重要发现：

CRM数据质量对营销人员来说非常重要。92%的受访者将企业为这些平台提供高质量的数据评为重要（31%）或非常重要（61%）。尽管如此，几乎一半的受访者（45%）认为他们自己的CRM数据质量是中性（35%）、差（9%）或非常差（1%）。只有8%的受访者符合Validity对高质量数据的三个标准。

大约4/10的受访者（38%）估计其60%-79%的数据是完整和准确的，另有1/5的受访者（22%）认为40%-59%的数据是完整和准确的。只有1/4的受访者（24%）估计CRM数据中有80%以上是完整和准确的。

事实上，约95%的受访者遇到过某种类型的数据质量问题，其中最常被提及的是数据丢失或不完整（69%）。

更重要的是，虽然90%的受访者正在采取措施改善CRM数据质量，但被引用最多的方法是手动识别和纠正数据质量问题（63%）。

业绩最好的员工如何从更高质量的CRM数据中获益

超过70%的受访者认为数据是企业的命脉和关键的增长动力。

总体上只有35%的企业对其潜在客户转化率感到满意或非常满意，相比之下，47%的使用最高质量数据的企业这么认为。在拥有非常差、差或中性质量数据的企业中只有15%对其转化率感到满意，没有一个企业感到非常满意。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

总体而言，虽然公司正在投资于数据，当然还有分析，但大多数公司仍然认为自己不是数据驱动的。Experian考察市场时，发现了导致这种脱节的几个关键原因：

首先，对信息存在很大程度的不信任。查看数据的普通专业人员不了解这些数据是如何获得的，何时有用，以及处于什么状态。尤其是当数据洞察与长期存在的规范相矛盾时，这一点就会发挥作用。事实上，受访者认为几乎1/3的数据是不准确的。

其次，这种高度的不准确性导致了数据债务的一个大问题。数据债务很像技术债务。你有一组不适用的数据资产，或者它有很高的不准确性。除非花时间修复该信息并对其进行适当的管理，否则数据操作将始终处于次优状态。

最后，存在数据技能短缺的问题。这不仅仅意味着数据专业人士，如数据分析师、首席数据官（CDO）和数据科学家。在更广泛的业务范围内，也普遍缺乏对数据的理解。

我们需要对数据做更多的工作，但在解决数据债务和数据技能短缺等问题之前，从业者不会达到他们期望的数据结果状态。

PDF版本将分享到199IT交流群，支持我们发展可加入！

　　第一节 物联数据的组织方式

　　工业企业的生产制造物联网应用一般称为车间物联网或者叫制造物联，通过使用RFID传感器、无线网络通信、GPS定位、语音视频系统等技术把制造计划与制造资源“人、机、料、法、环”等信息链接起来，从而对五大制造资源智能化识别、定位、跟踪、监控和管理，从而满足企业指挥调度、环境监测等方面的管理要求。五大制造资源分为静态属性和动态属性，如一台机床设备的静态属性又可以分为管理信息（设备编码、设备名称、设备分类等）、静态参数（工作环境、进给速度、切削参数等）、动态参数（机床状态、车床完备率、车床负荷率、维修记录等）。静态属性不受生产过程的影响，并在生产流程开始之前已经确定，是车间现场管理中的常量数据，但这些数据并非永远固定不变，它们可在生产过程结束后由用户进行调整；动态数据是一直处于变化中的数据，车间物联网数据大多属于动态数据。

　　第二节 物联数据的管理技术

　　车间物联网是一种典型的复杂信息系统，涉及数据管理的各个方面，主要包括：数据质量控制、数据融合与集成、复杂事件处理、数据存储与处理，以及安全访问控制等。

　　数据质量控制：物联网的数据质量可以用精确度、置信度和完整性三个指标来衡量。在提高射频识别、传感器网络数据质量控制方面，主要采用清除多读和误读数据、填补漏读的数据。数据清洗通常采用概率统计和时空关联的方法。

　　数据融合与集成：物联网数据空间内数据对象的多态性表现在多类型、异构和无统一模式。因此，一方面需要构建车间统一的数据模型，用统一的方式表达数据；第二方面以统一数据模型为基础，研究如何将异构数据映射和转换到统一的数据框架中；第三方面物联网中的数据源是分布、自治和独立的。在数据集成过程中，有时需要自动地发现相关的数据源；第四方面要记录数据的来源，从而实现数据的溯源；第五方面车间制造资源是不断变化的，这种变化会对于数据的一致性、版本和模式更新等产生影响，要能够记录数据演化的过程。

　　复杂事件处理：在典型的物联网应用中，上层系统负责监测各个物体的状态和行为，并控制其按照既定的程序作出智能反应并完成相应行为。物体的行为通常以事件形式表达。

　　安全访问控制：由于物联网的开放性，如何保护好了传感数据的隐私性成为一个棘手问题。因为这些海量数据很容易获取、如果几何互联网检索信息，使用复杂的推理技术，就可推演出隐私信息。物联网的物体异构性和移动性增加了隐私保护的复杂性。

　　第三节 物联数据的应用模式

　　1、物联车间的生产管控：车间生产指挥调度中心作为整个生产的“大脑”，需要统筹调度车间的各项资源及生产能力，该中心通过集成ERP、MES、MDC等系统数据，以电子大屏幕为载体，展示各生产现场作业情况、突发事件、事件跟踪、改进情况等。结合精益生产理念，对各生产单元的生产任务执行进行全过程管理，通过统计、分析、归纳、预测后，实现生产数据可视化管理，为全景展示公司生产任务执行情况，提供企业决策支持分析，确保生产任务按质、按量的准时完成。

　　2、物联车间的质量控制：某钢铁企业是中国最大的特种钢材生产企业，在其某条硅钢生产线上，由于多种复杂因素的作用，成品表面有时会形成一种称为纵条纹的瓦楞状缺陷。纵条纹缺陷不仅影响产品的外观效果，而且对产品的物理性能如层间电阻，电磁性能和叠片性能等有着直接的影响，其纵条纹缺陷钢占生产量的30%左右，每年给企业带来巨大的损失。通过数据挖掘技术对生产工艺流程数据进行深入分析和挖掘，建立产品质量优化模型，减低次品率，提升产品质量。

        企业越来越重视数据，84%的企业将数据视作建立经营策略的一个组成部分；29%的企业认为如果消费者数据精确就能增加销量；97%的企业致力于获得单一顾客视图。

        但是，企业仍然面临着挑战，企业掌握的数据中23%是不精确的，只有14%的企业认为使用复杂方法管理数据质量。

        网络数据爆炸给数据管理带来更大挑战，81%的企业使用社交媒体数据；78%的企业使用移动应用数据；39%的企业有50个以上消费者联络数据库，和2014年的10%比增长明显。

        数据越来越复杂，企业对专业人才的需求也在增长。82%的企业积极寻找数据专家参与数据管理策略；79%的企业认为应当由企业自己负责数据质量，偶尔需要获得IT部门的帮助。

        199IT.com原创编译自：Experian 非授权请勿转载

云端文件分享和管理服务公司Box Inc.星期五（1月23日）首次公开募股（IPO），股价大幅飙升超过66%，收报23.23美元。该公司星期四晚间给出的IPO定价为14美元，高于最初11～13美元的价格区间。

“市场观察”（MarketWatch）报导，去年春天，Box就计划某个时候上市，但由于市场对云端储存公司股票的欢迎度急转直下，迟迟没有行动。

以下是有关Box公司的一些基本情况：

1.Box通过IPO发售1,250万股，筹资总额1.75亿美元。伴随IPO还有一项190万股的“绿鞋期权”。

2.Box于2015年1月23日首次在纽约证交所上市交易，股票代码是BOX。

3.Box计划用其上市筹集资金的50%去发展客户基础。

4.Box主要向企业提供云端存储服务。

5.目前云端存储业竞争异常激烈，微软、苹果、谷歌等大公司都参与其中。

6.Box有3,200万注册用户，其中99%是《财富500》大公司。

7.Box执行长Aaron Levie掌控全公司4%的股权，早期投资者Draper Fisher Jurvetson、U.S. Venture Partners和Coatue Management共拥有40%。

8.Box虽非家喻户晓，但在企业和投资界很有名气。执行长Levie年仅30岁。

9.Box目前还没有盈利，事实上还有亏损，但投资者认为该公司亏损幅度会逐步缩小。

10.专注于科技股的避险基金Coatue有权以IPO价格购买额外10%的Box股份。

而我知道“大数据”(Big Data)服务系统是知道我们之间的关系的，这是不是能够解释我们同时收到有关游轮信息一事呢?抑或就是大数据系统让这些广告通过了垃圾邮件筛查系统?——从我个人方面，并不把这件小事看作偶然。

不知不觉之中，人们在网上(甚至线下)的一举一动都能通过人们留下的数据信息，被任何人追踪、监视、分析和传播，所有人都能通过各种各样的方式获得有关你的数据。

信息的交换是首当其冲的方式，比如Facebook上的更新，在Foursquare“签到”，Google上搜索的主题等。除非你对当前状态进行加密，这些信息一旦被发布到网络上，都是以呈现赤裸裸的状态公开——这里说的“加密”，可不包括使用颜文字哦。

有些信息交换的方式显得不那么直接，比如图片，其中也包括大量的数据，比如使用何种相机，进行过怎样的处理，照相地点，GPS位置等。这些信息在你毫无意识的情况下被保留到图片里。每次你发布一张图片，实际上都等同于发布了无数关于你的个人信息。

那么对于商家来说，除了发布“目的广告”(target advertising，有时收效甚微)之外，还有那些值得关注的方面呢?

Netflex在利用数据推进商业发展方面是一个很好的例子。Netflex从三千三百万订阅用户中获取数据。这些数据不仅包括偏好，评分，收看过的电影等，还囊括使用者的操作记录(重复观看，暂停，或后退等)。从这些数据中，Netflix发现其订阅者偏好政治片，喜欢Kevin Spacey参演或David Fincher导演的片子。利用这些有用的信息，Netflix与电影创作商合作设立专线并发布了首个名叫“House of Cards”(纸牌屋)的独家放映。该片在二月份首映，成为Netflix上最受欢迎的点播。

Netflix已经开始利用同样的方法开发其首部儿童动画片服务：Turbo：F.A.S.T，该片与梦工厂动画联手。与此前的纸牌屋一样，该服务预先知道订阅用户的习惯和行为，这一事实就让他们比其他同类动画片系列领先一大步。优势之大，让人甚至质疑其是否公平。

Netflix是一家拥有丰富资源的巨头企业，我知道大多数小企业在资源拥有方面不能与之相比。但对一个重视企业成长和竞争的小型企业来说，收集和整理顾客数据是一个值得重视的长期战略。

下面是小型企业需要管理自己的数据的四个理由。

1，外来数据昂贵却可疑

所有通过购买顾客资料来推广自己商业的人都会知道，这是一种昂贵但却通常不可靠的方法。而通过你购买得到的数据来扩展业务的过程，通常也是事倍功半，到头来还会拖垮自己的投资回报率。

2，客户关系放首位

通过数据管理与客户的关系相对简单。借助顾客关系管理(Client relationship management)软件和服务是一种可行的途径，但这必须建立在对客户隐私的尊重上和以算法为基础。比如Wild Creations公司发现，顾客对促销的满意往往能促使他们成为回头客并投入更大的订单。

3，管理方法多样化与成本低廉化

如今涉及数据管理方面的软件公司数不胜数。其中大公司的代表，如Salesforce，Infusionsoft (Wild Creations公司采用的软件系统)，Meltwater Press等，但他们的软件通常定价高，不适合小公司使用。小型的软件公司新进入市场时，会选择提供更加多样化的服务，更加贴合小公司的需求。最好的服务终将通过竞争获胜，而在这个过程中，不论选择怎样的公司，都要记得保证与他们签署的协议中明确你对数据的所有权。

4.数据资产化

有用的良性的客户数据越多，这项资产就会变得越有价值。Wild Creations就有自己所建立的有序增长的忠诚客户群作为公司一项骄傲的资本。通过提供有效的服务使这些客户对当前的雇佣关系表示满意。当Wild Creations就新产品于投资者进行洽谈时，这些忠诚客户就能成为一个优势卖点与谈判工具。所有商业行为都将被数据驱动已是当前大势所趋。

随着数据的积累与可用数据的增多，要想自己着手处理可能有些困难。有些机构就表示，公司自己处理数据可能导致商业中心的不明确，应当把处理数据的工作交给专业人员来做。但就我个人观点，这些数据整理的工作必须由公司自己完成，虽然耗时耗力，但却越早开始越好。哪怕是照搬Sear的数据系统服务(Metascale)，也能给公司十分可观的帮助。

最后我想说，虽然一举一动都在大数据的监视之下，但同样你也可以获取对大数据中信息的主动权。

你对如今商业中日趋增长的数据信息有怎样的看法?在下面对这一话题进行评论吧~

(via Inc)

说到eBay的拍卖和购物网站你脑海里会想到什么？1亿用户、3亿活跃商品、5万种产品分类、平均每秒2100美元的交易额，那就对了。当然，你也可以把eBay看作是一家数据管理与业务分析企业：每天50TB的数据量、7500用户与分析师的分析团队支持。

数据沙盒（data sandbox）听上去很小，但它却是eBay保证数据分析流程顺利进行的关键组成部分。

在今年四月洛杉矶召开的Gartner商务智能峰会（Gartner Business Intelligence Summit）上，eBay的分析应用技术高级主管Chris Rogaski在演讲中说到：“如果人人都想要不同的数据视图、报表或者仪表盘，我们将无法应付。所以，我们需要提前做好准备，只有这样，我们的业务分析师和产品经理们才能根据数据做出决策。”

eBay采取了很多措施，使用户需求得以及时满足。公司的数据分析平台结合使用了Teradata的企业数据仓库（enterprise data warehouse，简称EDW）、被eBay称为“Singularity”的Teradata独立深层存储数据库以及Hadoop系统。EDW用来存储结构化交易数据；Singularity用来存储半结构化数据（如网站用户行为分析）；Hadoop则用来处理非结构化数据，其中包括原始用户行为数据、其他形式的机器生成信息和文本数据等。Rogaski称，三部分合起来大概占据了90PB的存储空间。

另外，eBay将虚拟数据集市在EDW中自由分散，供任何想要开发、操控、添加特定数据集的员工进行使用。数据集市是公司的分析作为服务（Analytics as a Service）中的一部分，或者是A3S及其他用户分析数据程序的一部分。业务用户和数据分析师使用由eBay的IT部门开发的工具，可拥有（通常也会使用）100GB的空间，这就是在商务智能领域所谓的数据沙盒。

数据沙盒也被称为分析沙盒，这些由用户控制的空间被相互隔开，将数据实验和数据仓库的生产数据库环境区别开来。eBay的用户有权限获取EDW中的数据，还可以将所需信息复制到数据集市中进行分析。在eBay开发工具的帮助下，他们可以上载附加数据进行分析。Rogaski说：“如果存在一个我们不知道的新的数据源，我们没办法将其隔开，对它不进行数据分析。”

企业部门之间的对峙阻碍数据分析

企业中IT部门和业务部门的长期对峙屡见不鲜，其中一部分原因可归咎于优先级别不同。当业务用户有业务问题急需解决的时候，IT团队可能正在进行数据治理或是维护数据质量标准。对于想要深度分析现有数据的分析师来说，工作的中断会带来很强的挫败感。

TechTarget的BI咨询师兼研究主管Wayne Eckerson说：“分析师常常需要的是还未放入数据仓库的数据，因为这些数据还未经处理和载入。”

有些时候，数据分析师会认为由自己公司部署的BI和分析工具比Excel更加灵活，能够秘密建立起IT范围之外的Excel工具。然而，将Excel推行到企业上下进行数据分析之用并不是理想的方式。Eckerson补充：“每个人都知道分析师可以得出有价值的信息，但是没有企业是靠电子表格发展壮大起来的。”

Eckerson称，这时候数据沙盒就起作用了。它可以保证分析用户获得所需数据、加强对信息的控制，使企业的数据阴影系统（data shadow systems）逐渐明朗化。

对于BI和IT经理来讲，一个精心管理的数据沙盒为用户提供了一个安全之地，在公司管理架构内对企业数据进行实验。美国Data Miners咨询公司的创始人Gordon Linoff说：“这样一个环境存储的不是数据的复制，而是适合分析形式的信息。”Linoff还是《数据挖掘技术：市场营销、销售与客户关系管理领域应用》一书的作者之一。

数据沙盒可在数据仓库、分析数据库及其外部作为独立的数据集市构建。在eBay的案例中，Rogaski说，在EDW中采用沙盒作为虚拟数据集市降低了数据活动，减少了用户对数据进行复制并存储在其他系统的需求。

期限设定对分析大有帮助

他承认，在用户占据了沙盒，还是会出现少量的数据复制。“但这很正常，算是我们发展业务付出的一点代价吧。”为了减少复制，eBay在数据系统中使用了期限设定的方法，由分析师设定好数据集使用的一个结束日期。截止日期快到的时候，Rogaski的团队会与分析师协商，要不要把数据从系统中删除；这一过程被eBay称为碎片帐集（garbage collection）。

由于沙盒本身的作用就是处理数据，Linoff相信拥有正确的技能对成功部署非常重要。数据科学家和其他用户需要操控数据并分析数据当下的活动。他说：“这等于是在学习全新的事物，所以你需要可进行充分利用的技能组合。”

这条规则对许多企业来讲都十分有用，但并不适用于所用企业。Rogaski说，eBay的目标之一是让很大一群人都能获得它的BI和分析数据。即便是一个毫不了解情况的业务用户也能够使用虚拟数据集市。

对于想要建立数据沙盒的企业，Eckerson认为其中一个很大的挑战是管理。他举例说到，在用户将包含独有数据视图的报表分发出去之前，企业BI团队应该核实一下操控的信息，确保指标都正确无误。

Eckerson说：“你可以让用户获取数据，但你还需要给他们一些指导。没有人喜欢受限，但他们用的是公司资源，就不得不在某些方面遵守规则。”