传统的辛迪加数据是由vwin娱乐场官方研究公司收集的汇总vwin娱乐场官方数据，并出售给对该vwin娱乐场官方感兴趣的企业.
例如, 零售品牌可能会购买并使用邮政编码汇总的行为数据来计划地理上有针对性的促销活动.
零售和消费品(CPG)公司多年来一直在使用联合数据, but until recently, only larger companies could afford to do so. 现在, thanks to advances in technology, 中等vwin娱乐场官方的公司可以开始在他们的数据分析策略中使用联合数据，以获得更好的效果, more informed forecasting and planning.
考虑使用联合数据的一个原因是，数据的可能范围正在扩大. 现在，小公司不仅更容易、更实惠地使用联合数据, but more types of syndicated data are becoming available. 例如, 联合数据被用于预测更广泛的气候变化及其对作物产量的影响, moisture allocation and other factors that influence agricultural planning.
另一个变化是数据更有意义，因为它现在通常是接近实时的. So, 而不是在促销活动结束12周后评估其效果, 一家公司可以利用联合的社交数据，近乎实时地追踪其品牌和产品的情绪.
Five ways to use syndicated data
在过去, data analytics required hiring expensive, 使用时间和vwin娱乐场官方密集型流程来分析数据的高技能专业人员. 今天, 微软Dynamics 365等云平台包括为企业用户自动进行数据分析的工具. 这使得任何用户都可以使用联合数据进行数据分析.
At the same time, 其他的进步——比如高速网络和应用程序接口(api)——使得新组织更容易提供联合数据, which traditionally had come from just a handful of dominant companies.
但随着技术的不断发展，产生的数据量呈指数级增长, 没有什么可以限制任何类型的第三方数据被联合起来，或者企业如何使用这些联合数据来进行更明智的预测和规划.
Consider these examples:
- Leading indicators: Sometimes syndicated data is used for long-term planning, but it also could be used for shorter-term forecasting and planning. During the pandemic crisis, 例如, agility was critical, 因此，零售商使用计量经济因素的联合数据作为预测提供三种产品和产品组合的领先指标, six and 12 months out.
- Intelligent forecasting将联合数据添加到现有数据集可以提供足够的数据，以使用机器学习(ML)模型进行更智能的预测或提高现有ML模型的有效性. When intelligent data models are fed a wider set of signals, the resulting insights are more data driven and more predictive.
- Siting and capacity planning: 对于工业和零售连锁店等资本密集型企业, syndicated data can provide additional signals about where demand will be, 以及必要的vwin娱乐场官方——比如拥有合适技能的员工——更有可能在哪里. 随着远程工作变得越来越普遍，以及越来越多与天气有关的事件意外地破坏了运营和供应链，这一点尤为重要.
- Testing models and assumption: 使用数据分析的风险之一是有偏见的模型，因为这可能使结果分析不完整或有偏差. 使用第三方数据集来测试模型可以帮助团队识别偏见并做出调整. If an indicator is dramatically different when syndicated data is added, 对于instane, that could be an indication of bias.
In the same way, 联合数据可用于对任何假设进行额外的风险测试, such as the investment theory of a planned deal. During the due diligence phase, 联合数据可以添加上下文，并阐明应该在测试中考虑的被忽视的因素.
- 探索: 《vwin娱乐场官方》 estimates that the amount of data created, 捕获, copied and consumed in the world grew by 5,000% from 2010 to 2020. Indications are that this rate is accelerating, 执行数据分析的技术正变得更快、更容易使用. 由于这些趋势，我们正生活在一个发掘新知识的黄金时代, 任何数据分析策略的一部分都应该是增加组织知识和机会.
在战术层面上，联合数据可能是这种探索的重要组成部分. 也许一个团队正在考虑五个常见的行为因素来模拟关于产品偏好的场景. What happens when they add a sixth that they hadn’t considered before? 他们可能会发现一个新的指标，证明它对预测偏好甚至影响策略是有益的.
Start from a strong position
拥有强大的数据基础设施是有效地将联合数据添加到数据分析策略的基础. Although modern applications make it easier to perform data analytics, these are only one part of an effective data strategy.
Being able to securely absorb, manage and share syndicated data with the right people is also essential, and these tasks usually fall on the shoulders of organizations. This can be a heavy lift for many midmarket companies, 因此，一些企业选择与RSM等业务和技术顾问合作，帮助他们设计和部署有效的数据策略, or they use that advisor’s managed services to help with the workload.
现在是检查数据基础设施和数据分析策略的好时机，以确定您的组织是否准备好利用使用联合数据的所有好处.
