现代企业拥有比以往更多的方式来对数据进行切片和切块

随着数据科学家和商业同样关注这些新技术的巨大潜力，我们冒着忽视重要的东西：数据本身的风险，毕竟如果没有正确的数据为它们提供支持，精美的可视化和预测分析就无关紧要。

每个企业都需要优先于收集和结构化其基础数据，而不是用来理解数据的分析原因如下：

1、数据将扎根于我们开展业务的每个环节

公司不仅开始掌握数据的复杂性，而且还掌握与员工之间关系的深度，所有业务角色和级别都需要做出正确的决策，而决策则取决于用户数据，因此从产品到客户服务再到销售，每个部门（不仅仅是数据科学团队）都应该可以访问该信息。

仅在每月一次的全体员工会议上仅检查收入指标已远远不够

组织必须将数据驱动的流程纳入决策。以一个现代的营销团队为例，如今营销人员可以使用大量丰富的数据源，尤其是随着智能手机，平板电脑社交媒体平台和数字接触点的爆炸式增长，品牌可以通过这些接触点与受众互动。如果将所有这些数据收集到一个中心位置，它将为理解长期客户行为开辟强大的新方式。销售，产品和客户成功等其他部门也可以访问的数据量。

2、每一点数据都有助于整体发展

随着数据在每个部门和级别中扮演着越来越重要的角色，企业必须将其所有数据视为不断增长的机会集合，每个数据集-CRM，CMS，ERP，营销软件-都包含许多可能的见解。现在看来微不足道的发现可能会在很大程度上影响未来。不可能事先知道什么数据很重要，因此企业需要尽可能多地收集数据。即使公司的优先级或市场状况发生变化，这也可以使公司追溯发掘见解。

3、洞察力与基础数据一样好

数据质量为王。不良数据会导致不良结果。如果您基于不完整的数据做出决定，那么信任结果将变得更加困难，终会削弱对数据驱动文化的信心。干净，完整和正确的数据对于生成可行的见解是必要的。

机器学习受到了很多炒作这是有充分理由的

但是，除非有强大的基础知识，否则它就无法发挥其大胆的潜力：将数据根植于其文化中的组织生成的干净，完整的数据，“数据驱动”一词已经存在了很多年，但是在当今快速发展的数字经济中，它必须成为世界各地公司的文化使命。