大量的數據產生自組織內部或來自企業外部，都必須經過彙整，在整合不同的數據來源後，才能彰顯大數據真正的價值，進而提升企業決策支援系統，讓決策自動化，以便管理者面臨決策時能夠制敵先機。
善用大數據可以提升企業決策支援系統（Decision Support Systems，DSS），甚至將決策自動化，讓企業在面臨決策時得以搶得先機更勝一籌。人並非數據的使用者，流程才是數據真正的使用者，因此唯有將數據實際運用在企業流程才是成功之道。
大數據不只是「大量」數據而已
許多企業對大數據仍有誤解，以為大數據純粹指大量的數據。事實上，大數據有三個特性：Volume（大量）、Variety（多樣性）、Velocity（速度），其中後兩者才是挑戰所在。儘管設備升級可以處理更大量的數據，卻無法達到數據多樣性，仍需仰賴人工整合不同的數據來源，才能帶出大數據真正的價值。無論這些數據來自組織內部還是外部，透過彙整才能使大數據具備洞察力。
理論上，流程優化後，企業更能聚焦在「人」做的事，花較多的時間創新、增進人與人的互動。因此，單純使用數據來進行優化並不是最佳選擇，未來的企業資訊架構應專注於科技如何與人類能力互補，而非用科技取代人類。
資訊是新石油？資訊經濟學即將席捲全球
「資訊經濟學」或許是個新穎的詞彙，但其背後的概念其實是大家熟悉的經濟理論，任何資產的經濟都跟貨幣化、管理、衡量息息相關。有別其他類型的資產，資訊有許多獨特之處。
有人稱資訊為新石油，乍聽之下似乎言之有理，但仔細想想一滴石油用完就沒了，只能用一次還會產生污染。反觀資訊不但不會用完就消失，甚至能夠同時用多種方法使用該資訊。企業領導人必須意識到資訊的獨特經濟特性，善用其潛力，對資料進行銷售、交易或整合。舉例來說，製造過程的資料可能可以改善銷售、客服或行銷，提升與消費者和供應商的關係。
另一方面，設計實質產品時必須考慮邊際效應，因使用者在使用幾次產品後開始出現單位效用遞減（甚至負的）現象。同樣的人在看資訊的時候，由於我們不喜歡重複看一個資訊很多次，邊際效應也可能快速遞減。但資訊的使用者不是人類，而是流程和科技，因此沒有滿意度的問題，一個軟體應用程式不會介意不停接收同樣的資訊。除此之外，買賣資訊通常不會移轉所有權，而是給予使用該資訊的權利。因此，在為資訊定價或是評估一間公司的資訊市值時，要確保交易時所有權不會轉移。
「資訊經濟學」試著把資訊為資產的概念深植高層管理人的腦海，實際轉換人們看資訊的角度，進而從中有所斬獲。
萬事起頭難 從了解企業握有哪些資訊開始
了解自家企業擁有哪些資訊並不容易。公司通常有資產負債表上所載的資產清冊，像是辦公用品上面都貼有資產標籤。然而，傳統的會計帳務處理方法，不會將資訊列在資產負債表上，導致企業鮮少將資訊視為資產看待。
除了企業內部數據，外部資料也可靈活運用，像是合作夥伴、買家、消費者，乃至政府的開放資料，也有制式資料供應商專門販售相關資料。有些廠商甚至有自家的資料測量模型，專門協助他們銷售解決方案，即多方運用資料來推銷自身的解決方案。
 |
| ▲企業若想開始注重資訊資產，從雇用資料科學家（Data Scientists）開始，進而了解公司的資訊和潛在的用處。 |
想像一個零售商手上沒有貨架上的產品清冊，或是一位人資經理沒有全體員工的資料表、績效表，肯定讓人貽笑大方。而一間仰賴資訊、數據的公司沒有資訊清冊、沒有資訊資產的衡量標準，也一樣會淪為他人笑柄，主因就是因為資料不會出現在資產負債表上。
資料長當道 引領企業邁向資訊經濟康莊大道
企業裡有管理人資、實物資產、科技資產的高階主管，但大多企業尚未有管理資訊資產的資料長（Chief Data Officer，CDO）。有許多人認為這屬於資訊長（CIO）的職責，但是資訊長往往已經在處理技術、設備、應用、架構中忙不過來，因此少有餘力將資訊當作資產看待。
此外，資訊是商業資產，而非科技資產。若公司想將資訊視為資產，資料長則應具備商業專業背景，而不是單純找資訊科技專業的人才，有些公司甚至已經將資訊和科技分成兩個部門。資訊長的職責已經慢慢在改變，科技方面的資本支出也因為外包、雲端的關係，逐漸變成營運支出。企業不容忽視資料長的重要性。
Gartner發現客戶花太多的時間和金錢在後見數據分析（Hindsight Analytics）上，做出很多漂亮的圖表，專注於過去發生的事情。這些數據分析有時的確可以拿來做決策參考，但是前瞻性數據分析才能提供洞見。
數據分析可大略分成為四大類：
‧描述型數據分析（Descriptive Analytics）︰屬於後見數據分析。
‧診斷型數據分析（Diagnostic Analytics）︰洞察一些事之所以可以運作的原因。
‧預測型數據分析（Predictive Analytics）︰解釋將來會發生的事。
‧指導型數據分析（Prescriptive Analytics）︰則是偏向提供自動化、優化建議，或是將數據應用於企業流程，導向有利於企業未來的方向。
Gartner研究顯示只有後三類的數據分析能為公司帶來實質經濟效益，企業應該把時間和金錢投入這些高端數據分析。
改變企業DNA 從雇用資料科學家開始
企業若想開始注重資訊資產，從雇用資料科學家（Data Scientists）開始，進而了解公司的資訊和潛在的用處。大數據和資料分析有別於傳統資料倉儲（Data Warehouse）和商業智慧（Business Intelligence）由上而下的模式，轉而從資料分析的結果出發，從中找到潛在的應用機會和企業創新的方向等。再者，目前會計帳務雖無法將資訊資產列在資產負債表上，但企業可以自行建置公司內部版本的資產負債表供投資人參考。Gartner預測到了2021年，股票分析師在評估企業的時候，公司的資訊資產組合將會是一大要點，促使各公司內部將資訊估值和查帳視為正式作業。
但最重要的一點是要改變企業文化，讓企業實際意識到資訊資產的重要性。舉例來說，跟管理「顧客資料庫」的人說，你現在管理的是「價值五億的資訊資產」，從內改變企業的DNA，讓公司上上下下意識到資訊的重要性，進而轉型為資料驅動、資料導向的企業。
<本文作者Douglas Laney為Gartner研究副總裁>