如何在不影响发展的情况下降低数据成本

我们的研究表明，这个例子并非异常。如果没有清晰的可用数据，数据用户可能要花费30%到40%的时间来搜索数据，如果没有可靠的数据控件，他们可能将20%到30%的时间用于数据清理。而高效的数据治理可以减少这类麻烦。建立数据字典，创建可追溯的数据沿袭并实施数据质量控制，这些做法可以显著提高生产力和绩效。

同时，公司不想施加太多的限制而导致治理本身成了一个代价高昂的障碍。只要关注范围，将严谨性与风险结合起来并应用技术，组织就可以帮忙取得适当的平衡。我们建议组织根据需求，价值和风险来确定工作重点，而不是试图治理所有的数据源和使用。例如，先进的组织往往会限制数据治理的范围，如少于50个报告和2000个数据元素。

考虑到合规性和其他需求，组织必须做出调整，搞清楚哪些活动需要最严格的数据协议，哪些活动仅需要基本的数据卫生。例如，营销组织可能希望对敏感的客户数据采用比事件计划数据库更为稳健的控件。组织在所有的功能间取得平衡——从数据字典的广度和深度到应用数据控件的频率和精度。例如，有一家北美银行在数据沿袭上(data lineage)花费了1亿多美元，它通过缩减所需的粒度(从数据元素级别到数据馈送级别的粒度)并在数据元素样本中进行交易测试来做出补偿。

善用技术还可以提高绩效和成本。有一家北美银行的反洗钱(AML)流程的误报率高达95%。该银行的40人反洗钱团队为了找出这些误报的案例而不堪重负。为了解决这个问题，首席数据官们严格遵守机器学习模型的合规性和分析，该模型减少了误报次数并将反洗钱帐户审核工作减少了75%。

简化数据消耗

根据我们的经验，企业每天生成的报告中有30%到40%几乎毫无价值。有些是重复的，有些则没有得到使用，结果浪费了大量资源。

为了更高效地管理消费，一流的公司按主题制定各种报告，例如商业报告和董事会报告。然后，他们会重新设计数据收集流程，将管道自动化，研究新的方法来对数据进行建模和可视化并以无纸化方式部署各种成果。快速的原型制作和测试周期完善了报告生成过程。这种整体方法有助于在整个组织中将生产综合起来，从而确保生成的报告和度量标准都十分高质量并且无需花费太多精力来打理。有一家欧洲银行使用此类方法将报告数量减少了80%并将与报告相关的成本减少了60%。

组织可以通过自助服务为员工提供商业智能功能，从而获得更多收益。其余的业务智能资源则可以专注于更复杂的报告需求和问题补救措施。

采用数据驱动的方法来优化其他职能部门的成本

组织不仅可以通过两种方式来节省成本，即提高数据功能内的效率和性能或应用数据来确定业务其他部门的潜在成本节约。采购是一个特别有前景的领域。例如，只要使用人工智能，企业就可以检测到不同地点的高于平均水平的能源消耗率或非典型的出行成本的规律，然后利用这些洞察，就如何获得更高的效率提供建议。同样，专用算法可以扫描各种发票、供应商数据、合同数据和服务使用情况，从而发现基本支出中的异常情况。在某些组织中，这种做法有助于降低总采购成本，降幅高达10%。例如，有一家欧洲家庭电器制造商使用高级分析功能扫描了5000家供应商的1200万张发票，从而发现了将总成本降低7.8%的机会。

调动降低数据成本的计划

组织实施数据成本削减计划的程度和速度取决于其战略目标和当前的经济环境。有些企业可能希望将节省出来的大部分数据成本算到利润里。另一些企业可能希望尽快将自身的功能现代化。无论速度是快是慢或规模是大是小，我们建议组织通过以下工作来奠定基础：

要重视数据成本，将其视为一项跨职能的工作重点。首席财务官(CFO)、首席采购官、业务主管以及关键数据和技术负责人需要参与进来。有这样一群人的支持非常重要，因为大多数数据成本通常不是由数据组织内部负责的，很多情况下是共同监督的。 创建当前支出的清晰视图。制定跨职能的基准，该基准必须同时考虑到直接成本(例如，硬件和软件的许可费以及数据办公室员工的报酬)和间接成本(例如，管理和补救数据质量，手动编制用于月度报告的数据所涉及的高效的相当于全职人员的人)。 尽早估算潜在价值以吸引注意力。通过预期的影响和可行性快速发现各种省钱的机会并确定其大小和轻重缓急。着力于最大的机会，而不是探索各种可能性。 为此工作指定明确的负责人。这样可以确保有人负责和执行高效的协调工作。在许多组织中，数据成本计划由数据组织内的负责人在首席数据官的监督下进行管理。

减少数据成本的计划除了可以带来近期的收入影响外还可以创建更高效的数据基础。当这些组织在冠状病毒流行时崭露头角时，这些付出将使组织能更快地进行转型并使他们准备好长期保持领先地位。

（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!