如何在不影响发展的情况下降低数据成本

在过去的十几年中，数据已成为区分企业优劣的主要依据。冠状病毒(COVID-19)大流行无疑使数据的价值越来越高，因为这样的大流行可以促使企业，政府和卫生专业人员将目标转向旨在保护和挽救生命的各种干预措施。现在，冠状病毒危机所造成的经济后果威胁着组织的健康，因此数据将再次发挥重要作用。

尽管领导者们可以放心的是组织已经从大流行中先后复苏，差别体现在数字化方面，正当他们努力确保组织的财政基础并了解新的增长来源，他们不得不回答大量问题：哪些部门和领域将推动需求?哪里需要频繁接触供应链?对于更热衷于数字化且很可能继续需要远程且灵活的筹划的客户群和员工队伍，为他们提供服务的最佳方法是什么?

要回答这些问题就需要大量的数据并且具备高效使用这些数据的专业知识。企业将不得不对来源不一的信息进行建模，在更多渠道上应用洞察并持续进行这些工作，同时确保数据没有受到污染，隐私受到保护以及合规性方面的责任符合要求。

培养能做到上述要求的能力则要付出一定的代价。大多数公司不得不将其数据架构现代化，从新的源头获取数据，设计各种算法对数据进行建模并从中获得洞察，雇用或培养人才来做这一切。这一切代价可大可小，从中型组织花费数亿美元到大型公司花费数十亿美元等等。在冠状病毒危机发生前，许多组织都计划要在数据上投入更多的钱，而这场危机则很可能使这种需求只增不减。由于组织的收入已经受到了这次大流行的影响，企业可能很想知道在哪里可以找到满足资金需求的资源。

令人惊讶的是，答案可能来自更好地管理数据。将更大的管理规则应用于经常扩展数据架构，数据源和数据使用实践的这一做法可以节省大量资金。我们的客户工作表明，只要在五个领域实现更高的可见性，标准化和监督，公司就可以恢复并重新部署其当前数据支出的35%。更为理想的情况是，人们提出的许多改进都可以快速得到应用。在我们所经历的例子中，各大企业在半年内节省的开支就达到两位数的百分值。从长远来看，将这些变革制度化并扩大这些变革可以带来更大的收益。

数据也许非常多，但管理数据并不便宜

由于成本分散在整个企业中，许多组织并不知道自身在数据上花了多少钱。例如，第三方数据支出可能由业务部门的预算来承担，报告成本则由相关的公司职能来承担，而数据架构方面的支出则由IT来管理。

这些成本合在一起时，数字可能会令人震惊。例如，一家运营成本高达50亿美元的中型机构在第三方数据采购，架构，治理和消费方面的数据支出超过2.5亿美元。这四个支出领域的数据成本的构成则因行业而异。例如，包装消费品等不直接与客户互动的行业在数据采购上的相对支出往往比较高。但是结果仍然不变，即在大多数组织中，管理数据是成本大头。

因此解决这一分散化问题就可以快速取得成效。数据源，体系结构，治理和使用方面的有针对性的改进有助于公司减少浪费和人力工作并可以更轻松地获取高质量数据。这些努力可以在短期内将年度数据支出减少5%到15%。从长远来看，公司可以加倍节省成本，其方法是对核心流程进行重新设计和自动化，集成各种先进技术并引进新的工作方式。为了获得这些好处，以下是领导者们必须做的四件事。

优化第三方数据采购

美国一家地方银行在算完账后发现它每年大约花费1亿美元来获取信贷风险数据，市场数据以及其它外部数据。为了资助更广泛的数据转型，该行必须降低这笔开销。该行首先清点了其许可的所有不同数据及其使用频率。它发现，少数第三方数据源占所有用量的大头;它还发现，不需要实时获取更新的人正在使用大部分数据。银行可以将数据成本削减多达20%，其方法是消除未使用和未充分利用的数据馈送，按数据访问来定义更清晰的权限，使信用风险评分和其他专有数据被重用更长的时间，

这些细致周到的措施可以减少不必要的第三方支出。修改现有供应商合同并为最常用的数据馈送设置使用上限，这样就可以带来更多收益。后来，由于大量合同需要续签，公司可以将其获得的价值和价格与其它数据源(数量正在迅速增长的数据源)进行比较，从而找到最合适的价格并议定最优惠的条款。

我们还建议建立一个由业务部门和职能级别的网守(gatekeeper)组成的中心供应商管理团队，以监督数据订阅，使用条款和续订日期。凭借适当的采购和业务赞助，该团队有助于管理公司对第三方数据的需求并优化供应商协议。

简化数据架构

有一家先进的全球银行在整个业务的不同孤岛中拥有600多个数据存储库。管理这些存储库使该行每年损失20亿美元。由于该行意识到这是不可持续的，它成立了由首席信息官和相关业务负责人组成的联合企业数据架构团队。他们一致同意将数据环境简化为40个唯一的域并将“黄金资源”存储库标准化，从而使其能够缩小规模并在某些情况下完全停用数据存储库。这样的精简节省了4亿多美元的年度数据成本，同时还提高了数据质量，使该行更容易更新系统并将洞察整合到流程中。

许多成熟的组织也像这家银行一样因数据存储库七零八散而困扰。存储和维护这些工具可能会消耗掉平均IT预算的15%到20%。由于数据管理协议没有充分标准化，这也可能带来验证方面的麻烦，团队因为要寻找所需的信息而浪费时间，当他们用错数据时，他么会发现错误越来越多。为了获得所需的绩效，组织必须重新讨论其核心数据体系结构。

短期来看，组织可以通过优化基础结构来节省成本，例如，它们可以将历史数据转移到低成本存储中，提高服务器利用率或不再续签服务器合同。此外，公司可以认真研究整个体系结构开发的产品组合，放缓或停止优先级较低的项目，同时还可以减少高成本供应商资源的部署。同样，公司不必等待目标架构来从其数据中获得价值。应用程序编程接口(API)的更广泛使用可以使企业将深埋于遗留系统中的数据投入工作而不必设计昂贵的自定义工作流。

长远来看，更为大胆的，具有转型意义的变革可以节省更多的钱。例如，将数据存储库迁移到通用的现代数据平台(如数据湖)并将基础设施变为以云为中心的设计，使公司将遗留环境合理化并降低处理计算和存储高峰所需的平均容量。此外，组织可以发起各种变革，从而更广泛地提高生产力，例如，采用各种指标和记分卡来提高绩效，将需要人工介入的活动自动化并将某些资源近包或外包。

设计数据治理以实现价值

有一家领先的矿业公司拥有数百个运营数据源，这些数据源分散在多地的小仓库中。该公司每创建一个新的分析用例或数字应用程序都需要花数月时间进行数据发现、数据提取、数据清理和数据管道工程设计，因为它几乎没有数据文档和通用的标准可用。该公司启动了一项集成的技术现代化计划，该计划涉及从内部部署到基础的云优先方法的转变以及一个数据操作模型，该模型基于联合的，标准的数据架构和规范的基于域的数据治理而扩建。这样就可以创建可重用，可持续和易于访问的数据资产，从而大大减少数据工程的时间并提高应用程序的稳定性和可维护性。数据域以用例和价值回馈的方式与业务一起得到开发和实施。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!