你有聽說過“澤字節（Zettabyte）”嗎？

在數據的海洋中，信息存儲的基本單位是字節（Byte）。日常生活中接觸比較多的有KB 千字節、MB 兆字節、GB 吉字節、TB 太字節等等。但是，這些常用單位不足以來衡量互聯世界的龐大數據量。把全世界的數據都加起來，會是多大呢？

根據IDC的報告，2018年全世界總的數據量約在33 ZB，到2025年，這個數字將會增長到175 ZB，而這其中60%的數據是由企業產生的。

1 ZB也就是1澤字節，等于1,000,000,000,000,000,000,000字節！

毋庸置疑，未來是屬于數據驅動型企業的。數據驅動型企業，不是簡單地收集數據，存儲數據，而是能將數據不斷轉化為業務價值，而且是實時的。

根據知名咨詢機構麥肯錫的研究，數據驅動型企業在獲客、留客和盈利上的能力分別要高于一般企業23倍、6倍和19倍。

數據的價值，不言而喻。

你所在的企業，正在發揮數據價值嗎？

在讓數據釋放價值之前，企業該如何避免陷入數據沼“澤”？

打造數據驅動型企業，關鍵在何處？

甲骨文給出的答案是“自治（Autonomous）”。

企業海量的數據寶藏通常隱藏各個軟件系統中，或者埋沒在個人電腦和文件柜里，無法施展能量。它停留在各個業務部門的內部，保存數據的部門可能無法意識到自己的數據，對于另一個部門、甚至整個公司的價值。

再比如現在新興的人工智能技術，如果沒有足夠的數據來支持AI模型，是無法提供企業期望達到的算法服務的。

要使用數據來驅動企業，創造價值，它必須變得可見且易于訪問。知名市場研究公司Forrester的報告表示，對于一個典型的財富1000強規模的公司來說，如果將數據的可用度提升10%，就能帶來約6500萬美元的額外收入。

要徹底解決數據的問題，最好的辦法是“自治”——讓數據的采集、整合、管理、維護、分析等工作高度自動化，并且依靠機器學習不斷自我提升，類似于汽車行業的“自動駕駛”。

自治的意義不僅僅在于減輕企業IT在數據管理上的負擔，更重要是能夠拉近企業業務部門（也就是數據的使用者）與數據的距離，讓數據發揮價值，而且極大降低了企業應用數據所需的成本。

這就是甲骨文在2017年開創性推出Oracle自治數據庫的原因之一。自治技術依靠機器學習和甲骨文四十余年在企業級數據管理的積累。通過自治技術，企業能收獲一個基于數據實時提供可行情報的系統，這方便企業更好地了解其運營、員工、市場和客戶，更快速、有依據地做出決策。

作為Oracle自治數據庫的重要代表，Oracle ADW業務數據平臺以簡單、快速、彈性的產品性能為人力、財務、銷售、市場等部門的業務洞察提供了強大的數據支撐。通過Oracle ADW，客戶以完全可負擔得起的成本，少則幾小時，多則幾周時間內即可看到所產生的業務價值。

如何避免落入數據沼“澤”

甲骨文給企業提供了以下五大建議：

第一是保障數據質量。

這一點很大程度需要依靠“數據清洗”。這就像在炒一盤菜之前，你需要擇菜、洗菜、切菜一樣——數據在分析前，需要將重復、無效的數據刪去，糾正其中的錯誤，做好數據的一致性，完善數據質量。這是數據釋放價值的基礎。

第二是用敏捷的方法達到數據的展現和分析。

這里為什么強調“敏捷”呢？現在市場上多見的方案，如BI、數據中臺往往跟隨著巨大的數倉項目。這些項目耗時數月，多在百萬級，而在完成前是無法衡量是否奏效的?，F在在云的協助下，對于企業更有利的順序應該是先快速看到效果，再來決定是否做、做多少。

第三是要建立以客戶為中心的視圖。

這是今天很多企業面臨的問題，客戶是企業增長之源，釋放數據價值的一大目的是用于深耕客戶需求。然而現在很多數據分析更多是按照流程，落入程式，并沒有圍繞客戶來做。

另外一個障礙是數據的碎片化。隨著公有云的應用，這個問題越來越凸顯，特別是對于中小企業。一個企業在多個云上，就算都在同一個云，SaaS供應商也不同。企業需要的是形成對客戶的全景圖，將這些數據打通串聯起來，決策時才能縱觀全局、切中要害。

第四是賦予業務部門挖掘數據的能力。

對于很多行業，尤其是To C的企業，數據價值挖掘的能力決定了企業在這個市場能不能成功。

數據挖掘的工具，一方面要能讓業務人員自主自助使用，即做到簡單上手、靈活機動。因為業務人員最先嗅到市場變化，也最需要用數據來探索和驗證思路，從而快速響應。必須要將業務人員挖掘數據的能力發揮出來，企業的數據價值釋放才算真正做起來。
另

一方面，企業還需借助機器的力量。AI、機器學習技術的加入，對于數據價值的挖掘可謂如虎添翼，企業可以在AI的幫助下預知趨勢，探查出數據間前所未有的關聯。

最后，也是最重要的一點，選擇適合自己的才是最好的。

企業在選擇數據項目時，一定要從自身情況出發，選擇最適合自己的。

更為明智的做法是，企業可以“走一步，看一部”，而不是一次啟動一個巨大的項目來做。這樣企業可以先體驗數據項目能帶來多少價值，基于這個再決定投入多少。