1、提升全域数据能力，以数据驱动运营爱数委托FORRESTER CONSULTING 撰写的思想领导力报告 2022年8月FORRESTER CONSULTING 简介Forrester Consulting提供独立客观、基于研究的咨询服务，以帮助商业领导者在其组织机构中取得成功。在Forrester定义的“客户至上”的研究支持下，我们的资深顾问与企业领导者们凝心聚力，通过因地制宜、历久弥新的工作模式和方法，帮助企业推进关键战略目标的执行。如需更多信息，请访问 Research,Inc.保留所有权利。未经授权，严禁复制。所有信息基于最好的可用资源，仅反映当下的判断，可能会发生变更。Forreste

2、r、Technographics、Forrester Wave 和 Total Economic Impact 是Forrester Research,Inc.的注册商标。所有其他商标均为各自公司所有资产。E-54599项目总监：谷丰 市场影响力咨询顾问研究团队:Forrester CIO及数字化转型研究团队目录3 执行摘要4 调研主要结果5 数字化转型提升企业对全域数据能力的要求10 企业在打造全域数据能力及转型的过程中面临多维挑战16 构建新一代数据基础设施，加速数据驱动运营转型29 战略建议31 附录提升全域数据能力，以数据驱动运营2执行摘要新兴技术的发展在快速地改变着全球，数字技术已经

3、成为各国企业应对更加快速变化的环境以及激烈的市场竞争所必备的核心能力。同时，在新冠疫情以及全球贸易摩擦等各种不确定性的冲击下，企业面临着前所未有的挑战和机遇，必须不断加速数字化转型才能保持可持续发展和不断领先。在数字化转型过程中，除了需要实现数字化基础设施的升级以及企业核心业务系统现代化以外，企业愈发迫切地需要通过新兴技术加持下的更加科学的决策方式、更加敏捷的运营模式来发掘新的商机，捕捉市场的变化，为客户提供更加极致的体验。企业需要更加重视以数据洞察来驱动企业的行动，从而更好地获取、服务以及留存客户，实现业务增长。不仅如此，将数据作为企业核心重要的战略资产，已经成为越来越多企业加速数字化转型的

4、共识，通过对企业全域数据的充分挖掘和利用，从各种类型的数据中捕捉并理解影响企业发展的关键要素，来进一步提升企业运作效率、激发创新和实现企业的升级。但在实践过程中，企业往往面临着对各种类型数据价值的认知不足、存在大量的数据孤岛以及数据管理复杂性等严峻挑战，严重影响了企业高效利用数据，快速响应市场和加速数字化转型的过程。2022年5月，爱数委托Forrester Consulting针对全域数据处理技术和应用现状，以及未来的发展趋势进行研究。Forrester通过线上问卷的方式对214家中国及海外大中型企业在数据管理、治理以及洞察等方面有深入了解，并负责企业数据平台规划、建设以及管理的负责人进行了

5、深入调查，探索了数据在推动商业模式创新、提升客户体验、深化数字化转型方面的重要作用以及新一代数据基础设施所必备的能力，并且针对如何构建全域数据能力，从战略、组织、技术和人才等维度提出了相应的建议。提升全域数据能力，以数据驱动运营3调研主要结果数字化转型迫切需要不断提升数据能力。在数字化时代，新一代的数据基础设施成为影响企业发展和构筑核心竞争力的关键。企业内外部的各种类型数据，蕴含了指导企业发展、优化客户体验以及改进运营效率的知识，盘活全域、全量数据，可以帮助企业构筑坚实壁垒，实现持续领先。同时，通过融合数据处理技术、数据治理体系和数据应用服务，构建面向全场景、全形态和全生命周期的数据基础设施，

6、加速以客户为中心，以洞察驱动企业行动和商业模式创新的转型。企业在升级数据基础设施并推动数据驱动的转型方面面临挑战。企业数据管理与应用涉及方方面面的变革：在数据层面，企业内部对于数据价值及资产存在不同认知，且数据孤岛现象日益成为困扰企业的顽疾；在技术层面，技术的快速发展以及数据复杂度的提升不断挑战原有的基础设施，企业需要引入不同的技术以不断升级原有的数据平台；在组织层面，企业缺乏跨界的专业人才，无法及时满足业务的需要。此外，企业还缺乏具备强大产品与技术能力、拥有完善服务并能够伴随企业发展的战略层面的合作伙伴。提升全域数据能力构建新一代数据基础设施需要全面发力。企业数据能力的提升归根结底是要实现“

7、数据驱动”，对于企业既是战略选择、组织形式，也是一套数据运营的机制，而非仅仅是工具和产品。因此推动数据基础设施升级和推动数据驱动的转型不仅需要技术作为强力的基础保障，还离不开战略层面的通盘考虑、组织架构的支持、以及优秀数据人才的供给保障。企业需要从多方面形成合力，依据本行业的业务特点，解决数据孤岛、数据无法流通、数据价值利用低等沉疴痼疾，将数据变成可持续增值的资产，帮助企业不断深化转型。提升全域数据能力，以数据驱动运营4数字化转型逐步进入深水区，全域数据能力成为企业核心能力数字技术对当今世界产生了方方面面的影响，不断塑造着新的市场格局，重新定义商业规则。在这一颠覆性的变化过程中，企业的数字化领

8、导者必须优化原有的数据基础设施、提升企业全域数据能力以挖掘和利用各种类型数据资产，从而满足并超越客户的期待，提供优异的客户体验，建立数据驱动的运营模式。此外，企业还必须善于利用数据来识别市场机遇，达成创新迭代，进一步整合合作伙伴的优势，增强核心竞争力。而这一切转型的关键都离不开企业全域数据能力的培育与提升。在Forrester的一项覆盖全球的调研中，34%的企业管理者反馈数据是企业数字化转型的重中之重，更有44%来自中国企业的领导者相对于全球更加重视数据的价值，同时也将其视为企业的首要要务，即做好数字化转型首先要做好数据价值的发掘和利用1。我们的研究发现，绝大多数受访者都赞同全域数据能力对数字

9、化转型具有非常重要的意义，不仅在于数据能够弥补企业认知的不足，促进产品和服务的创新，帮助企业适应激烈的市场竞争和快速变化的客户需求，还在于能促进客户体验全维度的提升，协助企业打造全新的商业模式，实现卓越运营。（见 图一）数字化转型提升企业对全域数据能力的要求图一“对于有关全域数据能力对数字化转型的意义，您对以下描述的认同程度如何？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研建设数据驱动的上海品茶，完成企业进化升级82%利用全方位大

10、数据应用打造新的商业模式81%基于全域、多种类型的数据弥补认知误区，催生数字创新80%基于客观数据快速适应市场变化，实现卓越运营79%通过全域数据融合，获得深入客户洞察，提升客户体验79%提升全域数据能力，以数据驱动运营5企业数字化转型进入高复杂度的时代。在愈发复杂和快速变化的市场环境的影响下，企业数字化转型无论是内涵还是外延都已经发生了本质上的变化。数据作为企业的核心生产要素，在提升企业运营效率、激发创新和加速企业数字化转型等方面的价值进一步凸显。然而，随着业务系统数字化改造和升级，企业或组织的数据愈发分散在不同业务系统、部门以及地域；同时，随着企业数字业务占比的提升，数据格式愈发多样化，包

11、括结构化数据、非结构化数据、机器数据等，带来了更为复杂的数据管理问题。在过去，企业往往更加关注结构化数据，忽视了存在于企业各处的非结构化和半结构化数据价值的挖掘，而非结构化与半结构化数据则蕴含了企业运作、行业知识以及客户需求等方面更深层次的信息，企业需要充分发挥非结构化与半结构化数据价值。（见图二）图二“对于非结构化及半结构化数据的价值，您对以下描述的认同程度如何？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研企业可以利用非结构化数

12、据来获取关于客户旅程的深刻见解并找到改善客户关系的方向非结构化数据是企业重要的核心数字资产，提升对非结构化数据的应用，可以提升企业核心竞争力通过收集分析非结构化数据以判断客户满意度，了解历史销售数据背后的问题，找到提升方向相对于结构化数据，非结构化数据能够帮助企业快速地了解现状、显示趋势并且识别新出现的问题收集和分析半结构化数据为业务运营提供数字化支撑，助力企业数字化转型89%86%86%85%82%提升全域数据能力，以数据驱动运营6全域数据资产是企业数据能力的根基。企业的数据资产也呈现出多样化和异构化的趋势，不仅包括原有的结构化的业务运行与管理数据，还包括各种企业及员工文档、企业数字媒介沉淀

13、下来的信息，例如企业在社交媒体上的客户互动信息，对于深入洞察和理解客户具有重要作用。传统意义上的企业数据能力，往往只关注业务、财务和销售等系统中结构化数据的存储、处理和分析。不仅如此，企业数据能力在技术层面需要包含数据技术、数据体系和数据服务的数据全流程平台，以挖掘全域数据价值、支撑业务发展、实现数据普惠化的产品。通过研究发现，企业需要在战略层面对数据资产有清晰的描绘以支持企业利用数据创造竞争优势，通过数据资产地图等方式链接数据孤岛、打通数据，并形成统一的数据管理体系。（见图三）“非结构化数据是结构化数据表征的本源，反映的是业务和企业运作的内在本质，可以指导企业的业务重组和优化。目前的非结构化

14、数据处理仅仅停留在标签类，但无法做到内容分析和形成知识，主要原因是缺乏技术手段，依靠人工维护。”某钢铁制造企业信息部负责人图三“关于您所在企业或组织对数据资产在战略及实践层面的现状，您对以下描述的认同程度如何？“调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研业务战略需清楚地阐述将如何利用数据创造竞争差异化并推动战略决策通过数据资产地图以及知识图谱等方式，链接不同业务系统的数据，打通企业内部数据并消除数据孤岛将结构化、非结构化、半结构化

15、以及其它数字资产置于统一的数据管理体系下提供业务的360度视图，以支持关键的业务决策、目标和运营绩效积极利用并转向现代大数据集成技术，以支持各种管理要求比较认同非常认同36%31%30%30%30%31%36%36%32%31%提升全域数据能力，以数据驱动运营7破除低增长困境，企业需要实现战略和组织的转型Forrester在2010年提出，未来20年将会是客户至上的时代，在这一时代进程的中叶，客户的观念和行为正在从根本上改变企业的经营方式和企业与客户的互动方式。在这一不断演进的商业周期变革中，对于数据的利用能力将是企业塑造差异化竞争能力的核心，这也要求企业转型为数据驱动型的组织：只有依托数据和

16、洞察驱动，才能将海量数据提炼的洞察加以转化，驱动企业运营体系、客户互动体系的持续优化，并推动大规模的商业创新。全球不确定性日益增强，企业需要转变原有的业务模式，提升适应能力应对复杂局面。疫情给全球带来了深远的影响，这些影响不仅给各国经济、社会和生活带来冲击，同时也使得企业不得不加速数字化转型的步伐，并寻求运营模式的突破，提升能力以应对未来的不确定性。数据显示，处于数字化转型高级阶段的企业获得快速增长的机率达到低阶企业的四倍之多2。同时，具有较强数字化能力的企业，在市场不确定性的局面下更加体现出应对复杂局面的能力以及业务的韧性。实现数据驱动运营及创新的组织更能发掘商业机会，以更强的自适应能力在激

17、烈的竞争以及快速变化的环境中坚韧生长。实现数据驱动的运营以及创新，不能依靠众多孤立的数据整合与分析项目，而是在企业更高的组织战略层面，以全域数据资产作为根基，确保企业数据持续应用，建立一套数据驱动运营的经营管理模式和思维。这对企业数字化转型具有重要的支撑作用，将成为企业经营和管理的战略核心，从业务增长、响应客户、保持竞争优势等方面为企业带来巨大收益。组织转型中数据的发展要求企业重塑数据基础能力建立数据驱动的运营模式，并非是简单地引入某个工具或产品，需要具备多维度的能力，从全量和全域数据的汇聚整合、不同类型数据的提纯加工、全面的数据服务，再到数据的价值变现及数据安全，多维能力缺一不可，需要企业以

18、全场景式视角不断优化迭代，构建坚实的数据基础能力。在研究中发现，企业的研发、生产、市场、销售、供应链以及客服等部门既是数据使用的需求方又是数据生产的供给方，企业需要全场景视角塑造新一代数据基础设施，并注重如下关键能力：数据易访问，通过各种不同的产品和技术来存储全域数据，实现数据可访问，可以借助数据虚拟化以及data fabric相关产品，以连接、收集和转换来自不同来源的数据来创建数据抽象层，无需移动数据就可以实现整合的数据读取和分析；其次，在全球各主要经济体纷纷将数据安全上升到国家安全层面并大力完善数据安全法律法规的局面下，需要企业在规划和建设数据基础能力的开始阶段就将数据安全和提升全域数据能

19、力，以数据驱动运营8隐私保护作为规划设计的重要内容；再次，数据集成与运营的核心是数据可利用，因此需要通过数据准备、清洗加工、数据集成等工作，将全域原始数据加工成为具有某个业务主题，面向某个业务场景以及跨业务场景的战略性数据资产；最后，需要有完善的质量保障体系，保障企业得到正确的数据资产，通过有规范的、紧密结合业务的标签体系，利用智能的数据分析及数据映射为各种类型的数据生成数据目录。（见图四）图四“从构建更加全面的数据基础设施的角度看，有关企业需要建立的数据基础能力，您对以下描述的认同程度如何？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者

20、数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研随着业务发展，企业数据的生产者以及消费者越来越多，数据不仅分布在研发、生产、营销、管理等不同业务域，而且存储于本地、异地以及云上，数据类型还包括结构化数据、非结构化数据、半结构化数据等，使得企业面临更加复杂的数据问题。企业的数据管理、治理和分析需要建立全域数据视角并提升全域数据能力。数据易访问数据安全数据集成与运营数据备份数据目录46%40%46%45%43%提升全域数据能力，以数据驱动运营9尽管企业认识到全域数据能力的价值并开始着手进行全域数据的整合、引入非结构化以及半结构化数据处理的

21、技术，对不同类型的数据价值进行挖掘和利用，并尝试利用数据洞察来驱动企业运营模式的转型。但在数据战略、技术工具、组织文化以及流程协同等不同层面仍面临诸多挑战，依旧处于不断摸索阶段。在调查中，通过对数据驱动运营以及数据驱动创新成熟度进行评估，发现仅有少数企业（28%）可以做到全场景、持续地利用洞察驱动决策和行动。其原因在于：缺乏内部统一认知和战略规划，存在诸多数据孤岛难以打通，内部不同部门之间的协同受阻，大量的流程存在断点，并缺乏必要的非结构化以及半结构化数据处理技术，以及专业的人才在内的一整套体系将数据转化为业务价值。（见图五）企业在打造全域数据能力及转型的过程中面临多维挑战图五“从数据驱动运营

22、以及数据驱动创新的角度看，您怎样评价您所在企业或组织的现状？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研尚未起步早期阶段中等成熟度成熟/领先24%6%42%28%提升全域数据能力，以数据驱动运营10缺乏清晰的战略以及对数据价值的认知影响企业全域数据能力建设在数字化时代，企业及组织的战略决策以及业务运营愈发依赖全场景、全域下的多维度数据洞察。企业领导者已经认知到数据作为核心生产要素的价值，但由于缺乏对各种类型数据价值一致的认知，多数

23、企业仍旧认为数据只是IT部门的职责，在进行企业的战略规划设计、组织文化和流程变革的过程中，缺乏对于企业数据能力清晰的目标设定及策略保障。（见图六）图六“从企业的数据战略以及认知层面看，对于您当前企业或组织面临的挑战，您对以下描述的认同程度如何？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研战略层面：企业面临的首要挑战是内部缺乏清晰的数据战略与目标规划。受访者普遍认为企业内部对于各种类型数据价值及资产存在不同认知，缺乏统一的目标，难以

24、有效协同，这一比例达到69%。同时，由于企业缺乏一致的战略及举措，导致存在数据孤岛现象，以及对非结构化与半结构化数据价值认知与挖掘不足。对于数据价值及资产存在不同认知和统一目标，难以有效协同缺乏处理非结构化数据所需要的专业跨界型人才以及工具在数据驱动运营与创新的文化以及思维方面有待进一步提升数据分散在不同系统以及不同部门，导致存在诸多数据孤岛过去主要投资在结构化数据处理，缺乏对非结构化/半结构化数据的关注缺乏具有明确职责的组织来统筹企业跨部门的数据协同缺乏明确和统一的数据战略比较认同非常认同40%35%36%43%38%37%36%29%32%31%24%26%26%27%提升全域数据能力，以

25、数据驱动运营11文化层面：随着互联网发展起来的数字原生企业具备较强的数据思维和数据能力，这也成为这些企业不断颠覆传统行业的重要支柱。从文化角度来看，67%的受访者表示数据驱动运营与创新的文化以及思维方面有待进一步提升。企业缺乏更加清晰的目标以及内部流程协同等手段来推进数据文化的塑造，难以实现数据驱动运营与创新。流程层面：对于很多大型企业，在数据打通以及数据共享方面，由于存在不同认知导致部门间难以有效协同，同时由于缺乏统筹的目标和KPI，内部数据协同方面面临很多阻力。许多受访者在调研中表示，数据战略必须是一把手工程，如果缺乏企业一把手的强力支持，难以推进组织之间的协调、战略的制定以及落地。组织层

26、面：人才与技能也在制约着企业数据战略的落地与业务模式的转型。有67%的受访者表示，他们缺乏数据管理所需要的专业跨界型人才，在解决海量、异构、多种类型数据方面也缺乏相关的经验和专业能力。需要企业通过组织以及团队能力的提升保障数据战略的落地与推进。数据孤岛阻碍了数据资产的开发企业的数字资产分为两个层面，一方面是企业内部各种类型的数据成为企业核心资产，另一方面是基于企业数据价值挖掘产生的知识图谱和形成的领域智能。有效的数据资产管理与开发，需要对全域数据进行整合、治理与洞察。通过研究发现，数字业务带来更高的数据复杂度以及更多类型的数据，企业需要开发更多应用来支撑数字化业务；同时，企业数据规模快速增长，

27、导致企业在忙于解决遗留的数据孤岛问题的过程中又产生了新的数据孤岛。（见图七）数据缺乏打通导致无法充分发挥数据价值并进一步实现数据的资产化。61%的企业反馈，各种类型数据分散在不同业务系统、部门以及地域，在实现数据打通和价值挖掘时面临很多难题，例如全场景、全域数据的正确性、完整性和一致性。缺乏针对企业全域数据的治理及实践。从诸多领先企业的实践中发现，数据治理的第一步就是形成内部数据标准，明确数据资产化的路径，并需要规范企业内部多方责任主体以及职责。在实践过程中，约半数的企业（48%）认为除了以上必须的能力以外，内部缺乏数据互通的思维以及统一的认知也制约着企业解决数据孤岛难题。企业缺乏有效的数据资

28、产管理及挖掘能力。在解决数据孤岛以及进行数据资产治理过程中，企业往往采取较为粗暴的方式，即简单地将所有数据进行提升全域数据能力，以数据驱动运营12集中存储，但由于缺乏针对多种数据类型的智能数据目录等必需的技术及工具，无法彻底解决数据打通和资产化的问题。57%的受访企业反馈需要提升非结构化和半结构化数据领域所必需的数据资产管理和价值挖掘能力。图七“从企业的内部数据管理角度看，对于您当前企业或组织存在的数据孤岛现象，您对以下描述的认同程度如何？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester C

29、onsulting进行的全域数据处理技术及应用现状调研缺乏适当的技术、平台及合作伙伴支撑分析利用全域数据对于多数企业来讲，解决数据相关的问题始终是一项挑战，困扰企业的问题包括如何引入处理数据问题所需要的技术，如何进行全面的数据挖掘和分析，以及如何让数据更好地服务内部业务部门等。解决这些问题，仅依靠企业自身的能力是不够的，企业不仅需要产品、技术，更加需要成熟的方法论、经验以及服务，帮助企业逐步提升数据能力，并让数据充分发挥价值。（见图八）企业存在大量数据孤岛，缺乏处理异构、全量数据的能力及工具。在调研中发现，超过75%的受访者表示企业现有数据基础设施技术水平较为落后，无数字化业务占比提升带来了新

30、的数据孤岛各种类型数据分散在不同业务系统、部门及地域缺乏处理数据孤岛问题所必须的专业能力及工具缺乏数据资产化的思维和统一的认知48%65%57%61%提升全域数据能力，以数据驱动运营13法充分利用多元化数据，从而缺乏通用的数据访问能力，无法快速适配业务，实现持续的商业创新。行业缺乏对非结构化与半结构化数据处理与挖掘的关注，以及满足行业需求的产品和解决方案。一方面，接受考察的企业特别表达了对半结构化以及非结构化数据的关注，其中，82%的受访者表示内部现有技术及工具主要面向结构化数据，对半结构化以及非结构化数据关注不足。另有，超过80%的受访者表示随着数字化业务占比提升，引入了大量的非结构化与半结

31、构化数据，因此需要不断引入新的技术，这些种类繁多的新技术之间需要加强集成。缺乏具备全面能力的合作伙伴帮助企业快速补足短板。单纯的技术与产品，不能满足企业解决数据问题的多方面需求，企业更加希望提供数据治理与管理等相关的咨询与规划等服务。79%的受访者表示企业目前缺乏具备全面技术与服务能力的合作伙伴来帮助企业解决数据方面的一系列问题。图八“企业数字化转型的过程中，对于不同类型数据处理所需要的产品及技术层面看，您对以下描述的认同程度如何？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consu

32、lting进行的全域数据处理技术及应用现状调研比较认同非常认同企业现有的数据平台主要侧重于结构化数据的处理及分析随着数字化业务占比提升需要不断引入新的技术来进行处理数据缺乏具备全面技术与服务能力的合作伙伴缺乏通用的数据访问能力，难以满足业务发展的需求现有的数据基础设施，无法有效利用企业内、外部数据对于非结构化数据处理，需要集成不同的产品及技术企业缺乏解决企业在海量、异构、多种类型数据所需能力企业缺乏在消除数据孤岛方面所需的技术、工具以及方法论42%45%41%36%36%41%38%35%37%38%36%41%43%38%35%40%提升全域数据能力，以数据驱动运营14复杂的监管和隐私安全要

33、求企业实现数据全生命周期管理全球各主要经济体均将数据安全问题作为影响到国家安全层面的关键战略问题，数据规模的指数级增长以及数据安全与隐私事件频发，使得各国意识到，保护国家以及组织最具战略意义的数据资产安全并从中提取价值是业务发展的当务之急。国际上，欧盟（EU）推出通用数据保护条例（GDPR），要求企业遵守严格的数据隐私法规。在国内，中华人民共和国个人信息保护法、中华人民共和国数据安全法等法律的相继颁布，完善了对数据以及隐私数据的保护，形成了完整的法律规范体系。从企业层面来看，由于在过去缺乏对数据治理的重视以及相应的投入，造成了企业治理体系的缺失，不仅缺乏端到端全生命周期的数据治理，还严重影响了

34、企业数据资产的管理以及价值的进一步变现。同时，由于数据孤岛现象以及对非结构化和半结构化数据治理的忽视，也给企业内部整体视角下的数据安全带来了较高的潜在风险。提升全域数据能力，以数据驱动运营15构建新一代数据基础设施，加速数据驱动运营转型数据既是企业的重要资产又是支持企业持续发展的生产要素，需要以服务的模式随时提供给员工、合作伙伴和客户。数据的管理、存储和处理技术对于支持数字化转型和重塑生产力至关重要。Forrester研究发现，企业正在对数据平台进行现代化改造，以实现跨域的实时数据洞察，用可信的数据支持业务敏捷性，以及在不断增加的数据孤岛中连接数据3。新一代数据基础设施技术的发展更加侧重于全域

35、、自动化，数据智能和聚焦业务用例，具体 包括4：支持混合云和多云数据分布。随着数据规模的增长，特别是边缘数据规模的爆炸式增长，以及数据类型的不断增加，将数据集中到数据湖或数据中心的挑战逐步增大。在多云和混合云环境中支持全域数据洞察、分布式数据架构和数据管理相关的技术以及解决方案引起更多企业关注。实时数据已经成为支持业务洞察力的关键。随着业务节奏的加快，实时的数据洞察变得愈发重要。为了支持客户体验的不断提升，企业把对实时和近实时数据的支持作为数据基础设施的首要要求。聚焦关键业务场景和用例。企业对数据平台的业务场景支持能力提出更高的要求，需要数据基础设施具备全面的端到端数据管理解决方案以支持关键的

36、业务场景和业务用例，如客户360视图、欺诈检测、领域智能、物联网（IoT）分析和实时洞察等。数据安全和治理正在成为核心议题。企业正面临着应对全球数据隐私法规的压力，如欧盟的GDPR，要求企业实施更强大的数据安全措施。各国政府机构前所未有地关注所有敏感数据，并提升了对企业及组织的合规要求，带来了更高的合规成本。人工智能推动数据基础设施的智能化升级。数据复杂程度的提升，推动了人工智能在发现和连接数据、对敏感数据进行分类和归类、识别重复数据以及数据编排等方面的深入应用，而不仅仅是传统意义上的数据采集、分类、整合、准备、安全和转换的自动化。“在我们的目标中，第一步是把线上线下的数据收集到一起，实现数据

37、的集中化；下一步是与业务部门合作，通过对数据的分析推进数据资产化的过程。”某金融行业数据管理负责人提升全域数据能力，以数据驱动运营16构建融合的大数据新基建，聚焦打造全域数据能力随着企业数据基础设施升级以及数据能力的不断提升，认知也随之改变。企业关注的全域数据包括三个内涵：全场景、全形态以及全生命周期视角下的全域数据打通，全域数据治理以及全域数据架构。（见图九）图九“从全域数据打通、全域数据治理以及全域数据架构三个层面看，您认为需要进行哪些 举措？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrest

38、er Consulting进行的全域数据处理技术及应用现状调研比较认同非常认同数据全生命周期管理能力异构数据获取以及整合能力对不同类型的数据引入合适的技术进行处理和管理提供数据交互和开放共享能力实现异构、海量数据高效汇聚和清洗加工33%42%36%32%全域数据打通全域数据架构以中台的思路构建非结构化数据的处理能力将数据治理以及数据管理能力融合到数据架构设计支持并通过AI机器学习发掘领域智能更加清晰的层级划分以支持敏捷数据业务开发标准化接口支持内部及外部数据交换及共享36%34%34%36%33%29%33%34%41%34%26%30%30%27%30%30%24%提升全域数据能力，以数据驱

39、动运营17图九（续）“从全域数据打通、全域数据治理以及全域数据架构三个层面看，您认为需要进行哪些 举措？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研全域数据打通。实现全域数据能力，需要实现业务场景内以及跨业务场景的数据打通，不仅需要对结构化数据进行整合，还需要企业更多地关注非结构化和半结构化数据的整合。此外，在推进数据打通和融合的过程中，重点关注数据生命周期，形成规范的标准以保证数据的准确性和一致性。在调研中，69%的企业认为数据

40、全生命周期管理能力非常重要。此外，企业关注的全域数据打通方面的关键举措还包括异构数据获取及整合能力，对不同类型数据进行处理和管理，全域数据交互和开放共享，以及海量、异构数据的汇聚及处理。全域数据治理通过将数据治理固化到业务流程中，实现即时治理端到端全生命周期数据质量管理通过智能数据服务系统实现对全域数据的运用建立密切贴合业务场景的标签管理体系建立统一的数据视图及智能数据目录对各种类型数据纳入统一的数据安全管理体系与前台、后台实现紧密协作，实现全局洞察通过数据清洗及数据标签、制定标准规范和管理提供实时数据处理端到端的监控能力50%43%46%40%47%48%38%41%42%38%42%39%

41、44%36%34%43%39%38%比较认同非常认同提升全域数据能力，以数据驱动运营18全域数据治理。在研究过程中发现，越来越多的企业开始关注数据的即时治理（Just-In-Time Governance），即将数据治理固化到业务流程中，在调研中，88%的受访企业对此表示赞同。数据治理、数据质量的核心是业务治理，即通过对业务的梳理、建模，把数据和业务连接起来，实现全方位的业务认知分析能力。此外，还需从数据治理工作的开端就引入数据资产的理念，需要有规范的、紧密结合业务的标签体系，通过智能的数据分析以及数据映射为各种类型的数据构建智能数据目录，规范数据安全以及实施隐私保护，并在此基础上通过统一的数

42、据访问服务或API等方式逐步推进数据资产化。全域数据架构。分布式数据存储、数据异构化等趋势需要企业重新审视数据架构。在此局面下，需要借鉴中台的思路，既将数据架构分层进行设计：首先，最底层是数据层，通过各种不同的产品和技术存储全域数据，实现数据可访问，并借助数据虚拟化以及Data Fabric相关技术，通过连接、收集和转换来自不同来源的数据，创建数据抽象层，无需移动数据就可以实现整合的数据读取和分析；其次是中间的数据资产层，完成数据准备、清洗加工、数据集成等工作，将全域原始数据加工成为具有某个业务主题、面向某个业务场景以及跨业务场景的战略性数据资产；最后，最上层的数据服务层，通过各种数据应用以及

43、API实现从数据中抽取知识和智能，带来业务价值变现。聚焦关键业务场景及行业特点不同行业的数据类别以及数据平台建设现状千差万别，只有根据细分业务场景进行有针对性的规划布局，才能更好地规划现代型数据基础设施的发展路径。此外，还需要通过聚焦业务及运营需求，推动在商业和客户洞察层面的有效数据运用，快速发挥数据平台的价值。在我们的研究中，着重考察了生物医药、金融、高端制造以及政府机构的全域数据能力应用场景：生物医药行业非常关注如何充分挖掘文档等非结构化与半结构化数据的价值，同时通过有效的数据治理满足行业严格的数据合规要求。生物医药行业最为关注的是智能的OA办公协同，通过对非结构化数据的智能分析以及知识计

44、算，帮助员工高效地访问到承载业务知识的文件，从而提高员工的生产效率。此外，还有通过历史数据以及实时的外部情况数据来预测销量变化、智能排产等，实现企业效益最大化。（见图十）“数据治理涉及到内部各方，想要推进这个事会面临很多困难，一方面需要获取高层的支持，另一方面也需要找到一个契机。”某金融行业数据管理负责人提升全域数据能力，以数据驱动运营19图十“您所在企业/机构最想在以下哪些业务场景下充分挖掘非结构化及半结构化数据的价值，并推动数据驱动的运营模式转型？”(生物医药行业）调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱

45、数委托Forrester Consulting进行的全域数据处理技术及应用现状调研金融行业的数据应用相对比较成熟，在金融行业持续推进数据应用已经成为行业的共识。超过半数的金融行业受访企业非常关注通过全渠道持续监控进行实时交易风险管理，通过不断更新的知识库来持续提高引擎的精准性与可解释性。为了满足监管要求以及业务持续性要求，金融行业受访者表示各种类型数据备份与数据安全也是非常重视的领域。除此以外，智能客服以及量化交易等核心系统的应用，也要求实现全域数据打通以进行更加全面和多维度的数据分析。（见图十一）OA办公协同知识图谱/知识网络临床试验数据备份质量管理高效运维智能产线预测智能文档管理基础研究业

46、务流程自动化RPA精准营销数据合规智能客服数字驱动运营销售分析及预测供应链管理52%48%43%43%43%43%40%40%40%38%38%38%33%31%24%提升全域数据能力，以数据驱动运营20图十一“您所在企业/机构最想在以下哪些业务场景下充分挖掘非结构化及半结构化数据的价值，并推动数据驱动的运营模式转型？”(金融行业)调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研高端制造行业最为迫切需要加速数字化转型以推动行业升级，同时

47、随着制造行业运营模式的转型，新一代的数据基础设施被寄予厚望。产品精准营销是受访者关注的重点，通过打通企业内部的销售和服务数据，以及社交媒体、电商平台上的非结构化与半结构化数据，形成精准客户画像，为其推荐合适的产品以及通过客户兴趣进行反向定制都是制造业关心的问题。此外，生产实时风控核心业务系统智能运维量化交易及金融工程个性化产品推荐获客分析数据备份与数据恢复智能客户服务安全合规数字驱动运营高效运维业务流程自动化(RPA)智能客服产品定位分析精准营销客户全生命周期分析交叉销售51%43%43%43%42%42%40%38%38%38%37%31%29%29%26%18%提升全域数据能力，以数据驱动

48、运营21图十二“您所在企业/机构最想在以下哪些业务场景下充分挖掘非结构化及半结构化数据的价值，并推动数据驱动的运营模式转型？”(政府机构)调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研政府机构主要关注对于城市经济运行以及民生的预测分析，以提高各级政府机构的治理与服务水平。为了更好服务公众与企业，除了政务平台的各种数据，还需要通过隐私计算结合多方其他数据，从而实现对企业的精准帮扶以及对政策制定提供指导。人才是地方经济发展的重要支柱，通过

49、大数据进行人力资源分析也是近些年各级政府关注和发展的创新型应用。此外，智能交通也是政府机构践行数据智能的一个关键场景，如何对来自视频监控、各类传感器的非结构化和非结构化数据实现高效的处理，再借助智能调度算法对信号灯以及道路管理作出实时控制是智慧交通的重点所在。（见图十三）过程监控、产品研发以及生产流程优化等方面也是制造行业希望通过数据驱动原有模式转型的重点方向。（见图十二）城市运行预测分析智慧交通城市招商分析安全合规城市人力资源分析产业链分析智慧政务数字驱动运营高效运维知识图谱/知识网络政府部门智慧客服60%51%47%45%43%40%40%38%38%38%26%提升全域数据能力，以数据驱

50、动运营22图十三“您所在企业/机构最想在以下哪些业务场景下充分挖掘非结构化及半结构化数据的价值，并推动数据驱动的运营模式转型？”(高端制造行业)调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研制定清晰的战略，提升组织能力，实现数据驱动的运营模式转型提升企业全域数据能力，是一项涉及方方面面的战略要务，企业需要的不仅仅是某个数据平台产品或某项技术，更加需要利用战略、组织、流程和文化等方面的支持以形成合力，在实现数据基础设施升级的同时，实现数

51、据驱动运营与创新模式的转型。产品精准营销生产流程优化供应链优化库存管理及交易平台数字驱动运营智能制造监控平台工业能耗管理服务生产及制造流程仿真优化销售与生产预测质量事故分析产品研发设计创新故障诊断和分析高级自动排产优化能耗智能客服设备预测性维护48%47%42%40%40%40%37%37%35%35%35%35%35%32%30%28%提升全域数据能力，以数据驱动运营23在战略层面，建立数据驱动的愿景并借助组织变革与生态协同推进企业转型。制定战略首先需要从评估企业现状入手，从业务发展角度，评估企业数据资产现状以及不同业务域数据现状，在此基础上结合行业特征以及业务需求，制定统一的数据战略，建立

52、数据驱动的愿景。与数据驱动愿景相辅相成的是需要进一步坚定自上而下的、将利用数据作为企业差异化竞争优势的决心。在推动战略制定过程中，需要以数据优化产品和服务、再持续收集数据形成不断优化的闭环为目标，并预见到可能对原有业务流程带来的冲击以及通过多种技术组合处理异构数据存在的挑战，从更加宏观的企业层面看待数据资产和数据产品等相关问题，让全量用户成为数据的使用者和受益者。在战略的落地上需要考虑以对内和对外两个维度作为支撑：对内，以组织文化的转型为支撑，推动所有部门及每一位员工拥抱数据思维与文化；对外，应该与合作伙伴进行充分协作，以了解行业案例，吸取理论和实践经验，以此为基础制定未来的发展规划，并借助合

53、作生态网络创新业务模式。在组织层面，培育和引入专业人才，推进内部高效协同。在调研中，超过半数的企业重视引入专业人才，这类人才需要具备数据架构能力，需要了解企业业务，还需要具备行业宏观视角，理解数字化转型。一方面企业需要引入数据科学家等专业人才，另一方面也不能忽视自身的人才培育。除此以外，企业需要将数据驱动、洞察引领作为日常的文化建设内容，激励员工学习和掌握数据方法或业务知识，例如通过对项目里的数据技术人员也赋予业务相关的KPI，以及鼓励创新，帮助全量用户主动使用数据。除此以外，需要打通企业内外部的全域数据，形成整合的数据资产，因此跨部门和跨团队的内部协作就显得尤为重要。在研究中，受访企业非常重

54、视确保各个部门和团队的信息交互，加强数据共享。特别是跨领域的职能团队，例如数据委员会，对于推进企业内部无缝沟通和协作是重要的组织层面的保障。在流程层面，注重流程闭环推进流程变革优化。数据驱动的运营模式的变革，需要注重形成反馈的闭环，即数据驱动是第一步，数据驱动的结果衡量既是流程的终点也是流程的起点。通过流程的闭环反馈，才能有效捕捉市场的变化和应对不确定性，企业必须抓紧市场和用户的反馈来探索自己的突破点。在进行流程优化过程中，受访企业重视通过内部流程的协同，以全场景视角打破内部数据孤岛现象，制订企业及数据标准，促进部门数据协作，以及通过数据驱动提升生产、研发、销售以及供应链等环节的运作效率。（见

55、图十四）“数据能力的评价体系非常重要，数据能力的建设需要这个评价体系提供持续保障，否则不利于内部达成一致的认知以及后续项目的推进。”某金融行业数据管理负责人提升全域数据能力，以数据驱动运营24图十四“为了提升全域数据能力，推动数据驱动运营模式转型，您认为需要进行哪些举措？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研战略组织文化与合适的合作伙伴开展合作，共建和共赢引入跨学科的专业人才在组织内部构建数据驱动的愿景确保各个部门和团队信息

56、对称、数据共享制定数据资产建设的战略加强内部文化建设，培育数据思维充分了解行业案例，具备充足的理论和实践经验建立基于数据资产的决策模型，在不同部门和团队间快速响应和沟通，展示客观的决策依据制定数据应用的理念和方法论结合行业内的先进经验制定未来发展的规划建设跨领域的数据生态系统满足根据行业特性和法律法规的要求，确保合规发展建设跨职能团队，跨越业务和数据技术人员之间的鸿沟比较认同非常认同36%34%33%37%37%35%36%32%32%29%29%34%36%33%30%29%24%34%31%27%26%31%29%32%30%32%提升全域数据能力，以数据驱动运营25图十四（续）“为了提升

57、全域数据能力，推动数据驱动运营模式转型，您认为需要进行哪些举措？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研制定企业级数据标准，促进各部门数据协作通过数据的利用提升业务运营流程的敏捷程度，应对市场突发事件将数据确权、数据资产化、数据驱动运营固化到业务系统中通过对各业务域数据的应用，提升生产、研发、销售、供应链等环节的效率基于数据实现业务流程的自动化RPA，优化运营成本基于数据分析实现业务管理及运营的优化，降低对人工经验的依赖借助合

58、作伙伴生态网络加速转型尽管企业重视数据能力的提升，也在投入资源建设企业的数据平台，但其中涉及到平台架构、数据存储、分析模型、数据治理、数据安全等方方面面的技术，企业的信息化部门难以满足每一项技能要求。在调研中，67%的受访企业希望通过与合作伙伴达成战略层面的合作，帮助企业提升数据能力。企业借助合作伙伴的力量，可以帮助企业克服数据相关的问题，使得企业可以更加专注在客户和业务本身。Forrester认为，随着行业格局不断演进以及竞争逐渐升级，合作伙伴已经成为企业长期性的战略资源，因此，依托合作伙伴以及合作伙伴的生态网络，可以帮助企业提升产品和服务创新能力并拓展业务边界。在选择合适的合作伙伴时，需要

59、避免仅仅考虑产品本身，从多个维度出发：（见图十五）合作伙伴需具备关键产品技术能力。除了产品本身需要具备的功能特性、技术特性以外，合作伙伴本身的研发能力以及针对企业所在行业需求的解决方案能力是在产品以及技术层面需要考察的重点能力。此外，合作伙伴的产品流程29%37%35%24%24%36%32%25%28%33%31%31%提升全域数据能力，以数据驱动运营26图十五“您所在企业/机构在未来打算如何在持续提升对结构化数据应用的同时进一步提升对非结构化及半结构化数据处理及利用的能力？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：202

60、2年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研67%33%与战略伙伴达成合作自建技术团队还需要具备开放型平台能力以及集成能力，以支持对接企业原有的数据分析应用或IT应用系统，充分保护企业原有的IT投资。合作伙伴需具备战略合作能力与资源。企业在建设数据平台的同时，还希望借助合作伙伴的“软实力”，即合作伙伴服务不同行业的经验以及方法论帮助企业解决异构数据管理、数据价值挖掘、数据安全与治理等问题。同时，通过多种类型的培训和咨询等服务，帮助企业加速组织转型、构建坚实的数据底座、提升数据能力与数据思维，从而更好地为企业数字化转型保驾护航。更为重要的是，依托更

61、为灵活的合作模式，与合作伙伴达成的战略层面的合作关系，将成为企业核心竞争力的重要组成部分，帮助企业在激烈的市场竞争中取得优势。（见图十六）提升全域数据能力，以数据驱动运营27图十六“针对企业在数字化转型中面临的数据相关问题，您希望合作方为您提供哪些服务？”调研样本：214名中国及海外大中型企业负责战略、数字化转型、数据管理/分析的IT及业务决策者和影响者数据来源：2022年6月爱数委托Forrester Consulting进行的全域数据处理技术及应用现状调研合作伙伴具备丰富的生态网络，通过广泛的生态合作帮助企业构建更加完善的数据能力和基础设施提供数据基础设施、数据处理以及管理方面的规划、咨询

62、以及培训等服务提供长期的战略合作，帮助企业解决面临以及潜在的挑战提供灵活的商务合作模式，例如按照效果付费合作伙伴具备广泛的经验，帮助企业规避误区合作伙伴具备成熟的方法论，帮助企业进一步实现数据驱动运营模式转型89%86%86%85%82%82%提升全域数据能力，以数据驱动运营28战略建议数字经济的发展使得全球进入了新的产业变革周期，有效利用历史沉淀和业务技术快速发展产生的全域和全量数据成为推动企业数字化转型的关键要素。善于利用数据的企业，其快速响应客户和构建竞争优势的能力是落后者的两倍以上5。传统的企业数据平台在整合、管理及利用企业的全域、异构数据方面无法跟上业务发展的步伐。新一代的数据基础设

63、施能够帮助企业聚合内外部数据，支撑高效的数据价值变现，最终实现企业数据驱动的运营与创新模式的转变。通过对214名中国及海外大中型企业负责战略、数字化转型、数据管理、数据分析的IT及业务负责人的深入调研，Forrester提出如下战略建议：数字化转型迫切需要企业提升数据能力。随着各行各业数字化转型逐渐进入深水期，企业愈发依赖自身数据能力来提升企业运作效率，支持大规模创新，优化客户体验，以及提升战略决策水平。企业的数据能力，不仅仅包括传统意义上的洞察系统，更需要以企业全场景、全形态以及全生命周期数据的视角，通过融合数据处理技术、数据治理体系和数据应用服务的全流程平台，驱动企业发掘包括结构化、非结构

64、化及半结构化数据蕴含的价值和智慧，帮助企业在产业变革周期中构筑坚实壁垒以保持持续领先的竞争优势。现代化数据基础设施升级势在必行。企业期待数据中台的建设能够把全量、海量数据变成资产并服务于业务，使数据得到持续的充分利用，实现各种类型数据易访问、易使用、易分析、易运营的目标。因此，新一代的现代化数据基础设施的构建，需要突出全量、异构、多种类型数据打通融合能力，在数据治理上满足企业推进数据资产价值变现目标的同时满足安全合规要求。同时，支持数据服务聚焦关键业务场景，并做到自服务、开放及可视是数据基础设施能力的重要体现。多维能力缺一不可，共同助力企业的数字化转型。数据驱动运营模式的转型成为企业应对不确定

65、性的关键。以数据驱动运营以及创新不仅体现了企业运作模式的升级，更体现了数据作为新的生产要素的价值。“数据驱动”是一项影响到企业方方面面的长期工作，不仅需要企业所有部门参与进来，还需要企业高层的重视和参与。企业需要聚焦关键业务场景和业务需求，从数据入手构建平台型能力，面向各类数据提供者提升全域数据能力，以数据驱动运营29和使用者，通过服务化支持内部运营、决策以及创新流程的变革。数据能力的提升需要全面的战略、组织、人才及流程保障。构建全域数据能力，需要以清晰的战略作为指引，以组织变革作为保障，以技术作为坚实的底座，以优秀数据人才的供给作为要素并以流程的充分协同作为推动力，才能将数据资产不断升值，助

66、力企业持续深化数字化转型，实现数据驱动运营以及创新模式的转型。提升全域数据能力，以数据驱动运营30行业金融30%高端制造28%政府机构22%生物医药20%受访人级别首席高管22%副总裁28%部门总监33%首席技术专家/首席架构师17%受访人所在部门IT/信息化部门33%技术部门26%战略管理部门21%业务部门19%地区中国72%新加坡11%德国8%日本8%员工数量2000至4999名员工43%5000至19999名员工40%2万名以上员工17%受访人角色（数据处理产品使用）最终决策者69%关键决策者之一20%对决策起到重要影响作用11%对企业全域数据管理相关战略规划与实践的了解程度非常了解49

67、%比较了解42%有一点了解9%在本次调查研究当中，Forrester对214位来自中国以及海外市场的大中型企业对数据管理、治理以及洞察实践有了解和规划、熟悉数据管理相关概念且使用数据平台的负责人进行了深入调查进行了线上调研，并对来自不同行业的专家进行了深入访谈，以对数据在推动商业洞察、提升客户体验、深化数字化转型方面的重要作用以及新一代数据基础社会必备的能力进行探讨。研究于2022年5月开始，并于2022年6月完成。附录A:调研方法附录B:调研样本Appendix附录C:尾注1 来源：Forrester Analytics Business Technographics Business An

68、d Technology Services Survey,2021年。2 来源：“Gauge Your Digital Business Maturity”，Forrester Research Inc.,2021年。3 来源：“The Future Of Data Management”，Forrester Research Inc.,2022年。4 来源：“The Forrester Tech Tide:Data Management”，Forrester Research Inc.,2021年。5 来源：“Forrester Infographic:Advanced Insights-Driven Businesses Stand Apart”，Forrester Research Inc.,2021年。提升全域数据能力，以数据驱动运营31