在2011年11月丰田公司推出普锐斯V后，驾驶员很快就注意到刹车时奇怪的声音。普锐斯车主在2012年4月开始致电客户服务中心，随后该公司基于他们的反馈意见解决了刹车异响问题。

但丰田公司其实可以更早解决这个问题。根据社交媒体发帖显示，车主们在2012年1月就开始发布汽车异响的视频，而这是在该问题反馈到客户服务热线的3个月前。

丰田北美公司分析和数据管理负责人Jayadev Gopinath称，这个事情突显出分析多样化数据集的重要性。丰田工程团队告诉他，如果他们可获取社交媒体的发帖信息，则可能可更早解决这个问题。但是当时该公司并没有系统地分析社交媒体数据。

在多种数据中寻找价值

根据Gopinath称，这是他们学到的经验教训。在2018年Gartner数据与分析峰会中，他在演讲中表示：“数据无处不在，并不是说我们没有数据，而是这些数据通常是孤岛式，如果你能够关联这些数据，你就能获得真正的价值。”

现在，丰田公司正在以更系统的方式分析各种数据来源。该公司使用Power BI和Tableau来访问数据湖，该数据库从广泛的传统来源获取数据，包括客户数据、车辆数据和制造数据。该数据湖还有来自外部的数据，包括JD Power、Experian和社交媒体网站。

这使丰田汽车能够开展更多量身定制的营销活动，以及监控其制造工厂的运营状况；在未来，他们还计划通过联网汽车设备远程监控车辆健康状况。Gopinath表示：“所有这一切的关键是数据。”他的职位全称是先进技术、平台、创新、数据及分析总经理。

多样化数据集可加强分析项目，但整合多个数据源并不是没有风险。在尝试构建最广泛的数据集时，也需要考虑一些注意事项。

通过管理建立对数据的信任

Gartner分析师Kurt Schlegel称，分析多样化数据集的最大问题是建立对数据的信任。他指出，现在人们倾向于商业智能早期的做法，即分析师从包含经过验证的系统记录拉取数据（通常是数据仓库）。

但这种情况不可能总是会发生：即业务用户获得自助服务数据渗透和探索工具，让他们可汇总和分析任何来源数据，包括整合不同来源数据的数据湖。

为了解决这个问题，Schlegel称，数据管理策略应该像维基百科那样运作：让用户能够构建自己的数据集并进行自己的分析，同时也可以使用元数据来标记单个信息的来源或者分析输出较薄弱的地方。

Schlegel称：“数据湖不会取代数据仓库，但我们可以建议信任。”

在多样化数据环境教育用户

对于解决多样化数据集分析带来的复杂性，另一种方法是教育用户如何利用它们。Gartner分析师Rita Sallam称，数据“素养”是自助环境（在该环境中，用户可访问各种数据源）的关键因素。

Sallam承认，企业可通过将数据交给一线工作人员以直接得出数据见解，从而获取很多价值。但简单地将数据和BI工具交给这些用户是不够的，为了使自助BI更具影响力，这种分析能力需要结合强大的培训计划，这些培训计划会指导用户学习数据质量最佳做法。

她表示：“随着复杂性增加，自助服务已经开始显示其局限性，而在数据和分析项目中培养数据素养是一项关键挑战。”