由 dawei 斯坦福大学的社交数据实验室的带头人Andreas Weigend ，长期倡导让数据社会化发挥社会价值，他认为，如果上个世纪被认可的能力是观察到物质的相互作用——比如思考类似X射线和雷达这样的技术，这个世纪应该具备的能力就是通过人们的数据创建、共享和使用行为来定义一个人。
从社会和商业的角度来看，消费者创造的每一分钟的数据量都可以混合商业智能的解读和外部数据，比如，美国人口普查或客户信心数据，这对每一类型的企业来说都是非常重要的。
快速整合和协调数据，可以帮助企业领导者成功：了解客户，提高反应时间，增加底线，更多提供用户喜欢的东西，加快了解竞争对手，提高招聘流程。还有一些创新，如生活监测病人的数据，以改善健康结果。
这不是炒作，你该正视数据合作了！
一个新的业务数据分析协作模型
一方面，企业现在需要智能机器混合大量的数据进行分析。根据《哈佛商业评论》最近的一项研究，三分之二的组织已经试图把5到15种数据来源融合在一起分析，绝大多数机构认识到使用Excel文档手动分析已经不可行了。
另一方面，一旦做了复杂的数据融合，就需要集合众人的智慧，也就是数据分析合作。各种不同学科的专家审查和权衡，外部合作伙伴可以协作共享数据提出见解，可以问新答案群体思维方式与迭代内的数据分析。
许多大厂商如亚马逊、谷歌、IBM和微软现在开始讨论在数据分析共享和协作的好处。但大多数商业人士仍然感到困惑，这真正意味着什么？
数据分析协作已经到来。是真的吗？ 如果数据协作在现代数据分析很重要，那么应该和谁协作，怎么样做呢？
我认为只有三点是重要的，其他都是炒作：
1、分布全球的团队可以同时协作
当你的团队分布在全球时，他们需要具备看图的能力和可以看到同样可视化东西的条件。为什么？一个人可能在太平洋时区观察到了一个新的业务情况，而位于其他时区的团队成员可能在好几个小时候才能看到。全球分布的团队的成功取决于每个人都能够实时观察到情况。
这个场景是基于需要同时协作背景下的概念。如果可以让不同的人在不同的时间看到，不妨采用传统方式，通过电子邮件发送仪表板和让线程继续下去，追踪整个数据管理员的工作流程，业务协作。这可以节省不少成本。
2、追踪整个数据工作流程的管理员
当数据团队可以获得不同数据源时，需要通过整理得到整体见解，每一个数据管理者都需要确定数据来源，然后确定该将数据传递给谁。
这时就需要一个知道这些数据该如何混合并能回答业务问题的管家，这种数据管家的工作流程要做到可追踪、高质量、可审计，这样最终混合的数据集才能获得最优价值的结果。
3、具有360度视角团队才能输出成果