译者 | 晶颜
审校 | 重楼
数据可观察性是一种变革性的解决方案，它使组织能够通过实时识别、故障排除和解决数据问题来充分利用其数据的潜力 。然而，量化这种新技术的投资回报率（ROI）可能极具挑战性 。
文章插图
【数据可观察性ROI：构建引人注目的商业案例的五个关键领域】然而 ， 以下五个关键领域可以将数据可观察性的投资回报率集成到一个引人注目的业务案例中，使您能够衡量切实的收益并做出令人信服的投资案例 。
1. 降低本土解决方案的成本数据工程团队经常投入大量时间开发、维护和验证数据质量规则 。数据管道的复杂性以及对来自多个源的验证需求使该过程进一步复杂化，特别是在数据结构不一致的情况下 。本土解决方案（Homegrown solutions）缺乏机器学习能力，难以进行异常检测 。
衡量影响：要计算ROI，请考虑以下成本驱动因素：
- 负责开发和维护的工程师人数 。
- 每名工程师每年的全职等量（FTE）成本 。
尽管这些专业角色的工资范围可能会有所不同 ， 但为了简化 ， 我们可以计算所有团队成员的平均值 。
公式：ROI =（负责开发的工程师总数+负责维护的工程师总数）* FTE ($)
2. 减少间接基础设施成本通过查询验证数据库或数据仓库中的数据（这是许多团队的常见做法）可能会显著增加成本 ， 特别是当这些系统根据使用情况收费时 。这包括与查询数量增加、历史数据质量指标存储以及云管理和托管相关的成本 。由于这些成本考虑 ， 许多组织选择只验证和监视样本，导致数据质量改进有限，结果不完整 。
特定的数据可观察性解决方案会将综合的数据质量分析、存储和托管功能集成在一个平台中 。这种方法消除了将这些服务卸载到被监视系统的需要，有效地减少了相关的费用 。此外，这种方法还提供了可扩展性，能够在整个数据中检测数据质量问题，而不是仅仅依赖于样本 。
衡量影响：将这些成本分解为：
- 与验证查询相关的数据库超额费用% 。
- 用于保留历史数据质量指标的额外存储成本% 。
- 用于支持大规模数据质量的超额云托管费用% 。
在许多组织中，基础设施成本通常与提供全面服务（包括数据仓库、存储和云托管）的单一供应商合并 。在这种情况下，计算ROI需要将总基础设施成本*一定百分比（通常在10%到20%之间） ， 以显示数据质量监控增加的影响 。例如，如果一个组织每年的云数据仓库费用为100万美元，那么实施数据质量和可观察性可能会产生10%的间接影响，相当于每年10万美元 。
3.减少事件管理案例事件管理通常是对数据质量问题的被动性响应 。通过数据可观察性转向主动预防是理想的方案，但却并非总是可行的 。当数据质量问题导致下游系统不准确，影响业务应用程序甚至波及到客户时，业务团队通常会参与识别、调查和解决问题 。这会影响到更广泛的组织，应该在数据可观察性解决方案的ROI分析中考虑到这一点 。
衡量影响：数据团队通常根据严重程度对事件管理进行分类 。例如 ， 一家公司将其数据事件分类如下：
小型事件：
- 数量：每sprint（开发周期） 0-1个；
- 解决时间：2-3天；
- 参与人数：1人；
- 数量：3-4个/季度；
- 解决时间：3-4天；
- 参与人数：2人；
