数据创新是通过使用新数据源和新类型的数据分析，对业务流程进行重新发明或根本性的转变。它侧重于更好地理解数据，以创新并对业务产生有意义的影响。
为什么需要数据创新
世界在不断地寻求新思想、新产品和新服务。技术每天都在变化。顾客总是在寻找更好的东西。现在做生意意味着你如何在这种不断的变化中生存下来，并让它为你服务。
数据创新为您实现业务目标提供了独特的优势。新的产品和服务可以提高你的收入，增加你的品牌价值。流程重新设计可以降低成本，提高生产力，并改善风险缓解。一个Splunk最近的报告指出数据创新有助于实现许多业务目标，例如提高客户满意度和提高客户保留率。超过60%的受访者还表示在进入新市场方面取得了成功。
数据创新如何运作
创新是对环境的反应。在商业领域，创新可以是产品、流程或商业模式。它可以是短期解决方案，也可以是战略转变。成功的组织总是在寻找创新的方法。不仅是为了改善他们的底线，也是为了扩大和创造新的市场。他们遵循着一个信条——如果你不创新，别人会创新。
组织如何应对各种情况?当Covid-19关闭办公室时，组织转向在家工作。餐馆开始送货上门。新的应用程序出现了，可以送杂货。娱乐活动受到启发，转向了流媒体。这里的共同点是评估环境并创造性地做出反应。
当情况威胁到既定的业务实践时，组织会做出反应。但不是随机的。首先，他们定义情况，找到解决方案，然后评估它是否有效。他们不会止步于此，并不断改进。在每个阶段帮助他们的是数据。它是帮助理解问题的数据，也是告诉解决方案是否成功的数据。
数据对创新至关重要。但更多的数据并不仅仅意味着更多的创新。更多的数据意味着更多推动创新的机会。你可以通过对数据更深入的理解和更高的信任来发现这些机会。当然，还有正确的分析方法来理解这些数据。
数据创新就是数据驱动的再创造。它提出的问题包括:
当创新产生效果时，你可以不断迭代以改进它。你也可以转到下一个想法，重复这个过程。
数据质量如何对数据创新至关重要
今天的组织面临着来自不同来源的大量数据。管理这些数据始终是一个挑战。可能存在数据重复、记录缺失和格式不匹配的情况。有些可能是不正确的，而有些甚至可能是无效的。你不能相信这样的数据能推动准确的分析。
数据创新需求高质量数据-数据完整、准确、一致、有效，并能够支持可信赖的业务决策。组织有多种方法来改变他们的业务，但需要准确的分析来显示正确的方向。例如，如果他们的客户留存率很低，他们想在计划应对之前知道原因。如果生产成本上升，他们就想找出生产过程中有问题的环节。如果他们的传感器在现场出现故障，他们想要分析整个供应链。简而言之，他们想在回应之前定义他们的问题。
数据创新建立在稳健分析的基础上。一些组织仍在使用传统的分析工具，而另一些组织则转向了机器学习算法。两者都需要高数据质量来产生准确的见解。机器学习算法从训练数据中学习。如果训练数据质量较差，预测模型就会失真。当该模型使用新数据时，分析的准确性会受到很大影响。如果新数据的质量也很差，分析就会受到两次打击。
谁负责驱动创新的数据质量
任何组织都不能用糟糕的数据产生好的结果。但谁来决定数据是否糟糕呢?怎么做?谁来提高数据的质量?
传统上，IT团队负责数据质量。它使用标准工具来衡量数据质量和检测错误。其他数据用户有时会告知他们所面临的数据问题。这种非正式的实践有几个缺陷。
首先，数据质量测量可能只关注准确性。它可能忽略了其他方面数据质量的基本维度．如果不涉及业务用户，则无法评估数据错误的业务影响。这意味着IT团队不知道数据质量问题的优先级。IT团队也可能无法认识到对组织重要的数据质量维度。
这只是冰山一角。对这些问题的处理通常是临时的，并且是在数据集级别上进行的。这些权宜之计不足以确保所有用户始终能够访问高质量的数据。此外，您的企业数据可能包含相同数据的两个版本，一个是准确的，一个是错误的。与此同时，业务用户一直在等待关键问题的解决。
即使IT团队解决了当前的问题，他们仍然必须管理来自各个方向和所有可能的错误的连续数据。并持续不断地努力匹配到达的数据。很明显，在这种情况下，自行开发的工具或任何其他局部解决方案都不起作用。
它需要成熟的数据实践数据治理．我们的文化是组织中的每个人都对数据质量负责．
数据治理和数据质量如何促进创新
数据的价值不在于数据本身，而在于你能用它做什么。虽然数据质量确定了数据适合使用，但数据治理确保了其使用的流线型、安全性和遵从性。当两者协同工作时，您可以从数据中创造巨大的价值。
可信数据开始于数据可观测性使用元数据作为上下文，并主动监控数据质量问题。一个预测数据质量工具在数据错误影响下游操作之前捕获它们。规则是自适应的，并通过从数据中学习来改进。从源头修复错误可以确保错误不会重新出现。自助式数据质量使所有用户能够建立对数据的信任。业务用户可以自己检测和报告问题。这种主动的方法可以帮助您建立协作的数据文化。
坚实的基础数据治理促进整个企业对数据的共享理解。当业务用户和数据管理人员具有相同的理解时，就更容易找出数据问题并确定其优先级。
数据治理支持定义数据所有权，这意味着将数据质量问题分配给正确的数据所有者。数据治理的自动化工作流可以快速启动修复数据质量问题的过程。此外,数据目录而且血统帮助您将精力集中在业务关键型数据上，并不断提高对数据的信任。数据情报提供以正确的方式理解和使用数据的能力，以加速数据创新。
有了高质量数据的可靠交付，您的分析将产生值得信赖的见解。这些可信的见解可以揭示影响您业务的隐藏问题，指导您进行创新。通常调查本身就能提出改进的想法。一个称职的分析还可以发现潜在的创新机会，以扩大业务和进入新市场。
Splunk报道数据创新发现使用更成熟的数据实践的企业报告的创新是初学者级别组织的两倍。这些组织几乎有两倍的可能性说，他们的数据驱动的创新帮助他们进入了新的市场，增加了收入。
最近的关键技术转变，例如灵活的数据存储，数据可观测性而且数据网格架构，使高质量的数据易于实时访问。在受治理的数据实践的支持下，它们为创新提供了无限的机会。
福布斯强调数据创新需要创造性思维，并提出新的方法来查看和处理数据．数据质量和治理可以帮助您为这些新方法制定战略，并积极促进数据创新。
创新与不创新之间的区别通常在于将点滴联系起来的能力。企业数据中充满了这些点，但要将它们连接起来，就需要对数据有更深入的理解。
全面了解您的企业数据是一个很好的开始方式。元数据为更好地理解数据提供必要的业务和技术上下文。活动元数据图跨越企业数据资产以丰富其上下文，并将点连接起来以提供更深入的见解。与一个单一的数据整合系统能给你的远远超过它各部分的总和。最大化企业数据价值，释放数据创新潜力。
