你有听说过“泽字节（Zettabyte）”吗？
在数据的海洋中，信息存储的基本单位是字节（Byte）。日常生活中接触比较多的有KB 千字节、MB 兆字节、GB 吉字节、TB 太字节等等。但是，这些常用单位不足以来衡量互联世界的庞大数据量。把全世界的数据都加起来，会是多大呢？
根据IDC的报告，2018年全世界总的数据量约在33 ZB，到2025年，这个数字将会增长到175 ZB，而这其中60%的数据是由企业产生的。
1 ZB也就是1泽字节，等于1,000,000,000,000,000,000,000字节！
毋庸置疑，未来是属于数据驱动型企业的。数据驱动型企业，不是简单地收集数据，存储数据，而是能将数据不断转化为业务价值，而且是实时的。
根据知名咨询机构麦肯锡的研究，数据驱动型企业在获客、留客和盈利上的能力分别要高于一般企业23倍、6倍和19倍。
数据的价值，不言而喻。
你所在的企业，正在发挥数据价值吗？
在让数据释放价值之前，企业该如何避免陷入数据沼“泽”？
打造数据驱动型企业，关键在何处？
甲骨文给出的答案是“自治（Autonomous）”。
企业海量的数据宝藏通常隐藏各个软件系统中，或者埋没在个人电脑和文件柜里，无法施展能量。它停留在各个业务部门的内部，保存数据的部门可能无法意识到自己的数据，对于另一个部门、甚至整个公司的价值。
再比如现在新兴的人工智能技术，如果没有足够的数据来支持AI模型，是无法提供企业期望达到的算法服务的。
要使用数据来驱动企业，创造价值，它必须变得可见且易于访问。知名市场研究公司Forrester的报告表示，对于一个典型的财富1000强规模的公司来说，如果将数据的可用度提升10%，就能带来约6500万美元的额外收入。
要彻底解决数据的问题，最好的办法是“自治”——让数据的采集、整合、管理、维护、分析等工作高度自动化，并且依靠机器学习不断自我提升，类似于汽车行业的“自动驾驶”。
自治的意义不仅仅在于减轻企业IT在数据管理上的负担，更重要是能够拉近企业业务部门（也就是数据的使用者）与数据的距离，让数据发挥价值，而且极大降低了企业应用数据所需的成本。
这就是甲骨文在2017年开创性推出Oracle自治数据库的原因之一。自治技术依靠机器学习和甲骨文四十余年在企业级数据管理的积累。通过自治技术，企业能收获一个基于数据实时提供可行情报的系统，这方便企业更好地了解其运营、员工、市场和客户，更快速、有依据地做出决策。
作为Oracle自治数据库的重要代表，Oracle ADW业务数据平台以简单、快速、弹性的产品性能为人力、财务、销售、市场等部门的业务洞察提供了强大的数据支撑。通过Oracle ADW，客户以完全可负担得起的成本，少则几小时，多则几周时间内即可看到所产生的业务价值。
如何避免落入数据沼“泽”
甲骨文给企业提供了以下五大建议：
第一是保障数据质量。
这一点很大程度需要依靠“数据清洗”。这就像在炒一盘菜之前，你需要择菜、洗菜、切菜一样——数据在分析前，需要将重复、无效的数据删去，纠正其中的错误，做好数据的一致性，完善数据质量。这是数据释放价值的基础。
第二是用敏捷的方法达到数据的展现和分析。
这里为什么强调“敏捷”呢？现在市场上多见的方案，如BI、数据中台往往跟随着巨大的数仓项目。这些项目耗时数月，多在百万级，而在完成前是无法衡量是否奏效的。现在在云的协助下，对于企业更有利的顺序应该是先快速看到效果，再来决定是否做、做多少。
第三是要建立以客户为中心的视图。
这是今天很多企业面临的问题，客户是企业增长之源，释放数据价值的一大目的是用于深耕客户需求。然而现在很多数据分析更多是按照流程，落入程式，并没有围绕客户来做。
另外一个障碍是数据的碎片化。随着公有云的应用，这个问题越来越凸显，特别是对于中小企业。一个企业在多个云上，就算都在同一个云，SaaS供应商也不同。企业需要的是形成对客户的全景图，将这些数据打通串联起来，决策时才能纵观全局、切中要害。
第四是赋予业务部门挖掘数据的能力。
对于很多行业，尤其是To C的企业，数据价值挖掘的能力决定了企业在这个市场能不能成功。
数据挖掘的工具，一方面要能让业务人员自主自助使用，即做到简单上手、灵活机动。因为业务人员最先嗅到市场变化，也最需要用数据来探索和验证思路，从而快速响应。必须要将业务人员挖掘数据的能力发挥出来，企业的数据价值释放才算真正做起来。
另
一方面，企业还需借助机器的力量。AI、机器学习技术的加入，对于数据价值的挖掘可谓如虎添翼，企业可以在AI的帮助下预知趋势，探查出数据间前所未有的关联。
最后，也是最重要的一点，选择适合自己的才是最好的。
企业在选择数据项目时，一定要从自身情况出发，选择最适合自己的。
更为明智的做法是，企业可以“走一步，看一部”，而不是一次启动一个巨大的项目来做。这样企业可以先体验数据项目能带来多少价值，基于这个再决定投入多少。
