宣布第二届年度数据价值调查
原文英文，约800词，阅读约需3分钟。
📝
内容提要
在数字经济中，数据管理至关重要。调查显示，企业的数据管理成熟度分为四个级别：发展、功能、熟练和卓越。大多数公司仍在使用传统数据，未能充分利用新兴数据类型。数据协调不佳是主要挑战，企业需优化数据管理以提升竞争力。
🔎
延伸解读
数据管理成熟度模型的实际应用
报告将数据管理成熟度分为发展、功能、熟练和卓越四个级别，每个级别对应不同的策略与架构与业务成果的关联程度。企业可借此评估自身位置，明确改进方向，从而优化DataOps实践，提升数据质量并实现业务价值。
新兴数据类型的采用差距
调查显示，大多数企业仍主要处理传统或结构化数据，对新兴数据类型的采用缓慢。这可能导致它们错失非传统格式中的有用数据，而这些数据对生成式AI、FinOps和可持续发展等关键举措至关重要。大型企业（尤其是员工超5000人的）更积极收集和管理新兴数据以支持这些趋势。
数据协调：数据价值释放的关键挑战
数据协调不佳是数据驱动活动中的主要挑战，涉及人员、流程和技术多个层面。如果数据无法有效分布到最需要的地方，其价值就难以发挥。企业需优化数据协调，确保数据在正确的时间到达正确的位置，以支持决策和创新。
DataOps策略与数据成熟度的强关联
调查发现，组织的DataOps方法论与其数据管理成熟度级别之间存在最强相关性之一。这意味着，采用系统化DataOps策略的企业更有可能达到更高的数据成熟度。因此，投资于DataOps实践可能是提升数据管理成熟度的有效途径。
❓
Q&A
数据管理成熟度分为哪几个级别？
数据管理成熟度分为四个级别：发展、功能、熟练和卓越。
企业在数据管理中面临哪些主要挑战？
企业面临的主要挑战是数据协调不佳，影响数据的有效利用。
大多数公司在数据管理上存在哪些不足？
大多数公司仍在使用传统数据，未能充分利用新兴数据类型。
如何提升企业的数据管理能力？
企业需优化数据管理，以提升竞争力和有效利用数据。
数据管理成熟度与企业决策有什么关系？
数据管理成熟度影响企业的技术和业务决策，指导其DataOps计划。
哪些企业更倾向于采用新兴数据类型？
大型组织，特别是员工超过5000人的企业，更倾向于采用新兴数据类型。
🏷️
