数据驱动的公司会发现洞见并提出建议。它们通过分析多种数据源来预测未来的需求，并通过行为方面的洞见来影响客户的行为。
然而，成为一家数据驱动的企业可能是一把双刃剑。你只需花几分钟看看新闻，就会知道我们正面临着全球数据危机。更快、更便宜的数字技术使得收集、存储、分析和重新配置如此多的新信息成为可能，以至于几乎不可能衡量其规模或价值。
一方面，新的数据源和操纵这些数据的技术带来了重要的新型服务，比如社交媒体、用户制作的视频内容，以及新兴的物联网，它们已经并将继续丰富全球数十亿用户的生活。
另一方面，这些廉价技术导致企业，甚至是政府机构在数据隐私方面出现了一些非常糟糕的错误——发生了令人尴尬而危险的数据泄露和其他事件。在某些情况下，知名品牌几年甚至几十年才建立的宝贵的信任度在短短几天内就会烟消云散。
消费者和公民分别承担着信息滥用成灾的大部分成本——从身份盗窃到个人隐私的普遍丧失、错误信息、公共话语的减少，以及对我们的移动设备和喜爱的应用日益“上瘾”的焦虑。
最终的结果就是涌现了很多不满意的用户。立法者注意到了选民的不适感，已经开始推动新的法律通过，试图把“数据精灵”抓回到瓶子里——在某些情况下，这些努力可能只会让问题变得更糟，给用户带来更多的不便、不适，使其错失机会。
数据安全漏洞还会威胁到企业的品牌、运营能力、专有信息和其他知识产权资产。这些是价值的关键来源，需要被妥善保护——企业需要将它们作为独特的联网资产，以及可再生和可持续的资产来对待，而不是简单地把它们看成数据。这意味着在整个公司范围内以一种端到端的视角来对待安全，并使用最新的安全硬件、软件和业务实践来保护它。
尽管如此，如果你担心客户关系和品牌遭受损害，因此不使用信息进行创新，那你就会在数据仓库中留下太多的禁锢价值。假设你的竞争对手更灵活，可以管控数据安全问题的风险，能以更有竞争力的方式使用信息，你就是在把机会拱手让给它们。事实上，相对于新入行的公司，老牌公司的主要优势之一就是拥有精心收集的特定行业的大量数据，有些已经收集了几十年，这些信息不应该被浪费。
数据驱动公司则会采用一系列最佳做法，包括负责任的数据设计、信息安全、透明度和相称性等，不一而足。例如，它们只收集实际需要的数据。它们会让用户精确地知道它们打算用这些数据做什么。它们会分享从利用这些信息中获得的价值，并小心翼翼地保护它，让它免受外部和内部的滥用，无论是涉及犯罪还是其他目的。
就像在技术驱动型的公司一样，数据处理策略必须由高管倡导沟通，并在整个公司中实施。没有例外，没有捷径。不幸的是，在很多公司，这些当务之急往往只是愿望而不是现实。在我们调查过的高管中，有四分之三的人同意全公司都必须践行安全的数据处理方法，然而大多数人承认，目前他们自己公司的网络安全仍然是由一个职能部门在集中管理。
如果安全和信任风险得到了适当的管理，成为数据驱动的公司将会获得巨大好处。公司收集的数据越多，产品和服务就会得到越多的改进，就越能吸引更多的客户，并深化现有的客户关系。这反过来又会改善未来的产品，并有助于公司预测和塑造未来的需求。
人工智能正在日益推动数据分析的发展，它同样创造了一个良性循环，有助于识别迫在眉睫的竞争威胁，同时也能识别有助于利润增长的新合作伙伴。企业拥有的数据越多，就越能创造竞争优势，围绕自身的业务打造一道保护性的信息屏障。
高级分析工具是一项领先的技术，这种数据处理工具可以生成改进决策过程的建议。业界正在用人工智能技术——包括机器学习以及模拟和数据可视化——增强这种技术。它可以为很多行业的用户提供帮助。比如在制造业中，它可以预测单个部件未来会发生什么故障，什么时候发生故障。
严格的数据处理实践不仅保护了消费者和企业的品牌，也保护了企业的利润。以数据驱动的雪佛龙（Chevron）为例，它是全球第三大上市石油生产商。该公司每年在页岩盆地的生产作业上投入超过50亿美元，约占其年度资本支出的四分之一。该公司正在利用其在海上油井开发的钻井专业知识来提高该公司陆上水平作业的效率。利用这种专业知识，只要一口井，企业就可以横跨整个油田进行钻探。
雪佛龙的数据驱动方法利用了500多万口井的属性的专有数据库，并辅之以对岩石物理属性的处理密集型分析，例如孔隙度（孔隙空间的度量）、含水饱和度、渗透率和密度。该公司获得的洞见把页岩井的钻探时间从27天减少到了15天，哪怕是新的、更长、更复杂的井也是如此。
南非保险公司AllLife也是一个好例子，它是世界上第一家为HIV（人类免疫缺陷病毒）阳性人群提供终身保险的公司。南非近20%的成年人口携带艾滋病病毒，该公司现在有超过10万份这样的保单。
AllLife是如何为这些通常“无法投保”的人提供保险的？该公司收集了详细的客户资料，并将这些数据与AllLife其他客户的结果结合起来使用，为每个客户就如何管理他的状况提出个性化建议。
在收集必要的数据之后，AllLife使用专有算法来提供高成本效益的人寿保险产品。首席执行官兼创始人罗斯·比尔曼（Ross Beerman）在2018年告诉商业内幕网：“用术语说叫机器人承保，其实它使用的技术是提取大量的医疗信息，用决策树进行处理，让我们能够自动完成寿险公司手动完成的大部分工作。”
延长的人生寿命，加上用对社会负责任的态度来使用信息，帮助AllLife降低了保险成本，为进一步的健康干预行动提供了资金。“我们有一个后续流程，”比尔曼说，“我们会干预人们的健康。我们告诉人们，别忘记这样做，你真的应该那样做，诸如此类——我们通过短信、电邮，有时还会打电话提醒他们。我们进行了干预。”
结果表明，数据驱动的企业有潜力在企业、行业、客户和社会这四个层面上分别释放禁锢价值。AllLife改善了客户的健康状况，在客户投保之后的六个月内，死亡率平均降低了15%，这是通过关键血细胞计数的提高衡量出来的。