迫切需要扭转80/20的比例

仅仅5到6年前，创新型公司对甚至几天的数据洞察感到满意，这已不再是这种情况，许多公司有数小时甚至数分钟来响应用户行为和市场趋势，获胜的公司将其竞争优势主要取决于有效和快速利用其数据的能力，数据团队花费大量时间来查找，清理和整理数据，这会产生许多阻碍业务发展的问题，尤其是与了解数据在哪里，数据说什么以及是否可以实际使用数据有关， 结果业务用户可能需要等待数周才能让数据团队交付响应。

在一个为能源市场服务的组织中，其数据分析师和科学家采用了一个平台来处理数据以进行分析

用于长期存储的Hadoop堆栈组成的机器学习模型,这些都是复杂的技术，需要专业和稀有的工程人才,分析师的屏幕上到处都是运行模型的终端，如果台式机重新启动，就会发生生产事故,负责维护这些系统的人员（平台和数据工程团队）必须跟上试图了解能源市场和机器学习，以及重写模型和应用程序并使其可部署的步伐。

即使是乐观的业务用户，也发现他们的热情受到数据基础架构后端出现的延迟和复杂性的影响

企业对于利用分析在组织内部进行决策感到很兴奋，但是他们引发了数据地雷，并报告了访问，准备，清理和管理数据的问题，终使可信赖和透明的分析模型的开发停滞不前,此外业务团队共享数据的速度很慢,他们依赖于高技能工程师的数据工程团队，他们因工具不足以及对数据和复杂的底层技术缺乏可见性而受到阻碍,不仅要求他们掌握复杂的分布式技术，而且要成为每个业务领域的专家,数据会随着时间推移而衰减，如果您无法发现，处理数据并快速共享结果，那么您将处于不利地位。

如此复杂的过程也阻碍了分析工作，尤其是在企业内部来自多个竞争对手的许多来源的应用程序，每个应用程序都有自己的数据模型和数据验证规则

例如与一家大型汽车制造商合作过，在进行分析以回答单个业务问题之前，CPDA数据分析师从中提取了60多个应用程序数据源，当您只有名字和姓氏来关联数据时，跨运营数据存储的简单操作（例如“识别客户”）就变得复杂了。

客户层次结构细节的应用程序之间的差异

有些可能只有一个级别，而其他的则多达10个级别，导致清理关联和重复数据删除的时间过长，通常这些仍然会导致不相关的数据，因此许多企业在ETL / ELT中编写了特定的业务规则和清理逻辑，这些严格的做法造成了80％。

准备组织逆转或至少放松80/20规则需要改变组织的优先级

甚至改变组织结构，简单地打开沟通渠道是一个很好的起点，团队应该建立流程，让分析师和业务利益相关者每周开会讨论新的问题和解释，以利用新的数据集和商机，这需要整个企业的共同愿景，执行授权还不够产品、分销、财务和营销团队等利益相关者需要看到并理解集成数据分析解决方案的好处，才能真正参与流程，这并不意味着要在如此多样化的团队中使用火喉，营销团队没有能力了解财务，而产品团队通常对分配有不切实际的期望，解决方案是拥有一个单一的事实来源—整体数据图，并通过将该事实投射到每个利益相关者的屏幕上来进行补充。

尽管如此在确保快速不受阻碍的数据驱动的见解流方面，仍需要一些观点

通常，对于正在进行的数据转换流程而言，现有的ETL过程可能就足够了，即使数据只是用于战略目的，例如趋势分析，企业也往往会寻求，以获取干净的数据，直到交易级别，实现的努力可能远远超过其收益，组织需要提高效率，并将其数据准备到支持其需要执行的分析细节的水平。

企业不应将太多的资源用于数据准备

而应专注于如何在数据团队之间分配工作，有时候CDA数据分析员实际上并不是数据'分析师'；相反他们是数据准备者，因此与分析数据和进行组织所需的业务CPDA数据分析师相比，他们更喜欢处理数据，确保将合适的CPDA数据分析专家分配给他们在分析过程中既有技能又有意愿的角色，企业向其数据团队提供适当的资源，考虑到准备数据的初努力，如果企业没有优秀的CPDA数据分析师，则准备好的数据可能无法得到应有的分析，相反企业优先级可能会将CDA数据分析员安排下一个数据收集工作。