在组织外部共享数据

为什么要对外共享数据？

共享数据可提高组织绩效。数据就是知识，知识就是力量；与他人共享数据也会增强他们的能力。共生关系对各方都有利，如果做得正确，与合作伙伴共享数据可以增强您的组织和合作伙伴的力量。

共享数据可以创造新的机会，但与仅在组织内部提供访问权限相比，向外部提供数据具有独特的含义。通常，内部共享数据意味着跨部门或跨团队交换数据，例如与营销部门共享销售数据，反之亦然。向外部共享数据通常意味着与客户、供应商、监管机构或合作伙伴交易数据。当数据移出组织时，风险会增加，潜在的风险和回报也会成倍增加。

与外部实体共享数据虽然会带来治理和安全挑战，但也带来许多机遇。根据Gartner最新首席数据官调查结果，“与外部共享数据的数据和分析领导者产生的可衡量经济效益比不共享数据的数据和分析领导者高出三倍。”

与整个行业或生态系统中的合作伙伴、客户和供应商共享数据可以提高整个行业的效率。共享有关产品在组织中流动的方式和时间的数据有助于简化整个供应链，降低所有人的成本并改善最终客户体验。

与合作伙伴交换数据还可以使每个参与者提高其数据存储中当前数据的价值。将来自组织外部的多个来源的数据组合在一起，可以提供更广阔的视角和更丰富的市场趋势或客户偏好洞察。这只是丰富数据的无数机会之一。与第三方共享市场数据还可以吸引新的合作伙伴，并出现新的上市机会。从同样的角度来看，共享数据也可以成为收入来源。第三方参与者可能愿意为访问您正在捕获的数据付费，从而带来有利可图的新业务线。

使用案例

供应链效率

速度的提高降低了供应链的成本。产品从原材料到制成品再到分销到零售再到最终客户，运输速度越快，公司获得付款的速度就越快。现金流的增加为投资创造了新的机会。当零售商与供应商共享数据时，他们可以更有效地将最符合客户需求的产品推向市场。由于消费者趋势瞬息万变，快速了解消费者购买和不购买的产品可以帮助供应商在需求仍然强劲时将产品送到零售商手中。这可以提高收入和利润。一些大型组织已投入大量资源实现整个供应链的数据交换自动化，但这些系统非常僵化且昂贵。

预防欺诈

竞争对手也可以共享数据。例如，竞争银行可以共享欺诈数据。银行欺诈会增加保险成本，从而影响每家银行的风险。共享缓解欺诈的方法将有助于降低每个市场参与者的成本。为了有效，必须实时共享数据，以便在犯罪分子造成太大损害之前抢占先机。与竞争对手共享市场数据可以推动整个产品类别的需求，从而扩大整个市场，从而使整个行业受益。

研发

共享数据以支持研究可以带来创新，从而为整个行业带来更好的绩效和消费者结果。例如，制药公司、医疗技术和医疗保健提供商可以共享数据，以帮助研究人员开发更好的临床实践。

AI 模型改进

AI 模型依靠多样化的数据集蓬勃发展。更多相同或相似的数据不会提高 AI 模型的性能。多样化的数据集为 AI 模型提供了更多背景信息和更好的世界理解。如果 AI 过于依赖同质数据，则更容易产生偏差或产生幻觉。在许多情况下，提供所需多样性所需的数据集在单个组织内部无法获得。与合作伙伴交换数据以多样化 AI 训练数据可能会对您的 AI 策略和模型性能产生巨大影响。

外部数据共享的挑战

数据控制

在组织外部共享数据时，失去对数据的控制会带来重大风险。一旦数据离开组织，控制访问和使用就会变得困难。调整访问规则以使适当的用户更容易访问数据，同时保护隐私和安全是不可行的。因此，建立明确的政策来管理可接受的用户并降低这种风险至关重要。

隐私条例

违反隐私法规可能会导致巨额罚款和声誉受损。在共享数据之前执行隐私和安全问题对于避免代价高昂的违规行为至关重要。犯下与竞争对手共享敏感竞争信息的错误可能会导致您失去竞争优势。

手动数据共享

在许多情况下，为了保持控制或降低创建自动化系统的成本，数据都是手动共享的。数据要么在电子邮件中共享，要么在电子表格中共享，要么在共享的云文件中共享。手动共享数据可能很慢，而且很容易出错。如果没有适当的控制，还存在敏感数据在组织外部被不当共享的风险。

合作伙伴 API

数据也可以通过 API 提供，合作伙伴可以从共享实体调用 REST API。这种方法通常用于发布原始数据，任何有授权的人都可以访问。从技术上讲，使用 Web 技术访问这些数据相当容易，但由于数据格式不同，集成可能很困难。API 也更容易受到黑客攻击，因此需要适当的维护和文档。

数据沿袭

无论数据如何共享，通常都不包含数据沿袭，因此用户可能不知道数据的历史和来源。用户不知道数据是如何收集的，因此无法理解数据的可信度。这种缺乏透明度的情况可能导致决策者对数据失去信任，从而限制其价值。

跨生态系统数据消费

数据共享流程自动化可以降低任何手动流程中固有的错误风险，但组织间数据共享自动化可能过于复杂。不同组织间数据模型的差异可能使有效处理数据变得困难。例如，一个组织可能以不同于另一个组织的方式计算一个指标，从而提供不同的信息。不同组织间市场细分方式通常也不同，从而造成混乱。在某些行业，人们正在努力实现数据模型的标准化，但这些努力的结果好坏参半。

在组织内跨部门和跨系统共享数据已经够复杂了。一旦您添加了来自第三方的一整套新技术、流程和政策，管理这些变量就会变得更加困难。组织将拥有不同的技术堆栈、数据治理、数据质量政策和策略。这种复杂性要求在实体之间自动共享数据需要大量工作。

数据必须在系统之间相互映射，考虑到每个单独的数据模型、数据策略和安全协议。为了解决这种复杂性，还需要构建和维护自定义转换和自动化流程。程序员必须了解每个组织的数据模型、技术堆栈以及数据库的组织方式。他们还需要能够用正确的编程语言编写代码来从数据源中提取数据。对数据共享方式和共享对象进行任何更改都需要专业技能和知识，这为数据共享增加了额外的障碍。

还需要处理不同组织之间的文化差异。某些组织的数据质量可能比其他组织更受企业文化的影响。术语和指标的差异也会导致混乱。这种差异可能导致冲突和缺乏信任。

如果组织能够驾驭有效共享数据的复杂性，那么由于缺乏意识，投资回报可能会受到限制。如果没有办法告知潜在用户数据可用，也没有办法授权访问，您的投资的全部潜力就无法实现。虽然在组织外共享数据存在许多风险和挑战，但好处是巨大的。为了更有效，需要转变思维方式。

数据产品思维不会将数据转储给合作伙伴或构建复杂的集成，而是将重点转移到提供价值，而不仅仅是数据。提供质量检查或治理有限的数据并不能为生态系统提供最佳价值。构建旨在在共享时提供更大效用的数据产品代表了一种不同的方法。这些数据产品针对某些业务成果，合并来自多个来源的数据以获得更深入的见解，并提供安全、高质量的数据。组织需要少考虑共享或控制数据，多考虑管理和增强数据以造福行业。

与数据产品共享数据

当您考虑将数据作为数据产品共享时，首先要考虑用户的需求。如何增强数据，如何组合多个数据集以向最多用户提供最大价值？如何筛选和整理数据集以支持特定结果和可操作的见解？这种方法比简单地将原始数据加载到合作伙伴的数据湖中提供的价值要大得多。不要将所有资源都投入到为一个合作伙伴进行的单一集成中，而是要向所有合作伙伴提供丰富的数据集。

数据产品可让您将来自多个来源的数据与数据质量和治理打包到单个 API 中。此过程将数据集从众多数据库的复杂性以及底层数据的协议和格式中抽象出来。合作伙伴无需了解底层数据库和数据堆栈，也无需猜测数据质量。

当数据产品内置治理控制时，共享准则可以得到更有效的控制。要成功共享数据，制定数据使用条款至关重要。有了数据产品，实体可以按照商定的使用条款订阅数据产品。域管理员还可以通过规定访问规则来定义使用条款。这使得共享数据具有更大的灵活性，因为域管理员更了解共享数据的价值和风险，拥有更大的权威。

当数据产品平台利用虚拟化时，它们可以更好地控制数据。在这种类型的系统中，数据被拉入虚拟环境，然后与第三方共享。数据不会直接传输给合作伙伴，每次刷新数据时都会创建一个新的数据集。这为共享实体提供了对数据的更多控制。该技术还可以支持列级别的数据访问授权和基于属性的访问控制，因此只有具有某些属性的人员或系统才能访问数据。

通过数据产品市场，数据产品也易于分发。在中央市场中列出可用的数据产品，使合作伙伴能够查看可用的数据产品并请求访问。市场还可以允许用户反馈和质量评级。通过获取这些反馈并将其提供给其他用户，合作伙伴可以更轻松地找到最受欢迎的数据产品。数据沿袭、文档和业务词汇表可以帮助用户更好地了解数据的来源、如何正确使用数据以及数据代表什么。

数据越多可用，就越有价值。未来，随着数据变得越来越重要，与合作伙伴交换数据将成为成功合作的必备条件。数据产品为安全共享优质数据提供了坚实的平台。

要了解有关 Extrica 数据产品平台的更多信息，请注册获取演示。