在大數據和 AI 蓬勃發展的時代，雖然愈來愈多企業和組織都認知到數據的潛在價值，但絕大多數仍然無法有效衡量其數據和分析用例的實際價值。根據最新研究，這個現象揭示了企業在數碼轉型過程中面臨的深層挑戰仍然不容忽視。
調查發現數據價值仍然難以衡量
Gartner 的最新調查顯示，在 504 名受訪者中，超過 90%的數據分析領導者表示，在過去 12 至 18 個月中，價值導向和成果導向已成為其工作的主要關注點，並將持續影響未來發展。然而，30%的受訪者指出，他們面臨的最大挑戰是無法衡量數據、分析和 AI 對業務成果的實際影響。
Gartner 高級分析師 Michael Gabbard 指出，許多組織雖然都在談論數據的價值，渴望成為數據驅動型企業，但能夠實質性證明這一價值的企業卻寥寥無幾。更值得注意的是，雖然大多數首席數據和分析官負責數據戰略，但有三分之一的人並不認為建立運營模型是其主要職責，這反映出數據分析領導者在規劃和執行之間存在著持續的鴻溝。
大數據的熱潮已經持續了約 15 年，從 Hadoop 分布式文件系統成為新寵開始，到 Hortonworks 上市時股價暴漲 65%，再到如今 Snowflake 在雲端對象儲存範疇的崛起，整個行業經歷了多次變革。然而，企業依然難以準確衡量數據分析的商業價值。
AI 趨勢下問題更迫切
隨著 AI 技術的快速發展，這個問題變得更加緊迫。Gartner 預計 2023 年數據和分析軟體市場規模約為 1,500 億美元。董事會和高管層正優先考慮 AI 投資，以推動業務轉型並保持競爭力。這要求數據和分析總監能夠提供基礎的 AI 就緒數據、治理和人才支持，這些都是 AI 成功的關鍵要素。
然而，一個值得關注的問題是，雖然企業高層都在追求 AI，但他們並不一定了解「AI 就緒數據」需要哪些新能力。這種認知差距可能導致投資效益難以實現。建立 AI 模型需要強大的數據平台支持，但我們不禁要問：十年後，企業是否還會面臨同樣的困境，無法衡量在 AI 範疇投入數十億資金的商業價值？
制定相關對策刻不容緩
面對這些挑戰，企業需要採取更加務實的方法，其中包括建立清晰的數據價值評估框架，將數據分析與具體業務目標緊密結合。其次，要加強數據分析領導者的執行力，確保戰略規劃能夠落地實施。最後，在投資 AI 技術時，需要同步建設相應的評估機制，確保投資能夠產生可衡量的回報。
未來隨著數據分析和 AI 技術的持續發展，企業必須更加重視價值衡量和成果評估。只有建立起完善的評估體系，才能確保技術投資真正為企業創造價值，推動業務的可持續發展。這不僅是數據分析領導者的責任，更是整個企業在數碼化轉型道路上必須面對的挑戰。
來源：The Register
