即使最复杂的企业也需要衡量标准和分析数据,以便在全球市场上保持竞争力。在公司里,那些可以用分析来进行优化的部分中,最宝贵的资产是就是劳动力本身。
关于商业智能数据的治理,私营企业可以从公共部门的数据管理实践中吸取宝贵的经验教训。
欧洲联盟通过《全球数据保护法规》已经有四年的时间,尽管严格的法律不会直接影响美国企业,但是在2018年5月正式颁布时,可能会带来相当大的间接影响。
Watson分析在很多领域表现出色,特别是在广告方面,包括Google和Adobe。但是IBM的AI驱动的分析技术还值得细细推敲。
规范性模型不只是给参与决策过程的人提供信息,它本身就属于决策过程。它能够阐明最好的结果,对于那些不愿意将决策行为交给机器的人来说,这样的结果将更具有说服力。
如今,90%的企业在使用某种形式的描述性分析,它包括的方法有挖掘历史数据和提取实时流的有用因素来对数据进行诠释。
众所周知,数据分析已经成为一个热门词汇。无论是人力资源供应链管理还是市场融资,数据分析已成为企业业务决策的关键一环。企业缺乏数据洞察力,也就失去了市场竞争力。
虽然以前高管作出决策往往基于魄力、直觉或传统,但今天他们将会问,“数据中有什么可供我们参考?”