2025年，鄧白氏（Dun & Bradstreet）委託市場研究公司 Forrester Consulting，針對超過 300 位全球數據領導者進行調查，深入了解企業在數據治理上所面臨的挑戰。調查聚焦於受訪者目前採行的數據最佳實務、推動數據治理目標時遭遇的阻礙，以及改善數據治理後所帶來的實際效益。受訪者來自金融、銷售、採購、法遵、IT，以及數據分析等等的多個職能領域，多數為 C-level 高階主管、副總裁，或管理團隊與資深專業人員的部門主管，橫跨超過 20 個產業。
進入 2026 年，在回顧企業於過去一年所承受的科技變革、經濟不確定性與地緣政治壓力後，鄧白氏重新檢視，數據治理夥伴究竟在哪些面向，能為企業創造最大價值？我們從調查回覆中挑選出「較具代表性且耐人尋味的觀點」，並依主題歸納為四大方向：
一、 AI 與機器學習技術
二、 數據品質、完整性與治理
三、 系統整合與互通性
四、 訓練、支援與跨部門合作
同時，鄧白氏亦希望透過本次調查，深入理解企業在管理主數據（Master Data）情境下，對數據治理夥伴所期待的額外價值與支援方向。
| “What additional services or support would you like a data management partner to provide when managing your master data?” |
|---|
在彙整調查結果後，鄧白氏從前瞻角度進行分析，並依主題歸納相關觀點，進一步檢視企業在 2025 年後的需求轉變，以及在 2026 年維持競爭力時，資源應優先投入的關鍵方向。以下將依序說明數據領導者對數據治理夥伴的核心期待，以及專家所提出的洞察與建議。
| Mastering Data Management – Survey Response | ||
|---|---|---|
| 「數據治理夥伴應協助導入 AI 與機器學習能力，加速數據趨勢辨識，強化預測分析，並支援數據品質管理。」 | ||
| 受訪者 | 電信業 | 法遵主管 |
AI 正快速改變企業數據治理的方式。透過分析大量數據並辨識模式，AI 能更有效率地預測趨勢，協助企業加快決策、降低成本，並改善客戶體驗，使企業能即時監控詐欺、系統異常或數據偏移，在風險擴大前提前因應，而非事後補救。
以此為基礎，鄧白氏的數據治理解決方案以鄧白氏商業數據為核心，協助企業建立全球數據的一致性。透過鄧白氏環球編碼（D‑U‑N‑S® Number）與全球企業層級關係架構，企業可將自身的業務夥伴資料，與鄧白氏統一的數據結構進行關聯，全面掌握業務夥伴及其關聯企業的整體樣貌。從 D‑U‑N‑S® Number 延伸出的鄧白氏企業認證™（D‑U‑N‑S® Registered™）更是企業完成資訊查核後取得的官方認證標章，可用於對外驗證企業身分與可信度，並可取得專屬公司報告。調查亦顯示，AI 已正式納入企業的營運與法遵流程。鄧白氏的專家指出，當 AI 直接內建於數據治理平臺，並建立在乾淨且可信的數據基礎之上，企業便能即時偵測問題、快速應對風險。
同時，企業也期待透過 AI 強化整體數據生命週期的管理能力，包括自動偵測並修正格式錯誤、重複或無效數據，以及提升即時洞察與同步能力。AI 驅動的異常偵測與修正，已成為維持數據品質的關鍵。鄧白氏的專家強調，這些能力必須部署於數據供應鏈的不同節點，並以即時方式運作，才能在問題發生的第一時間被掌握。
展望 2026 年，企業更期待數據治理夥伴能提供從數據匯入到應用的全流程自動化，結合法遵監控、資安管理與稽核支援，降低人工作業負擔並確保數據完整性。AI 洞察、準確性與自動化，必須建立在乾淨且可信的數據基礎之上，這也反映出企業決策節奏的轉變。數據不能再等到明天，AI 也不能只看昨天，而唯有數據即時流動，AI 才能從回顧性分析，走向前瞻預測與即時決策。
| Mastering Data Management – Survey Response | ||
|---|---|---|
| 「關於主數據，希望夥伴能主動發現並修正重複或缺漏等等數據品質問題，並透過定期檢查持續監控數據健康狀況。」 | ||
| 受訪者 | 專業服務業 | 數據分析主管 |
隨著企業對數據的依賴程度持續提高，主動地管理主數據品質已成為企業的基本能力。透過定期檢查持續監控數據健康狀況，企業才能確保數據可靠性，提升決策品質，並建立對數據資產的信任。主動式的數據品質管理，有助於防止壞數據擴散，避免決策錯誤、行銷失效或分析結果失真。研究顯示，數據品質問題將對企業營收帶來顯著影響。在科技快速演進、監管要求同步加嚴的環境中，持續且可運作的品質管理，是降低營運與財務風險的關鍵。
鄧白氏的專家認為，除了品質本身，企業也開始重視數據治理的「成熟度」。治理的重點，也從「是否有政策」，轉向「是否能落實執行、是否可被稽核」，影響法規遵循、營運效率與決策品質，而一旦執行出現落差，便可能衍生法遵、資安與數據正確性風險。
透過治理成熟度評估，企業可獲得客觀的現況分析與具體改善建議，進一步強化治理架構。同時，清楚掌握實際有往來的企業夥伴，也已成為建立穩定關係的關鍵。鄧白氏協助企業整合業務往來資訊，建立涵蓋企業夥伴及其關聯企業的可信視覺圖，作為建立商業連結的基礎。
隨著數據量持續成長、全球監管趨嚴，健全的數據治理已成為支撐進階分析與 AI 應用的關鍵基礎。企業也期待數據治理夥伴持續推動創新與改善，主動導入新方法與新技術，以因應數據量、複雜度與法規要求不斷上升的挑戰。同時，AI 也正被應用於數據治理流程中，用於即時監控法遵狀態、數據使用行為與資安風險，並自動產出稽核所需文件，使治理從制度要求，轉為永續運作的系統能力。
| Mastering Data Management – Survey Response | ||
|---|---|---|
| 「對於主數據資料管理，數據夥伴應必須確保多個平臺（包含 ERP 與 CRM）之間的數據能無縫同步。」 | ||
| 受訪者 | 消費服務業 | 供應鏈副總裁 |
在高度依賴跨系統合作的產業中，ERP、CRM 等等平臺之間的即時同步，是維持營運效率與客戶體驗的關鍵。若缺乏以主數據資料管理（Master Data Management，MDM）為核心的治理架構，企業往往面臨數據分散、資訊不一致與流程延誤等問題。數據都必須先完成標準化處理，並無縫接入既有技術平臺，才能與其他來源數據整合，確保跨區域、市場與部門的一致性，進而提升投資報酬率。
鄧白氏的數據治理解決方案正是以此為核心，協助企業建立可跨系統運作的統一數據基礎。透過主數據資料管理，企業可建立單一事實來源（single source of truth），確保數據在不同系統間即時且一致，支援自動化流程、AI 洞察與預測分析，同時降低法遵風險，提升營運敏捷度。鄧白氏的專家指出，若缺乏一致的主數據基礎，AI 只會在彼此矛盾的數據中放大錯誤。
除了即時同步，企業也高度重視新舊系統之間的數據移轉能力。許多產業仍有核心流程仰賴舊系統，若缺乏完善的移轉與整合規劃，可能導致數據遺失、不一致，甚至影響法遵、營運與客戶服務。具備整合專長的數據治理夥伴，能確保移轉過程順暢，保留具戰略價值的歷史數據，讓 AI 與新架構建立在可信的數據基礎之上。
在行銷與商務應用中，準確且高度整合的數據，並且提供即時數據驗證、進階受眾分群、跨通路行銷追蹤，同樣是提升決策品質與投資成效的關鍵。鄧白氏的專家認為，在競爭加劇、預算緊縮、AI 個人化成為常態的環境下，準確且高度整合的數據，已成為企業交付可衡量成果的關鍵。唯有建立一致、可驗證的數據基礎，企業才能在合規前提下，更即時掌握市場與客戶需求，並做出有效決策。
| Mastering Data Management – Survey Response | ||
|---|---|---|
| 「希望數據治理夥伴能提供完善的訓練與支援，教育員工最佳實務，確保他們具備有效管理數據所需的技能與資源。」 | ||
| 受訪者 | 醫療業 | IT 高階主管（C-level） |
正確的數據輸入、驗證與維護，直接影響數據品質，進而關係到營運風險與效率。鄧白氏的專家認為，不完整或錯誤的數據，可能帶來巨大的風險。透過完善的訓練與支援，員工才能有效使用數據治理工具，減少人為錯誤，並在行政層面做出更好的決策。隨著 AI 應用加速，數據影響力被放大，唯有良好治理，才能確保 AI 創造價值，而非擴散錯誤。
除了內部能力培養，企業也愈來愈需要具備全球視角的數據治理夥伴，以因應跨國營運中各國法規差異的複雜性。對跨國企業而言，能同時兼顧全球標準與在地法規的夥伴，是維持數據一致性與在地正確性的關鍵。鄧白氏的專家指出，透過全球分類標準與在地市場的對應，並搭配持續的法規監控，企業才能在歐盟「一般資料保護規則」（GDPR）或美國「加州消費者隱私權法案」（CCPA）等等法規快速變動的環境中，維持合規與營運彈性。
延伸閱讀：2026 七大合規趨勢，臺灣企業的全球供應鏈如何被重塑？
同時，企業也期待數據治理夥伴協助自動化數據輸入、驗證、核准與更新流程，以降低人工作業負擔並提升效率。人工流程不僅拖慢作業，也容易放大錯誤與法遵風險。鄧白氏的專家認為，在利潤壓力、監管要求與數據複雜度同步升高的情況下，AI 驅動的流程自動化將成為企業控制成本、提升效率的關鍵，而乾淨且可靠的數據，仍是一切 AI 應用得以成立的基礎。
當我們請受訪者分享導入數據治理夥伴後，最期待能帶來的效益時，前三大回覆為：
此外，受訪者也提到其他關鍵效益，包括更快的商業價值實現、更短的上市時程，及對業務夥伴關係更高的可視性。這些效益，與受訪者對未來一年的核心業務優先順序高度一致，包括：
企業正同時承受經濟不確定與預算緊縮的壓力，卻仍被要求交付更高效率與可量化成果。與此同時，數據量持續成長，AI 也從實驗階段走向關鍵基礎，全面影響分析、決策與客戶體驗。在這場轉變中，數據決策者站在核心位置。能否將零散、不一致的數據，轉化為可信且可行動的資產，特別是具即時價值的「活數據」，將決定企業是停滯不前，還是脫穎而出。
結合本次調查回覆與數據專家觀點可清楚看出，未來數據治理夥伴創造最大價值的關鍵，在於建立可供 AI 使用的可信數據，將主數據資料管理作為 AI 的基礎設施，提供即時數據整合與系統互通，並讓數據治理真正落實執行，透過自動化降低數據與法遵風險。鄧白氏的主數據資料管理解決方案與第三方數據應用，協助企業在不確定環境中降低風險、強化彈性，結合鄧白氏 AI 數據解決方案 D&B.AI™，為企業級 AI 注入新動能，並發掘新的成長洞察。未來，AI 的決策能力，將愈來愈仰賴這層由數據治理夥伴所打造的基礎。
為何領導者正優先投資數據治理，以驅動更佳績效與成長？閱讀完整研究報告
