尊敬的阁下：

如您所知，数据的时代已经到来!

数据挑战：数据≠价值

数据人人都能找，但从让数据产生价值却并不容易。许多企业有设备、有IT系统，但仍然在数据处理上面临着极大的挑战。

首先是数据质量低下，数据出现不准确、不完整、不真实、不及时等问题。全球企业每年因为数据质量问题平均导致1400万美元的损失，50%-70%的ERP实施项目受到了数据不准确的负面影响。

其次，数据冗余，系统内有着大量的无效数据，必须进行数据清洗。全球超过90%的机器学习项目资源其实耗费在数据清洗上，80%的数据迁移项目超出了预算成本或延期。同时，80%的企业声称要保留至少50年的数据，但其中许多企业缺乏数据保存策略，近一步加剧了数据冗余的困境。

最后，数据隐私问题，许多数据来源渠道及利用方式违反法律规定！据调查显示，72%的企业没有完全符合GDPR（欧盟《通用数据保护条例》）数据合规性要求。

数据策略：从原始数据到价值落地

无法产生价值、或者价值无法落地，再多的数据对于企业而言也无异于一堆垃圾。所以，如何制定合理的「数据策略」，让数据在企业发展中真正发挥作用，是企业制胜数据时代的关键知识。

从SAP的实施经验来说，从原始数据到价值落地之间的主要步骤包括数据管理、数据使用和价值应用，而其中最核心的步骤有两个：

（1）打造坚实的数据基础；
（2）利用数据和智能技术进行创新。

· 打造坚实数据基础

数据策略主要包含六大维度，数据质量管理、主数据治理、文档管理、数据归档、元数据管理、数据集成与创新。六位一体，直击数据质量、数据冗余和数据隐私方面的各类挑战。

六大维度的数据策略也将在SAP S/4HANA的迁移及新实施中逐个体现，最终帮助用户搭建坚实的数据基础。

· 利用数据和智能技术进行创新

「理想很丰满，现实很骨感」，这是人工智能领域表现得尤为突出。据报告显示，85%的人工智能技术无法投入生产，50%的企业无法应对复杂的人工智能技术，全球数据科学家仍然存在25万名人才缺口。

SAP Data Intelligence为此而生，它为人工智能创新提供了一整套的企业级工具及服务，覆盖了从数据准备、模型的开发、部署应用的所有生命周期。开发人员能够根据市场需求，迅速构建自己的模型，利用各种现有数据和机器学习技术，迅速开发出需要的创新应用。