Foundry 刚刚发布了 2022 年数据与分析研究。该研究包含对全球企业的数据驱动计划、投资、挑战、结果和战略的见解。

　　在这项研究中，Foundry（前身为 IDG Communications）在 2022 年 3 月和 2022 年 4 月对 872 名 IT 决策者进行了调查。来自世界各地许多不同行业的公司的回应，包括技术、制造、金融服务、专业服务、医疗保健、政府、教育和零售业，平均公司雇用 12,498 人。这是 Foundry 的第六次数据和分析研究，在这项研究之前的最新研究是 2021 年 IDG 数据和分析研究。

　　公司有动力从现有数据中提取价值

　　Foundry 将“数据驱动计划”定义为旨在从现有数据中产生更大价值的项目，34% 的受访组织表示已部署此类计划，而在 2021 年的研究中这一比例为 28%。企业处于领先地位，92% 的报告数据项目已经在进行中，而只有 79% 的中小企业。

　　从现有数据中提取价值的动机因业务部门而异。一半的受访者旨在改进或自动化内部业务流程。其他人的目标是提高 46% 的客户洞察力和参与度，以及 43% 的客户服务和支持。另有 43% 的人寻求 IT 运营自动化，而 36% 的人希望改进现有产品。IT 安全改进也是一个激励因素，占 36%。

　　该图显示了公司在部署数据项目方面的进展情况。来源：铸造厂

　　“数据和分析工具不断改进，对这类项目的明确需求将继续有效地推动这些举措，”Foundry 营销和研究经理 Stacey Raap 说。“这些工具为企业提供了宝贵的洞察力，使他们能够提高绩效和增长。随着业务的不断发展，我们可能会在业务的各个部分看到数据和分析工具。”

　　数据计划带来挑战

　　组织在数据计划方面面临挑战，研究发现的主要痛点包括 41% 的数据质量，其次是 38% 的数据安全和治理，31% 的数据分析和 29% 的数据准备/转换。除了这些技术限制之外，公司还在技能培训方面遇到困难，因为 44% 的受访者认为缺乏适当的数据技能是一个问题，41% 的公司承认需要对他们内部的非技术用户进行数据分析培训组织。正如 42% 的受访者指出的那样，还需要数据架构方面的专家，主要来自企业级企业。41% 的组织仍然无法使用数据分析解决方案，他们表示他们的技术只能由具有数据科学、人工智能、和机器学习。只有 21% 的受访者表示他们的数据解决方案可供所有用户使用，83% 的受访者将关注自助服务工具列为首要任务。

　　此外，据 16% 的受访者报告，一些公司的预算和战略限制会影响数据项目的实施。21% 的员工人数超过 1,000 人的组织指出，诸如启用远程工作之类的流行病举措超过了数据项目。

　　“与组织不断增长的技术堆栈的任何部分一样，总是有挑战需要克服，IT 团队和最终用户需要获得正确的资源才能继续向前发展，”Raap 说。“组织必须投资以减轻与数据驱动工具相关的痛点，并为员工提供所需的资源来完善他们的技能。”

　　该图显示了公司正在使用哪些数据分析技术。来源：铸造厂

　　在数据技术上的支出以保持相关性

　　尽管困难重重，许多公司仍在投资各种数据分析技术以获得优势。在接受调查的人中，77% 的人正在投资数据以保持市场竞争力。Foundry 表示，平均而言，IT 决策者将在未来 12 个月内在数据驱动计划上花费 1230 万美元，55% 的人预计他们分配给数据驱动计划的 IT 预算将在明年增加，高于去年的 44% 2021 年。

　　接受调查的决策者中有一半目前正在使用商业智能平台，34% 的人计划在未来 2 年内投资于 BI 平台。关系数据库也受到 47% 的受访者的欢迎，其次是 28% 的受访者投资了数据科学和机器学习平台。基于云的企业数据仓库也被用于在云中运行分析工作负载，并且已经被 28% 的受访者采用。

　　决定与哪些供应商合作是另一个因素，因为不同的供应商具有不同的优势和能力。在做出这些决策时，36% 的组织将数据报告和可视化能力列为最重要的标准，其次是安全和治理能力以及与现有基础设施的集成，均为 31%。其他标准包括 26% 的非技术用户需要自助服务分析，以及数据集成和转换管道的必要性，也有 26% 的人报告。

人工智能和机器学习技术也受到决策者的关注，54% 的人表示他们已经部署或计划在明年部署预测分析。“[预测分析]使用历史数据、统计算法和机器学习技术有助于组织对未来发生的事情进行水晶球般的最佳评估，”该研究的执行摘要称。机器学习还被 31% 的受访者用于数据异常检测，以及用于客户分析的描述性分析和虚拟代理/聊天机器人的自然语言处理，分别为 29% 和 28%。

　　该研究的执行摘要最后重申，尽管公司在部署数据计划方面面临挑战，但在当今大流行后市场中保持竞争力的需求正在推动对数据分析的投资增加。

　　“IT 决策者正在购买或研究用户友好的商业智能工具、基于云的企业数据仓库和 AI/ML 平台，这些平台使他们能够访问预测分析、异常检测、流程自动化和决策支持，”Foundry 的结论说。