楼主: 时光永痕
972 0

[数据挖掘新闻] 未开发的经济资产?如何通过黑暗数据获利 [推广有奖]

  • 0关注
  • 14粉丝

svip3

学术权威

12%

(VIP/贵宾)八级

6%

威望
0
论坛币
26 个
通用积分
57.2238
学术水平
4 点
热心指数
4 点
信用等级
4 点
经验
34180 点
帖子
2732
精华
0
在线时间
321 小时
注册时间
2020-7-21
最后登录
2024-8-1

楼主
时光永痕 学生认证  发表于 2020-9-15 20:09:52 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
未开发的经济资产?如何通过黑暗数据获利
如果您拥有从未使用过的公司资产怎么办? 您的第一个回答可能是公司资产显然没有价值。 你可能是对的。但是,所有资产都存在成本–购置成本,维护成本,存储成本,折旧成本,报废成本。因此,要承担所有这些费用,然后对该资产不做任何事情,将是信托过失,其后果更糟。
欢迎来到黑暗数据世界!
不仅是黑暗的数据;它是Dracula数据,其意义是成本和潜在负债(与GDPR,个人身份信息,公平信用报告法等相关)会慢慢吞噬组织的资产负债表,同时使组织面临不必要的合规性和监管风险。
但是,如果您认为暗数据是信息技术(IT)问题,那么这可能就是您遇到暗数据问题的原因。 让我解释…
业务策略驱动的数据策略
“组织不需要大数据战略;他们需要整合大数据的业务策略!” –比尔·施马佐( Bill Schmarzo)
我喜欢用这个声明开始我的客户会议。我想立即挑战我的客户如何确定数据的价值。 许多组织将数据视为要最小化的成本。 这些组织将其数据策略视为独立于支持组织业务策略的活动。 结果:Dracula数据。
与其将数据策略开发为IT部门的独立活动,不如考虑数据策略如何通过数据中发现的客户,产品和运营洞察力来支持业务策略。企业需要一种价值工程的思维方式,将其数据策略与企业的业务计划联系起来(见图1)。
图 1:数据科学价值工程框架
如果您的组织寻求在利用数据和分析来增强其业务模型方面变得更加有效,那么数据科学价值工程框架就是您的工作方式。
了解数据的经济价值
经济学为确定资产评估提供了前瞻性的观点。使用经济学框架衡量和管理其业务运营的组织将重点放在资产可以产生的价值上。 经济学不仅提供了前瞻性的估值框架,而且数字资产的独特特征(例如数据,分析和应用程序)进一步利用了经济学框架。
我们在旧金山大学进行的研究为企业资产的经济价值开启了行业讨论之门,企业资产的经济价值永远不会耗尽,永远不会耗尽,并且可以零利润成本用于无限数量的用例(见图2)。 )。
图 2:了解数据的经济价值
数字资产的经济特征以多种方式体现出来(图3):
经济成本趋于平稳。数据和分析数字资产的重用成本随着数据和分析数字资产重用的边际成本趋于零而趋于平缓。
经济价值增长。随着数字资产的重用加快实现价值的时间,同时降低实施风险,累积的财务,运营和客户价值将增加。
经济价值加速增长。数字资产的经济价值通过数字资产的完善而加速。 通过改进可提高预测效率的数据资产,数据资产将变得更加完整,分析资产也将变得更加准确。
图 3:Schmarzo经济数字资产评估定理
有关“ Schmarzo经济数字资产评估定理”(我曾试图获得诺贝尔经济学奖)的更多详细信息,请参见博客“ 为何明天的领导人必须拥抱数字交通经济学... ”。
让利益相关者“像数据科学家一样思考”
Splunk发表了有关暗数据的研究,标题为“ 暗数据。“光明的未来 ”表示组织的近55%的数据是黑暗的。我从研究中获得的主要收获之一是,解决黑暗数据难题的第一种方法是培训更多的员工进行数据科学和分析(见图4)。 我十分同意!
图 4:创建“数据科学公民以应对黑暗数据挑战”
我们一次又一次地看到那些在数据科学方面最成功的组织是那些在第一天就将业务利益相关者整合到数据科学过程中的组织。 数据科学的成功可能更多地取决于收集各种业务利益相关者的见解和观点,而不是机器学习框架本身(这肯定会激怒我的数据科学家朋友)。 由业务利益相关者提供有关组织关键业务计划的业务,客户和运营价值的宝贵指导,了解可以衡量进展和成功的指标和关键绩效指标,指出最有价值/最可行的决策支持业务计划,对优化决策所需的预测进行分类,集思广益人们可能想要探索的数据源以及量化与误报和误报相关的成本。
这正是我的新工作簿“ 像数据科学家一样思考的艺术 ”的重点;创建“数据科学公民”,他们可以与数据科学团队合作来识别,整理和实施上述数据科学要求。 结果,组织不仅可以最大程度地提高数据科学和业务成功率,而且还可以发现并利用整个组织中隐藏的那些黑暗数据源并从中获利。
有关该工作簿的更多详细信息,请参见博客“什么是' 像数据科学家一样思考的艺术'及其重要性 ”。
黑暗数据摘要
如果您认为暗数据是信息技术(IT)问题,那么这可能就是您遇到暗数据问题的原因。
这不是暗数据。在Dracula数据中,成本和潜在负债慢慢吞噬了组织的资产负债表,同时使组织面临不必要的合规性和监管风险
“组织不需要大数据战略;他们需要整合大数据的业务战略!” –比尔·施马佐( Bill Schmarzo)
数据和分析数字资产的经济性可以同时降低运营成本,同时提高(甚至加速)组织创造新价值来源的能力。很难找到其他具有相同行为的公司资产。
如果您想解决暗数据问题并释放数据的经济价值,请培训您的业务和运营利益相关者以“像数据科学家一样思考”。

关注 CDA人工智能学院 ,回复“录播”获取更多人工智能精选直播视频!


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:诺贝尔经济学奖 诺贝尔经济学 数据科学家 思考的艺术 资产负债表

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注cda
拉您进交流群
GMT+8, 2026-1-5 18:30