2024年数据管理趋势报告

数据管理趋势 2024年DATAVERSITY®✲告 唐娜·伯班克和米歇尔·奈特 TABLEOFCONTENTS 1.执行摘要5 2.研究和人口统计6 A.研究范围6 B.主要人口统计7 1.工作职能7 2.行业代表8 3.公司规模9 3.数据管理的目标和驱动因素10 A.目标和驱动因素10 B.挑战和优先事项13 4.数据管理的现状15 A.数据管理的范围15 B.驱动数据管理的角色16 C.数据管理的组成部分17 D.结论性意见20 5.技术和培训21 A.工具和技术21 B.培训22 6.数据治理和元数据管理24 A.数据治理B.元数据24 管理C.结论意见25 27 7.数据体系结构28 A.数据管理中的数据架构状态28 B.数据架构的价值29 C.结论性意见30 ©2024DATAVERSITYEducation,LLC。保留所有权利。3 8.数据建模31 A.数据管理中的数据建模状态32 B.数据建模方法33 C.模型和图表的类型34 D.结论性意见35 9.数据平台和存储36 A.数据平台36 B.数据平台和存储的未来计划37 C.结论性意见38 10.新技术和趋势39 A.组织趋势39 B.未来趋势40 C.结论性意见40 11.结论41 12.生产者42 13.关于作者43 4©2024DATAVERSITYEducation,LLC。保留所有权利。 1.执行摘要 今天的经济由数据驱动，人工智能（AI）和数字经济已成为日常生活中的常见概念。今年调查的一个显著特点是，受访者关注的焦点更多地集中在如何治理支持这些技术的数据，以及确保数据质量上，而不是集中在这些变革性技术的力量上。数据治理以及需要跨职能、数据素养团队来管理企业数据的主题贯穿了今年的调查。关键亮点包括： •63%的受访者认为其组织将数据视为企业资产。•数据管理和分析以获得洞察是最大的驱动因素，有72%的回应支持这一观点。•数据孤岛数量是最大的担忧，有68%的受访者将其列为组织内部的问题。•在未来1-2年内计划的主要举措包括数据治理（39%）和数据战略（37%），企业希望通过这些举措从数据中创造更多价值并保持可信、安全的信息资产。 5 2.研究和人口学 A.研究范围 DATAVERSITY®的2024年数据管理趋势调查(TDM)本✲告提供了对企业方向和关注点的洞察，随着数据管理的发展而演变。本✲告是自2019年起启动的一系列✲告中的第六份。 2024年研究的整体结构和方法与2019年以来的往年保持一致。当相关时，我们将以前的数据管理调查结果与2024年的结果进行比较，以确定长期趋势。 今年的调查共有来自全球45个国家的334位受访者。从地理分布来看，受访者的54%来自美国，其次是加拿大的9%，英国（U.K.）的6%，澳大利亚的3%，以及印度的3%。 各行各业、各种规模的企业以及不同角色的企业都进行了调查。大多数受访者从事数据治理相关职位。此外，涵盖了广泛的行业领域，包括制造业、教育和零售业。 这个调查包含26个问题。其中三个问题是开放式的，其余的问题提供了可供选择的答案 ，并且有些问题要求勾选所有适用的答案。 提供的选框通常包含一个“其他（请说明）”选项，并留有足够的空间填写简短描述。这些评论将在相关分析中予以包含。 调查问题分为10个主题，后面是其他注释的空格。这些部分是： •一般人口统计(四个问题) •数据管理的目标和驱动因素(四个问题) 数据管理的现状(四个问题) •技术和培训(两个问题) •数据治理和元数据管理(三个问题) •数据架构(两个问题) •数据建模(三个问题) •数据平台和存储(两个问题) •新技术和趋势(两个问题) DATAVERSITY通过电子邮件宣传活动招募了调查参与者，并利用了DataEducationMonth的相关资源。响应者获得了相关链接。2024年数据管理趋势调查,回答问题没有时间限制。 6 The334participantsdidnotreceivemonetarycompensation.Instead,theyreceivedthecompiledpreliminaryresultsfromthestudy.请注意，调查的回答和评论仅代表这些参与者的观点。 B.主要人口统计 首先，受访者回答了一个关于其职位名称和国籍的一般问题。然后，他们回答了关于其工作职能、行业以及公司员工数量的三个主要人口统计学问题。更多详细信息将在下文中介绍。 1.工作职能 2024年调查(和以前的调查)中的大多数受访者持有以数据为中心的立场[图1]: 图1：职务/职能 按职业划分，2024年做出回应的前三名职业群体是： •信息/数据治理：35%•数据和/或信息架构：21%•顾问：11% 其余的角色跨越从企业高管到学术/研究人员再到技术/工程角色。 7 2.行业代表 2024年，代表了40多个行业[图2]： 图2：行业 前五大部门包括： •咨询：14%•政府 ：12%•教育：8% •财务：7% 结果表明，各种类型的组织都能从数据管理中受益。虽然历史上数据管理主要局限于金融和政府等行业，但现在我们看到的数据管理应用已经扩展到了各行各业，包括制造业 、教育业和零售业等，以及更多领域。 8 3.公司规模 尽管参与调查的企业规模不一，但超过三分之二的受访者来自拥有超过1,000名员工的公司[[图3]]： 图3：员工人数 前3个部分包括以下内容： •10,000及以上：28 ％•1,000-4,999： 24％•5,000-9,999 ：16％ 在过去，只有最大的组织才对数据管理感兴趣并能够承担其成本。如今，所有规模的组织都对数据管理感兴趣并从中受益。此外，工具和解决方案（尤其是云解决方案）的可用性帮助小型组织获得了过去无法获得的功能。 9 3.数据管理目标和驱动程序 DAMAInternational✁“数据管理知识体系”(DAMADMBoK）具有公认✁行业标准数据管理定义。它说： 数据管理是指在整个生命周期中开发、执行和监督计划、政策、项目和实践，以交付、控制、保护和提升数据和信息资产✁价值。 我们确认DAMA-DMBoK✁权威性作为本✲告中使用✁定义。为了理解数据管理✁重要性，我们提出了四个关于目标、优先事项和挑战✁问题。 A.目标和驱动因素 为了了解数据管理对组织✁重要性，调查要求[图4]：“您实施数据管理✁主要业务目标和驱动因素是什么 ▶ 在你✁组织里？” 图4：业务目标和驱动因素 2024年✁前五个目标和驱动因素如下： •通过✲告与分析获取洞察：72% •节省成本并提高效率：63% •支持数字化转型：62% •遵守法规：55% •降低风险：52% 10 成为数据驱动组织并基于数据做出决策✁目标再次成为数据管理✁主要驱动力，这一目标一直保持不变，每年都是如此。通过✲告和分析获得洞察是数据管理✁第一大驱动力 ，有72%✁受访者将其列为优先事项。越来越多✁企业依赖商业智能和高级分析来驱动决策制定。 数据✁使用不仅限于✲告和分析，组织还利用数据来改进其核心业务运营。目标是降低成本和提高效率。 数据t是第二受欢迎✁回应，63%✁组织选择了这个回应。 不仅强大✁数据管理能够提高数据操作✁效率，使数据团队花费更少✁时间在手动或低效✁工作上，而且更重要✁是，数据还能提升业务运营✁效率。强大✁产品主数据推动了供应链运作和定价效率✁改进。集中化✁供应商主数据可以驱动供应商上线流程✁简化和采购过程✁优化。几乎组织✁每一个方面都可以通过强大✁数据基础得到改进。 同样地，数字转型——作为第三大驱动力，获得了62%✁响应支持——得益于坚实✁数据基础。组织在数字化世界中寻求利用数据✁方式多种多样，反映出这些组织本身✁多样性。这种向数据驱动型组织转变✁趋势正在不断加强。 例如，随着公司寻求在线销售更多产品，强大✁产品主数据目录变得至关重要。希望在数字世界优化客户旅程✁组织通常会通过客户主数据和客户互动✁数字线索来构建“全方位客户视图”。 遵守法规和降低风险是调查中多次提及✁首要驱动力。随着法规要求✁不断上升，尤其是关于数据隐私方面（例如CCPA、GDPR等），组织被要求加强其数据管理能力。例如，针对数据主体访问请求✁要求，组织需要对消费者数据进行全面追踪，并需加强对数据治理、元数据管理和主数据管理（MDM）等领域✁关注。 通过✲告和分析获得洞察是数据管理✁主要驱动力，有72%✁受访者将其列为优先事项。 11 我们还想知道组织如何重视数据，并询问[图5]： ▶“您✁组织是否将数据视为公司资产？” 图5：作为公司资产✁数据 这个调查问题显示了以下结果： •是：63%•否：28%•不知道：9% 尽管上一个问题表明组织从数据管理中获得了诸多好处，但只有63%✁组织认为其数据被视为企业资产并得到相应管理。 12 B.挑战和优先事项 每个人都面临实现数据管理目标✁困难，无论他们是否将数据视为资产。为了更好地了解这些挑战，我们对参与者提出了以下问题（如图6所示）： ▶“贵组织面临✁最大数据管理挑战是什么？” 图6：数据管理挑战 参与者在2024年选择了以下五大挑战： •数据孤岛数量：68%(2023年为61%) •数据素养：58%(2023年为57%) •数据质量问题：56%(2023年为55%) •缺乏数据治理：51%(2023年为50%) 技能短缺：41%(2023年为44%) 数据孤岛位居首位，成为组织面临✁主要挑战。自2023年以来，这一问题增加了7%。实现企业范围内✁“单一版本✁真相”仍然只是许多企业✁愿景。数据孤岛现象加剧了多个因素✁影响：组织✲告结构、缺乏互操作性✁软件应用、文化因素等。而第四大主要挑战——缺乏数据治理——也进一步导致了无法在企业层面解决数据管理问题。 13 数据素养和技能短缺分别排在第二和第五位。随着组织致力于成为数据驱动型组织，并基于数据做出战略决策，他们需要一支由业务和技术利益相关者组成✁强大团队，了解如何分析、管理和治理组织✁数据。虽然许多组织已经开始实施正式✁数据培训和意识提升项目，但技能和知识水平仍然落后于所需标准。 数据质量是调查中普遍存在✁一个关切点。缺乏对数据✁信任会削弱基于数据做出决策✁能力。没有强大✁数据治理计划，实现高质量✁数据极为困难。 为了更好地了解面临✁挑战，我们在2024-2025年期间跟进了一个开放性问题，询问组织在数据管理方面✁优先事项和目标。 ▶“您在2024-2025年✁前2-3个数据管理优先事项/目标是什么？” 首要优先事项是数据治理，紧随其后✁是数据质量。接下来最受欢迎✁手动回复是元数据管理以及数据目录，还包括主数据和参考数据管理，这些能力强烈支持数据治理和质量。 我们看到，在监管重点重新聚焦✁情况下，数据管理努力呈现出加强和更新✁趋势 。随着组织越来越多地采用人工智能项目，有效数据治理✁需求变得愈发关键，以确保AI系统中数据✁可靠、透明和伦理使用。为了支持这一对数据管理和治理✁强化关注，组织可以从采纳数据管理行业标准并利用改进✁自动化工具中受益。 14 4.数据管理✁现状 为了获得更全面✁数据管理理解，DATAVERSITY提问了四个关于组织范围、角色和组件✁问题。部分参与者还在提供✁空间中留下了额外✁评论。 A.数据管理✁范围 为了了解数据管理对组织✁影响程度，调查要求[图7]： ▶“您✁组织中数据管理✁范围是什么？” 图7：数据管理范围 调查结果显示： •我们有企业级努力：51% •我们没有稳健✁数据管理实践：21% •我们仅在个别项目中实施数据管理：19% •其他（请指定）：7% •不清楚：2% 即使存在强烈✁企业需求和数据带来✁好处，也只有51%✁组织声称已经开展了企业级 ✁数据工作。这与之前提到✁组织面临✁最大挑战是数据孤岛现象相一致。请参阅第3节：数据管理✁目标和驱动因素)尽管数据具有价值，或者正是因为其价值，组织内 ✁各个部门和团队在共同努力方