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( 二 ) _数据

数量：1-2个/年；

解决时间：5-10天；

参与人数：10人；

为了简化，您可以将事件分组并计算所有成本驱动因素的平均值。

每年平均事故数。
解决事件的平均时间（以小时为单位）。
正确检测和修复这些问题的平均每小时成本。

公式：ROI =（每年平均事件数量）*（发现和解决事件的平均时间，以小时为单位）*（平均每小时成本）
4. 为更好的决策创建可信数据虽然上述三个ROI收益主要集中在成本节约上，但后两个则深入研究了实现数据可观察性所带来的潜在收入增长。
确定数据可观察性带来多少直接收益可能很复杂。例如，如果数据可观察性提高了客户数据质量并提高了留存率，这并不仅仅是因为可观察性；其他因素，如员工的能力或最近的产品改进也可能起作用。
为了计算ROI，需要定义问题范围并衡量数据可观察性对改进的潜在影响。
测量影响：定义问题陈述、问题的基线值，以及可归因于数据可观察性的改进部分。举个例子：
问题陈述：“不准确的数据阻碍了我们的业务目标，例如客户保留率。”
基线值：“不准确的数据导致组织的年成本高达X美元。”
目标范围：“考虑到由于数据质量以外的因素，一些收入损失是我们业务固有的，我们预计将改进Y% 。”
来自数据可观察性的预期改进：“我们预期Z%的改进可以归功于数据可观察性解决方案。”
公式：ROI =基线值（X美元）*目标范围（Y%） *预期改进（Z%）
值得注意的是，虽然数据可观察性有助于这种改进，但它只是影响数据质量的几个因素中的一个。其他因素还包括提高团队技能、精简流程、进行彻底的研究，以及在数据可观察性之外集成补充工具。
5. 加快数据产品实现价值的时间数据产品越来越受欢迎，但它们的成功依赖于高质量的数据。数据可观察性保证了一种及时发现和识别数据问题的系统方法。这种方法不仅加快了数据产品的上市时间，而且还建立了实时分析和补救流程，以确保消费者访问这些产品时的可靠性。
衡量影响：为了计算对数据产品的影响，评估由数据质量和一致性问题导致的上市时间延迟是必不可少的。一些数据可观察性工具提供低代码、无代码的接口，促进业务用户和技术用户之间的协作。这加快了数据质量的开发和测试，帮助您更快地实现收入目标。这些工具使用机器学习（ML）来评估数据质量，识别异常值和异常情况，简化了耗时且依赖猜测的流程。
此外，这些可观察性平台利用历史数据趋势实时检测意外数据问题。这种实时监控功能使产品和工程团队能够确保数据产品的持续健康和可靠性，从而促进收入增长。
公式：ROI =数据产品每年的年收入*因数据不良导致的延迟上市时间
结语以上仅仅是数据可观察性能够带来巨大业务利益的五个领域。虽然并非所有情况都适用于每个组织，但每种情况在实现数据可观察性的潜在价值方面都起着至关重要的作用。在开发业务案例时，请与执行团队一起审查此框架，并考虑所有成本驱动因素和产生收入的机会。将总投资回报率记录和分解为一个明确的实施时间表。数据可观察性不仅仅是一项支出，更是一项投资。它减少了用于故障排除和纠正数据问题的时间和资源，降低了基础设施成本，加速了数据产品的生产，并最终帮助组织增加收益。
原文标题：Data Observability ROI: 5 Key Areas to Construct a Compelling Business Case，作者：Farnaz Erfan