最大化数据价值的斗争是真实的
数据治理 数据是公司最宝贵的资产之一，这一点已得到广泛认可。当公司能够理解眼前的数据时，就能发现高投资回报率的创意和新的增长机会。它可以揭示哪些客户可以获得最高的回报，哪些新的细分市场值得测试，以及哪些存在风险的合作关系需要避免。
为了组织和使用数据，从而提取这些宝贵的洞察，近年来大多数公司都转向了主数据管理软件。无论规模大小，公司都渴望通过这种方式从数据中获取回报。但他们往往最终难以成功。
无法量化数据价值造成了一个悖论：公司承认数据治理是从企业数据中获取规模和价值的依赖，但由于他们没有衡量数据的价值，因此他们常常难以证明在数据治理方面进行实质性或长期投资的合理性。
僵尸平台
当公司尝试投资某种数据治理方案时，他们往往从软件层面入手。这会导致可怕的“僵尸平台”，只要硬件还在运行，它就会漫无目的地运行，而且通常没有方向或明确的目标输出。这种情况通常有两个原因：
公司将软件实施视为一次性事件或项目，其中实施的资金与软件的购买以及启动和运行成本挂钩。
然后，公司无法确保在随后的几年或预算周期中能够考虑到运行和维护这些系统的人员预算——尤其是因为人员成本会立即触及底线。
如果您不定义什么是客户
什么构成了层级结构，或者您的数据结构如何，那么实施自动化客户数据或层级结构数据管理的软件将会失败。所有软件都需要规则，而治理程序会为您的企业数据定义“规则”。没有这些规则，即使是世界上最强大的软件平台也无法解决您的问题。
如果没有人员来运行数 电子邮件数据 据治理程序，公司最终将只剩下一个僵尸软件平台，它不停地运行，却无法产生实际的商业价值。人与软件密不可分。在一个高效的数据生态系统中，人与软件是一种共生关系。
什么阻止了公司投资于管理数据的人员？
简而言之，这个“先有鸡还是先有蛋”的悖论可以归结为一个问题：当你不投资于数据的监管、描述和存储时，你如何衡量数据的价值？
投资回报率 (ROI) 的 市场总监兼销售部。平行世界、形影不离的朋友还是同一个系统？ 不明确性——导致进一步投资放缓，进而影响数据进展——是由一系列常见事件造成的：
人们需要制定政策和程序来自信地使用数据来做出重要的商业决策。
为了实现这一点，需要有一个团队来监控它。
为了组建一个团队，需要获得内部认同，相信这项投资对于公司的底线来说是值得的。
假设明天你的 CRM 系统中的所有数据都消失了。这会对您的业务造成什么财务影响？
大多数公司都不知道。他们 电话号码巴西 无法回答一个准确的账户值多少钱，或者如果他们今天将一个新账户导入他们的 CRM，他们能从交叉销售或追加销售中获得多少增量收入。
这意味着，如果您无法对企业数据进行估值，那么就很难证明对管理这些数据进行长期投资是合理的。
企业如何突破悖论并证明投资回报机会？
换句话说，不管理数据的代价有多大？最近的研究估计，数据质量低下每年可能给普通组织造成高达1420万美元的损失，仅在美国，不良数据每年造成的经济损失就可能超过3万亿美元。数据丢失或数据隐私泄露的公开案例屡见不鲜，而一些公司却错误地将数据安全视为事后诸葛亮。
从本质上讲，治理悖论让公司感到束手无策。他们经常处于项目的第二、三甚至四轮迭代中，试图通过实施软件解决方案来掌控数据并确定投资回报率，但最终却未能实现。此外，他们仍然无法准确地生成客户的单一视图。
随着时间的推移，企业逐渐意识到，要从企业数据中获取任何价值，就必须应用一套涵盖人员、政策和流程的治理方案。一套涵盖所有数据的方案将成为连接公司数据和人员的粘合剂——随着业务数据变得更加准确、及时、完整，并最终变得可用，企业就能建立起一种信任和信心的文化。
如何开始：构建数据治理计划的实用小步骤
公司在数据治理方面犯下的最大错误就是试图一次性完成所有事情。提高治理和主数据管理 (MDM) 成功率的最佳方法是从小事做起。邓白氏建议先处理一个初始类别（例如客户数据），然后建立数据质量标准。
公司在开始数据治理工作时最常问的三个问题是：
企业范围的数据治理计划的关键组成部分是什么？
在早期治理计划中我的首要任务应该是什么？
为什么数据治理对于主数据计划的整体成功如此重要？