Ivalua：第五屆供應鏈數據質量與治理研究報告（2022）（19頁）.pdf

《Ivalua：第五屆供應鏈數據質量與治理研究報告（2022）（19頁）.pdf》由會員分享，可在線閱讀，更多相關《Ivalua：第五屆供應鏈數據質量與治理研究報告（2022）（19頁）.pdf（13頁珍藏版）》請在三個皮匠報告上搜索。

1、IADQGA 贊助商 第五屆 供應鏈數據質量與治理研究 介紹 當前的全球供應鏈危機揭示了涉及全球商品和服務分銷的關鍵問題。這些問題的驅動因素之一是缺乏對可靠“數據”的訪問。為了能被使用，供應鏈數據必須質量好且值得信賴。無法整合來自多個來源的數據以及實時解釋/分析數據的能力有限是許多組織面臨的一組常見問題。從歷史上看，組織是根據其人員、流程和技術進行評估的。今天，組織根據其人員、流程、技術和“數據”進行評估。今年的研究第 5 次年度報告深入研究了其中一些領域，并提供了當前分析，在某些情況下，還對其中幾個關鍵數據問題進行了比較。2021-第五次年度供應鏈數據質量和治理研究 2 數據分析在歷史上被視

2、為與歷史績效相比評估組織當前績效的一種手段，現在被用作更好地預測未來的一種手段。這是數據使用方式的重大變化，因此對數據的關鍵性、及時性、完整性、相關性和信心等提出了新的挑戰。今年的報告和之前的調查結果表明，在供應鏈功能中利用數據方面正在取得進展。每個組織面臨的問題是，已經取得的進展正面臨著大流行帶來的新挑戰的逆風。今年的調查顯示，組織在滿足日益增長的數據處理需求方面面臨著重大限制。調查結果表明，與兩年前相比，數據質量提高了 65%。雖然這很重要，但它 花了兩年的時間和全球供應鏈危機才做出這種程度的改變。在本報告中，可能會提及 2020 年度供應鏈數據質量和治理研究?？梢哉业酵暾?2020 年

3、度供應鏈數據質量和治理研究這里.2021-第五次年度供應鏈數據質量和治理研究 3 出色的 10%好的 30%公平的 41%較差的 15%很窮 4%明顯更好15%更好的50%和2年前一樣29%更差6%明顯更糟數據質量是每個組織都面臨的挑戰。沒有數據質量，就沒有對數據的信任，因此數據不會在組織的決策過程中得到利用。今年的研究表明，只有 10%的響應者認為他們的數據非常好，而 30%的響應者認為他們的數據很好，總共有 40%。這意味著 60%的響應者認為他們的數據可以改進。在對數據質量產生更高水平的信心之前，其在決策過程中的使用將受到限制。最近對采購和供應鏈高管的研究的其他結果表明，數據質量是阻礙控

4、制塔和供應鏈可見性取得進展的主要痛點。穩健的數據是為供應鏈決策提供有效分析的基礎?？傮w而言，您如何評價供應鏈組織的數據質量？0%5%10%15%20%25%30%35%40%45%您如何比較今天和 2 年前供應鏈組織數據質量的變化？0%10%20%30%40%50%2021-第五次年度供應鏈數據質量和治理研究 4 數據質量 70%63%2021 2020 60%53%50%47%40%37%30%20%10%0%數據治理是一項必須解決的關鍵活動，以建立數據質量和數據信心。今年的研究表明，專用數據治理功能增加了 10%。在 2021 年，我們觀察到組織具有專門的數據治理功能的意識有所提高。組織正

5、在認識到它 如果沒有強大的數據治理框架，幾乎不可能產生良好的分析和預測數據模型。數據所有權、數據使用/應用、數據驗證、數據審計等問題通常由數據治理委員會解決。貴公司是否有專門的數據治理功能？（例如，卓越中心、指導委員會）是的 不是 70%在非常高的層面上，貴公司采取了哪些步驟來管理/治理數據？63%58%2021 2020 60%50%40%30%23%20%17%13%10%7%4%6%3%6%0%我們有專門的組織或職能來管理、設置和執行數據策略 我們了解管理數據的必要性，但我們沒有正式的程序 我們公司有許多針對每個組織的數據治理政策和計劃 我們公司的其他部門可能有也可能沒有數據治理功能，但

6、我的部門/組織不在其中 不知道 2021-第五次年度供應鏈數據質量和治理研究 5 2021-第五次年度供應鏈數據質量和治理研究 6 許多高管都意識到數據治理的必要性，因為大多數人回應說他們在公司層面或組織層面都有數據治理。結果表明，人們越來越認識到數據治理是一項全職工作，需要具有專業技能的人來治理公司的數據。我們看到，與 2020 年相比，2021 年與 2020 年相比沒有顯著變化，因此在教育公司管理和治理數據素養方面仍有改進的余地。高水平的反應與上一年一致。以下哪個頭銜/角色最能描述您的數據治理組織的負責人？0%5%10%15%20%25%30%35%首席采購官 首席供應鏈官 首席數據官

7、首席隱私官 首席技術官 首席信息官 首席合規官 首席風險官 首席信息安全官 C級主管 高級副總裁(SVP)副總統 分析總監 其他 我們沒有數據治理負責人 2021 2020 2021 年創建了更多角色和職位，以建立明確的職責劃分和更好的行政控制。隨著公司意識到數據治理在業務模型的開發中起著至關重要的作用，圍繞數據治理需求的普遍態度正在增長。一個有趣的觀察是，首席信息安全官(CISO)角色的引入/增加 2021 年，同時我們可以看到首席數據官(CDO)的角色減少，這可能是 解釋為 CDO 角色轉變為 CISO 角色，突出了對數據治理和安全性作為重要資源的日益關注。我們看到，在采購、供應鏈、風險與

8、合規方面，作為分析總監和其他高級職位的人數有所增加，而這些職位在 2020 年是不可用的。2021-第五次年度供應鏈數據質量和治理研究 7 貴公司內的哪些組織是您的數據治理指導委員會的一部分？金融 它 銷售量 營銷 運營 采購 風險 管理 遵守 合法的 其他 我們不 有一個 DGSC 從調查結果可以看出，指導數據治理的責任主要在于 IT，其次是財務。在 2020 年，風險管理、合規和法律團隊沒有加入數據治理指導委員會，但他們似乎是 2021 年的主要貢獻者之一。整個組織對數據治理的參與程度顯著提高。請表明您對以下陳述的不同意或同意 我找到了數據治理計劃 8%成為必需品 1%7%0%2%1%7%

9、我找到了數據治理計劃 做官僚 6%6%我找到了數據治理計劃 有用 2%6%5%2%1%13%22%21%25%26%26%28%33%33%32%39%41%43%51%56%55%非常同意 同意 既不同意也不不同意 不同意 強烈反對 2020年數據 70%67%2021 2020 60%50%49%45%46%48%43%40%37%30%27%26%20%20%21%19%16%12%12%10%8%7%5%0%0%0%0%1%2021-第五次年度供應鏈數據質量和治理研究 8 除了受訪者被問及他們是否認為數據治理存在官僚主義之外，這些數字與上一年保持一致。2020 年，大量受訪者認為該系統

10、過于官僚化，這可能是由于數據治理政策的被動實施可能在 2021 年轉變為更主動的實施。人們不再將數據治理視為官僚程序，而是更多作為必需品。我們還注意到，當被問及官僚主義時，很多受訪者選擇保持中立，這可以進一步探討。您認為您的數據分析組織/卓越中心的優先事項應該是什么？確保數據質量 0%10%20%30%40%50%60%70%80%制定并確保遵守數據政策 確保數據使用和基于數據的決策 提供意識和培訓 確保為企業帶來切實利益（賺錢/省錢）制定標準 優先考慮數據分析相關項目的預算/資源分配 與外部供應商協調數據分析相關需求 確保數據安全 高優先級(5)高優先級(4)中等優先級 低優先級(2)低優先

11、級(1)2020年數據 正確確保數據安全仍然是數據分析組織/CoE 的首要任務，其次是確保數據質量。與前一年相比，這些公司今年似乎更加重視制定標準。2021-第五次年度供應鏈數據質量和治理研究 9 任何組織的所有成員都必須具備一定程度的數據素養，以便在日常交互和工作績效中解釋和利用數據。今年的研究反映了大多數組織對其組織中對數據素養的迫切需求的認識有所提高。組織中的所有員工都應該能夠處理和分析數據嗎？80%70%60%50%40%30%20%10%0%2021 2020 在 2021 年和 2020 年，關于是否應允許組織中的工作人員處理和分析數據的回答似乎是一致的。受訪者更傾向于提供數據訪問

12、權限，因為它使工作人員能夠獲得洞察力。但是，與 2020 年相比，2021 年有所減少。雖然我們鼓勵人們能夠管理數據，但也有一種趨勢，即使用商業智能/KPI/指標采用更多的標準化方法，而減少獨立處理數據和信息。數據素養74%是的 67%不 33%26%2021-第五次年度供應鏈數據質量和治理研究 10 利用數據面臨的持續挑戰之一是管理者需要對數據建立“信任”。大多數組織收集大量數據。這些數據很少被用作決策的唯一來源。使用時，它通常用作決策的補充和/或僅作為決策的參考。組織通常同時擁有內部和外部數據源。通常內部數據是所謂的結構化數據，因為它以表格格式駐留在數據庫或電子表格中并且是數字的。外部數據

13、主要是非結構化數據，包括來自可信和不可信數據源的數字和非數字數據。以下哪項關于您的內部數據最準確？30%25%20%15%10%5%0%我們有一個集中的服務來為我們提供數據并就我們的需求進行咨詢 我們有一個中央數據倉庫或數據集市，但我發現它與我的業務無關 我們有一個只有在我的組織中工作的人才能訪問的數據庫 大部分數據由我們的數據分析師團隊收集；數據分析師的筆記本電腦/Dropbox/Google 文檔文件夾包含所有信息 我們從 ERP 系統中獲取所有數據 每次需要新數據時，我們都會爭先恐后 信任數據 28%27%26%2021 2020 19%21%20%11%13%13%7%6%7%2021

14、-第五次年度供應鏈數據質量和治理研究 11 數據根據其預期用途以多種方式被使用。一種越來越多的用途是使用數據來提供儀表板，在大多數情況下，儀表板會呈現數據的可視化，以便于使用。今年基于以下問題的調查支持了這一點。關于您如何使用或理解您的數據，以下哪項最準確？不知道 每次我需要數據來做決定時，我都必須依靠其他部門提供的信息/分析 我必須自己登錄并運行大部分報告，盡管我使用我的團隊來補充我的分析 我的團隊有一些漂亮的工具，但我發現它們還不是非常值得信賴或一致 我的團隊構建了我相信的儀表盤和報告，并且可以很容易地訪問（筆記本電腦/iPad/移動設備）0%5%10%15%20%25%30%35%40%

15、儀表板使用的增加正在增加壓力，以確保為這些儀表板提供的數據準確、完整、及時并且與這些儀表板提供的信息摘要相關。6%12%30%17%36%數據消耗 數據審計對于確保組織使用的數據是相關的、準確的、完整的、值得信賴等。數據審計應該是一項持續的活動，而不僅僅是一項年度工作。您的組織是否定期進行數據質量審核？不知道 不是 是的0%10%20%30%40%50%60%數據審計非常耗時，但必須執行以確保財務責任、流程有效性、客戶滿意度和最佳組織預測。隨著組織轉向自動化數據驅動決策(ADDDM)，數據健康狀況絕對至關重要。這是一個鏈接 數據審計指南 由國際數據質量、治理和分析協會提供。該指南可以作為您組織

16、數據審計的框架。2021-第五次年度供應鏈數據質量和治理研究 12 24%28%49%在內部數據管理的情況下，數字顯示大部分數據來自公司的 ERP 系統，并且這些公司中的大多數都有一個專用的集中式系統，可以幫助他們根據業務需求提供數據/見解和咨詢。關于您的內部數據，下列哪項是正確的？每次需要新數據時，我們都會爭先恐后 我們從 ERP 系統中獲取數據 大部分數據都是由我們的數據分析師團隊收集的，數據分析師的筆記本電腦/Dropbox/谷歌文檔文件夾中包含了所有的信息 我們有一個數據庫，只有那些在我的組織中工作的人才可以訪問它 我們有一個中央數據倉庫或數據集市，但我不認為它與我的業務相關 0%5%

17、10%15%20%25%30%2021-第五次年度供應鏈數據質量和治理研究 13 13%26%7%20%7%28%內部和外部數據我們有一個集中的服務，為我們提供數據和咨詢有關我們的需求2021-第五次年度供應鏈數據質量和治理研究 14 就公司的外部數據而言，與 2020 年相比，EDI（電子數據交換）的使用在 2021 年有所增長。使用電子郵件和 Sharepoint/Google Docs 等云服務的數據共享在這兩年顯示出一致的模式。與內部數據一樣，外部數據也主要由公司內部的集中服務處理。關于您如何使用或理解您的數據，以下哪項最準確？45%40%35%30%25%36%41%30%21%20

18、21 2020 20%15%10%5%0%16%15%12%15%6%8%我的團隊構建了我信任的儀表板和報告，并且可以輕松訪問（筆記本電腦/iPad/移動設備）我的團隊有一些漂亮的工具，但我發現它們還不是非常值得信賴或一致 我必須自己登錄并運行大部分報告，盡管我使用我的團隊來補充 我的分析 每次我需要數據做決定時，我都必須依靠其他部門提供的信息/分析 不知道40%關于您的外部數據，以下哪項最準確？（包括供應商數據）34%33%35%30%25%20%15%10%5%0%24%16%14%13%6%29%16%16%2021 2020 我們有一個集中的服務來為我們提供數據和咨詢我們的需求 我們從

19、數據服務中獲取一些數據，但通常最終訂閱或雇用外部服務來提供額外數據 我們的大部分供應商數據都有 EDI，但可能會或可能不會存儲它 我們的大部分數據是通過電子郵件獲取或通過 SharePoint、Google Docs 或其他云存儲等服務共享的 我不知道我們如何獲取外部數據與去年的結果一致，團隊生成的儀表板/報告是幫助決策者使用和解釋數據的主要貢獻者。即使有登錄和生成報告的選項，團隊在補充分析方面也發揮著重要作用。仍有很大一部分受訪者不知道他們如何使用或理解數據。2021-第五次年度供應鏈數據質量和治理研究 15 無論是用于正常消費還是用于訓練人工智能(AI)或機器學習(ML)，清理和組織數據都

20、是一個非常耗時且昂貴的過程。與外部數據相比，清理和組織內部數據通常更容易且耗時更少。在討論數據清理和組織數據時，更容易是一個相對術語。當應用于 AI 和/或 ML 工作的培訓時，不干凈或組織/分類不當的數據可能是災難性的。對于可能由多個部門、地理位置分散的組織以及不同的高級領導和監管數據限制組成的中型和大型組織而言，僅僅定位和獲取數據也是一項重大挑戰。您的供應管理組織的員工每天花費多少時間來查找他們執行工作所需的數據？30%25%20%15%10%5%0%低于 5%6%-10%11%-20%21%-25%超過 25%我不知道 27%26%23%2021 2020 18%17%17%15%15%

21、15%14%6%7%2021-第五次年度供應鏈數據質量和治理研究 16 供應管理組織試圖找到執行其所需數據所花費的時間 就業人數比去年略有增加。這可能意味著與去年相比，2021 年的數據可用性可能更具挑戰性，因為今年 80%的受訪者將超過 5%的時間用于查找數據。您的供應管理組織的員工每天花費多少時間清理數據以供使用？30%25%20%15%10%5%0%低于 5%6%-10%11%-20%21%-25%超過 25%我不知道 數據一致。2021 年與 2020 年相比。據觀察，超過 50%的受訪者花費不到 10%的時間來清理數據以供使用。28%29%25%24%2021 2020 16%15%

22、10%11%12%11%9%10%2021-第五次年度供應鏈數據質量和治理研究 17 大多數組織用來清理和組織數據的工具集通常由 Excel、Power BI/Tableau、Python、R/SAS/SPSS、專有軟件等。您的組織中使用以下工具的頻率如何？70%60%50%40%30%20%10%0%勝過 Microsoft PowerB/Tableau/Qliksense/類似 基于 Python 的工具 R/SAS/SPSS 其他專有軟件 其他 從不(2021)從不(2020)很少（2021 年）很少（2020）有時(2021)經常(2021)非常經常(2020)永遠(2021)永遠(2

23、020)不知道 從調查結果中可以看出，Excel 在組織用于數據和分析的工具列表中名列前茅，因為超過 50%的受訪者回答他們總是使用 Excel，即使存在 Power BI、Tableau 和編程等可視化工具Python、R、SAS 等工具?；?Python 或 R/SAS 的工具是最不受歡迎的，因為我們看到有很大比例的公司從未使用過 這些工具中。這表明需要圍繞市場上可用的各種分析工具在組織中建立意識和能力。2021-第五次年度供應鏈數據質量和治理研究 18 組織開始探索數據清理和組織的外包，因為這些任務會嚴重消耗數據分析師和數據科學家的稀缺資源。這個數據分析領域 隨著組織繼續嘗試從其龐大的

24、數據庫中挖掘信息，外包預計將會增長 實時。您認為您的數據分析相關工作中有多少是外包的？不知道 超過 60%46%-60%31%-45%16%-30%1%-15%0%（沒有工作外包）0%5%10%15%20%25%30%35%40%11%2%3%6%14%30%34%數據分析外包2021-第五次年度供應鏈數據質量和治理研究 19 今年的研究再次證實了對供應鏈功能中更多地訪問和利用數據的需求未得到滿足。年復一年的增量進展繼續取得，但其加速速度繼續未能滿足組織和市場的需求。前進的建議行動：為所有供應鏈數字計劃設定明確且可量化的目標 對組織中的各個級別進行數據素養培訓 要求組織中各個級別的每個人都用數據說話 進行一次 數據審計 了解您的數據需求在哪里 不要專注于技術-使用您現有的技術并了解 在獲得新技術之前它的好處 與您的供應商合作，讓他們知道數據的類型、詳細程度和頻率 您需要從他們那里獲得的對您的組織有益的數據 供應鏈危機給供應鏈功能帶來了前所未有的可見性和壓力，需要做出巨大的改變以滿足需求。數據的使用是改善當前供應鏈危機的關鍵組成部分。