做好這十項(xiàng)便可以開(kāi)啟你的大數(shù)據(jù)分析之旅

如果你的公司正著手開(kāi)啟你的大數(shù)據(jù)分析之旅，不要煩惱：你不是一個(gè)人，這條船上大有人在。但是你需要加倍努力才能趕上數(shù)據(jù)分析的領(lǐng)頭羊們。

近來(lái)2015Teradata合作伙伴大會(huì)、2015SAS數(shù)據(jù)分析大會(huì)和CAO(首席分析官)峰會(huì)相繼舉辦，而這篇文章是從這些行業(yè)大會(huì)的討論中總結(jié)出來(lái)的十個(gè)小竅門(mén)。

1. 避免華而不實(shí)

現(xiàn)在企業(yè)可以從傳感器、智能手機(jī)中獲取比以前多得多的數(shù)據(jù)，但相應(yīng)的做出成果的壓力也就更大了。陷入熱潮特別是一些閃亮的新技術(shù)宣傳熱潮是很容易的。但是靠大數(shù)據(jù)技術(shù)真正獲得成功卻不是易事，僅僅掌握某項(xiàng)技能是不足以讓成功一蹴而就的。今天的大數(shù)據(jù)領(lǐng)導(dǎo)者們已經(jīng)在數(shù)據(jù)分析行業(yè)工作長(zhǎng)達(dá)十年甚至更久，他們有成功的基礎(chǔ)。

ThinkBig創(chuàng)始人Ron Bodkin說(shuō)：“很多時(shí)候，落伍者僅僅關(guān)注‘銀彈’(注：銀彈喻指一種極端有效的解決方案)，他們希望自己能夠掌握一種技術(shù)從而各種問(wèn)題均迎刃而解。這當(dāng)然是癡人說(shuō)夢(mèng)?！彼墓疽呀?jīng)在去年被Teradata收購(gòu)。

2. 不要盲目崇拜數(shù)據(jù)

據(jù)說(shuō)數(shù)據(jù)已成為一種新“貨幣”并展現(xiàn)了自身價(jià)值。這樣說(shuō)可能有點(diǎn)夸大其詞。數(shù)據(jù)公司應(yīng)該只收集其需要的數(shù)據(jù)來(lái)解決業(yè)務(wù)問(wèn)題即可，而不是像一頭貪婪嗜財(cái)?shù)木摭堃粯哟罅慷诜e數(shù)據(jù)。

麥肯錫消費(fèi)市場(chǎng)分析中心的首席營(yíng)運(yùn)官M(fèi)att Ariker說(shuō)“數(shù)據(jù)本身能夠成為一種競(jìng)爭(zhēng)優(yōu)勢(shì)，當(dāng)然你也可能讓分析毫無(wú)意義。我已經(jīng)老了，我在寶潔公司開(kāi)始分析師生涯。那時(shí)我們會(huì)花費(fèi)12周來(lái)分析兩周的促銷(xiāo)活動(dòng)。你真的很需要思考這樣幾個(gè)問(wèn)題：那些高質(zhì)量的問(wèn)題究竟是什么意思，你該如何來(lái)整合結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)以及整理總結(jié)你的流程化分析問(wèn)題的方法。否則你將一無(wú)所獲。

3. 首先考慮商業(yè)案例

一些公司在數(shù)據(jù)分析之初，會(huì)收集所有能到手的數(shù)據(jù)，然后全部放入自己的數(shù)據(jù)池中，妄想可以有一種有魔力的算法讓自己一鍵獲得業(yè)務(wù)解決方案。但是他們往往難以有所收獲。

Bodkin說(shuō)“人們往往有這樣的誤解：數(shù)據(jù)科學(xué)家們的工作就是在周一到辦公室之后說(shuō)‘我又可以無(wú)所限制地做些什么有趣的事呢?’而據(jù)我所知，沒(méi)有什么公司會(huì)拿出巨額預(yù)算進(jìn)行無(wú)限制的數(shù)據(jù)探索。(他們會(huì)參考一些已有商業(yè)案例)”

4. 形成數(shù)據(jù)分析文化

你可以在最純凈的數(shù)據(jù)集上用最優(yōu)秀的算法來(lái)創(chuàng)造出驚艷的結(jié)論，但那毫無(wú)意義，除非你的業(yè)務(wù)伙伴相信你所做的數(shù)據(jù)分析具有價(jià)值，并且相信那些數(shù)據(jù)和結(jié)論。這需要你建立一種數(shù)據(jù)分析文化。

Teradata實(shí)驗(yàn)室主席Oliver Ratzenberger說(shuō)：“如果你分析那些領(lǐng)先的數(shù)據(jù)分析競(jìng)爭(zhēng)者們就會(huì)發(fā)現(xiàn)，他們花費(fèi)了過(guò)去的10到15年時(shí)間來(lái)形成自己的數(shù)據(jù)分析文化。有些公司曾說(shuō)過(guò)自己將在接下來(lái)的90年里完成在數(shù)據(jù)分析項(xiàng)目上從‘爬行’到‘疾跑’的蛻變。這和技術(shù)無(wú)關(guān)，這是在說(shuō)他們數(shù)據(jù)分析文化的形成。”

5. 快速失敗積累出最終的成功

數(shù)據(jù)科學(xué)是一個(gè)往復(fù)循環(huán)的過(guò)程。在你成功把數(shù)據(jù)變成有價(jià)值的結(jié)論并實(shí)施他們之前，你總會(huì)經(jīng)歷各種各樣的失敗。最近的許多大數(shù)據(jù)領(lǐng)域的突破性進(jìn)展，例如Apache Spark都是專注于加速這個(gè)過(guò)程。

但是大數(shù)據(jù)從業(yè)者不應(yīng)該為了失敗而失敗，故意陷入這個(gè)失敗嘗試的循環(huán)過(guò)程。麥肯錫的Ariker說(shuō)：“你可以進(jìn)行多項(xiàng)測(cè)試，失敗的現(xiàn)實(shí)僅僅預(yù)示著你會(huì)更快的失敗。你所有的靈活的數(shù)據(jù)分析過(guò)程都是基于公司支持和假設(shè)驅(qū)動(dòng)的。你的失敗是為了改進(jìn)數(shù)據(jù)分析過(guò)程并獲得更好的結(jié)論，而不是不顧結(jié)果地去享受數(shù)據(jù)分析的過(guò)程。

6. 保證最高管理層在數(shù)據(jù)分析的一環(huán)

和管理層分享你的數(shù)據(jù)分析的成果是必要的，不僅是為了確保他們不會(huì)插手你以后的數(shù)據(jù)分析項(xiàng)目，也是為了保證你在分析管理層關(guān)注的問(wèn)題 。

寶潔公司領(lǐng)導(dǎo)人，商業(yè)智能和數(shù)據(jù)分析領(lǐng)導(dǎo)者David Dittmann在最近的CAO峰會(huì)上說(shuō)：“我們學(xué)到的一點(diǎn)是，你必須一直給管理層展現(xiàn)數(shù)據(jù)價(jià)值。而如果你一直缺席管理層的業(yè)務(wù)討論會(huì)，我想你的工作會(huì)出現(xiàn)方向性的根本錯(cuò)誤?！?/span>

7. 管理很無(wú)聊卻是必要的

沒(méi)有什么比一場(chǎng)有關(guān)數(shù)據(jù)分析進(jìn)程和改變管理方式的討論更讓人犯困了。但是在這樣一個(gè)快節(jié)奏的大數(shù)據(jù)時(shí)代，處理好所有部分不僅僅是細(xì)節(jié)問(wèn)題，它更是長(zhǎng)期成功的基石。

能夠在30天里對(duì)一件事保持敏銳是很重要的。Teradata的Ratzenberger說(shuō)：“但是你需要有能夠這么做的基礎(chǔ)。包括產(chǎn)品系列，錯(cuò)誤處理和版本控制的集成管理是必要的。有些部分在開(kāi)始的30或90天里是起作用的，但是你還需要保持其在隨后依然有效。你有一副好牌在手，就需要你好好把握，一旦你出錯(cuò)一張，隨之而來(lái)的可能就是滿盤(pán)皆輸?！?/span>

8. 保持全程思考

你可能有一個(gè)最好的預(yù)測(cè)模型。但是，除非它可以在現(xiàn)實(shí)世界中有效并且有較好的效益，否則它將毫無(wú)價(jià)值，只是對(duì)公司時(shí)間和資源的浪費(fèi)。

麥肯錫的Ariker說(shuō)：“如果你跑去對(duì)經(jīng)理說(shuō)‘好消息，我們的大數(shù)據(jù)平臺(tái)可以生產(chǎn)很多數(shù)據(jù)產(chǎn)品，但是我需要再雇1500個(gè)人’，那估計(jì)你第二天得找份新工作了。你必須一直思考流程化數(shù)據(jù)處理和效益的平衡，并確保你在研究一個(gè)高質(zhì)量問(wèn)題的同時(shí)考慮好答案?！?/span>

9. 積少成多

在大數(shù)據(jù)領(lǐng)域，一氣呵成地處理所有問(wèn)題聽(tīng)上去是異常誘人的。你想要依據(jù)眾多變量來(lái)建模解決業(yè)務(wù)問(wèn)題，所以你去收集了有關(guān)各個(gè)業(yè)務(wù)的眾多數(shù)據(jù)，然而你的算法卻在剔除合適的結(jié)論。想法是美好的，結(jié)果卻不盡如人意。

肯尼索州立大學(xué)的應(yīng)用統(tǒng)計(jì)和數(shù)據(jù)科學(xué)教授Jennifer Lewis Priestley講了一個(gè)故事：有個(gè)數(shù)學(xué)專業(yè)的學(xué)生建立了一個(gè)極好而又極差的模型，這個(gè)模型有非常高的準(zhǔn)確率，但是產(chǎn)生了2500個(gè)預(yù)測(cè)器。“這毫無(wú)意義。你不可能去操作2500個(gè)預(yù)測(cè)器。所以我讓那個(gè)學(xué)生去篩選出四個(gè)我可以實(shí)際使用的預(yù)測(cè)器”她在2015SAS數(shù)據(jù)分析大會(huì)上說(shuō)。

10. 不要去獵取“獨(dú)角獸”

精通統(tǒng)計(jì)學(xué)、科技和商業(yè)的數(shù)據(jù)科學(xué)家們被稱作“獨(dú)角獸”，因?yàn)樗麄兪侨绱说南∮?事實(shí)上并不存在獨(dú)角獸，因?yàn)樗麄兪巧裨捝?，但那是另外的故事?。

盡管這樣的數(shù)據(jù)科學(xué)家確實(shí)存在，但這不值得你浪費(fèi)時(shí)間去挖他們來(lái)你的公司。ThinkBig的Bodkin說(shuō)：“我所有的客戶都在嘗試著挖人。但是你無(wú)法從一個(gè)人身上就得到想要的價(jià)值，你只能從一個(gè)團(tuán)隊(duì)——一個(gè)高效的數(shù)據(jù)科學(xué)團(tuán)隊(duì)得到你想要的數(shù)據(jù)分析結(jié)果?！?/span>