的重要性不断提升,挑战日益艰巨,这成了当代经济和社会的重要特征之一。多年的调查结果为这场革命提供了耐人寻味的可用材料,而人工智能的崛起只会加快这一趋势。成功的关键在于,明确企业的应对战略,为数据战略与结果分析进行明确分工,最后以系统、高效的方式推进所需变化的发生。

【编辑推荐】

Hadoop和企业信息管理:利用大数据的解决方案

一行代码,Pandas秒变分布式,快速处理TB级数据

用于大数据处理高性能计算的4个实现步骤

Ness SES首席技术官:最终,Hadoop老了!

如何成为一名数据科学家?或许你该听听这些知名数据科学家们给出的建议

阅读延展

1
3