直到现在，企业数字化转型中数据的管理和使用并没有为员工提供太多的便利，尤其是与员工使用数据搜索信息，或者使用大众点评搜索自己喜欢的餐厅时获得的体验相比。
作为消费者，我们对数据发现和选择抱有很高的期望。 我们希望我们的网络能够提供广泛的信息目录，使我们能够轻松检索和分类信息，并快速找到我们想要的内容。 然而，时至今日，我们在工作中获得的信息广度仍未达到上述**的水平。
那么，有什么变化吗？ 许多组织正在帮助员工更轻松地发现和访问安全、可信和高质量的企业数据，以便他们能够利用这些数据来发现解决问题、创新和增加收入的新机会。
数据是数字化转型的核心要素，如果员工难以找到他们需要的正确数据，他们的数字化转型计划将达不到要求。
企业数据通常分散在数百个云和本地系统中，包括传统的事务数据库、电子产品、基于云的营销系统和数据湖。 新的数据源和应用程序（例如物联网、人工智能等）的出现增加了数据环境的复杂性。
无论是改善客户体验、为决策提供分析见解，还是将业务迁移到云端，这都取决于员工跟踪相关数据并了解其质量和来源的能力。 而且，根据许多专家的说法，保守估计表明，企业的数据量将每两年翻一番，挑战将变得更加复杂。
事实上，随着公司开始实施雄心勃勃的数字化转型计划，许多本应有价值的数据都没有得到充分利用，甚至没有得到利用。
波士顿咨询集团合伙人兼董事总经理Shervin Khodabandeh指出：“大多数机构只使用他们有权访问的一小部分数据。 虽然他们不断收集和存储数 TB 的数据，但根据我的经验，实际使用的数据中只有不到 5%。 ”
理想情况下，业务用户和 IT 用户应该尽可能轻松地搜索企业数据和大众点评搜索。 此外，用户应该能够看到其他用户对它的看法并将其用作参考。
为了做到这一点，我们需要以某种逻辑的方式对企业信息进行编目和分类，以实现信息的“大众化”使用。 也就是说，使信息可供业务用户、数据科学家、应用程序开发人员和其他业务人员使用。 语义搜索使非技术部门的业务分析师能够进行自助访问，就像消费者按品牌、颜色和其他属性筛选零售商品一样。 用户还应该获取数据的上下文，包括数据的谁、数据与谁相关联以及数据的质量如何，以便理解和信任数据。
无论数据位于企业中的哪个位置，用户都可以搜索结果，因为搜索操作由智能数据目录驱动，智能数据目录是一个涉及清单数据的技术层，使用户能够访问存储在云中和本地的清单数据。 人工智能和机器学习使数据目录变得“智能”，具有自动标记、极高的准确性、数据相似性分析和沿袭定义。 最重要的是，在数字化时代，它可以满足企业数据管理在速度、处理规模、自动化和洞察力等方面的需求。
研究和咨询公司埃克森集团（Eckerson Group）在一份报告中指出：“在当今世界，没有数据目录的数据管理是一种不明智和不切实际的做法。 我们正在迅速进入一个新时代，在这个时代，沟通、协作和众包将成为数据管理的支柱。 ”
如果没有一致、全面和准确的数据，数字化转型目标就无法实现许多领域，例如：
为高级分析奠定基础。 数据科学家通常将 80% 的时间用于查找数据，而将 20% 的时间用于人工智能、机器学习和建模。 数据目录通过快速发现和访问数据来扭转这一比例，帮助数据科学家和业务分析师利用可信数据来提供数据驱动型决策所需的见解。
打造以客户为中心的完整体验。 数据存在于企业的每个角落，如果您想以客户为中心，那么 360° 全方位查看所有数据源非常重要。 通过识别客户数据的所有主要元素，数据目录为更个性化的交互和更好的客户体验奠定了基础。
实现无缝云数据迁移。 现在，遗留系统的安全性和成本的神话已经被彻底打破，大多数组织，包括医疗机构和机构，已经开始向云端迈进。 但是，将本地数据仓库迁移到基于云的替代环境（如 Amazon Redshift、Google Big Query、Microsoft Azure SQL 数据仓库和 Snowflake）并不像拨动开关那样容易。 数据编目可帮助架构师首次了解数据环境、评估数据质量、选择要迁移的正确数据并了解下游影响，最终加速云数据仓库的现代化。
确保数据治理和数据隐私。 如果企业不了解它拥有哪些数据、数据驻留在何处以及如何允许使用这些数据，它将无法满足现有和即将出台的数据安全和隐私法规。 数据目录提供的数据发现功能对于识别和管理治理控制下的数据以及建立对客户、员工和其他关键利益干系人的信任至关重要。
数字化转型可以采取多种形式，包括以客户为中心的商业模式、物联网和人工智能项目、员工支持、基于任务和数据依赖的项目，各种项目都在世界各地的首席执行官和董事会的议程上。 基于企业数据目录的智能数据管理能力，为数字化转型奠定基础，帮助企业在不断变化的环境中生存和发展。