大數(shù)據(jù)項(xiàng)目緣何失敗?分析模型需要與業(yè)務(wù)相結(jié)合

目前主流的商務(wù)智能和分析應(yīng)用主要關(guān)注的是如何從已有數(shù)據(jù)中提取業(yè)務(wù)價(jià)值，反映公司發(fā)展、客戶行為和業(yè)務(wù)趨勢(shì)。是面向過去的。而一些新興的數(shù)據(jù)分析技術(shù)已經(jīng)把目光投向了未來(lái)——預(yù)測(cè)分析。企業(yè)通過采用大數(shù)據(jù)分析技術(shù)預(yù)測(cè)未來(lái)可能發(fā)生的事情。

　　但是，預(yù)測(cè)建模和數(shù)據(jù)挖掘技術(shù)要想準(zhǔn)確地預(yù)測(cè)出客戶行為，制定有效的企業(yè)戰(zhàn)略，需要處理大量的多種類型的數(shù)據(jù)。醫(yī)療保險(xiǎn)和醫(yī)療保健服務(wù)供應(yīng)商Highmark負(fù)責(zé)企業(yè)信息戰(zhàn)略和數(shù)據(jù)分析的副總裁Mark Pitts表示，要真正落實(shí)預(yù)測(cè)分析，企業(yè)需要做的不只是給分析人員配備預(yù)測(cè)建模工具這么簡(jiǎn)單。

　　現(xiàn)在通常是數(shù)據(jù)科學(xué)家和統(tǒng)計(jì)分析人員自己寫算法，構(gòu)建預(yù)測(cè)模型。Pitts認(rèn)為，算法和分析模型需要經(jīng)歷創(chuàng)建、測(cè)試和運(yùn)行的階段，在數(shù)據(jù)產(chǎn)生之前，這些工作應(yīng)該是已經(jīng)做好了的?！耙鉀Q一個(gè)問題，其實(shí)百分之八十的時(shí)間都花在信息收集上，而信息收集一開始就應(yīng)該和業(yè)務(wù)相關(guān)聯(lián)?！?/span>

　　Pitts認(rèn)為，大數(shù)據(jù)項(xiàng)目一開始就要有建模人員參與其中，建模人員需要將自己的數(shù)學(xué)知識(shí)和企業(yè)的業(yè)務(wù)知識(shí)相結(jié)合。不能解決具體業(yè)務(wù)問題的算法寫的再好也不能為企業(yè)所用。在Pitts的團(tuán)隊(duì)里，他總要讓數(shù)據(jù)分析人員和業(yè)務(wù)人員多交流，讓數(shù)據(jù)科學(xué)家了解自己要解決的問題，這樣他們才能充分利用數(shù)據(jù)，解決業(yè)務(wù)問題。

　　技術(shù)與業(yè)務(wù)不能各自為政

　　咨詢公司Hurwitz & Associates的總裁兼CEO Judith Hurwitz也同意Pitts的觀點(diǎn)。她認(rèn)為，大數(shù)據(jù)分析項(xiàng)目主要是對(duì)數(shù)據(jù)進(jìn)行挖掘，找出和企業(yè)相關(guān)的信息。這個(gè)過程中，需要建模人員與業(yè)務(wù)用戶的合作。建模工作不能孤立地完成。

　　隨著企業(yè)不斷的收集、存儲(chǔ)和分析大數(shù)據(jù)，企業(yè)利用數(shù)據(jù)的方式也在發(fā)生改變。她說(shuō)道：“一開始的時(shí)候，企業(yè)更感興趣的是數(shù)據(jù)收集，把一堆數(shù)據(jù)放到Hadoop或者其他存儲(chǔ)系統(tǒng)里。慢慢地，企業(yè)更希望合理利用數(shù)據(jù)，達(dá)成具體目標(biāo)，比如增加利潤(rùn)、節(jié)省支出等。這意味著預(yù)測(cè)模型的構(gòu)建需要以具體的業(yè)務(wù)目標(biāo)為基礎(chǔ)。”

　　咨詢公司Abbott Analytics的總裁Dean Abbott也認(rèn)為，如果建模人員不了解業(yè)務(wù)，預(yù)測(cè)分析就不能發(fā)揮出價(jià)值。“無(wú)論是不是大數(shù)據(jù)，建模都應(yīng)該以特定的業(yè)務(wù)問題為基礎(chǔ)。我見到過很多公司的數(shù)據(jù)項(xiàng)目都因?yàn)榧夹g(shù)人員不懂業(yè)務(wù)而失敗，結(jié)果往往是建模本身很好，但卻沒法實(shí)際應(yīng)用?！?/span>

　　成功的項(xiàng)目來(lái)源于無(wú)數(shù)次的失敗

　　Pitts介紹到，在他的公司，業(yè)務(wù)問題和相關(guān)的數(shù)據(jù)集一旦確立，預(yù)測(cè)模型的開發(fā)基本上是一個(gè)可迭代的過程。分析團(tuán)隊(duì)會(huì)創(chuàng)建多種不同的模型，比如線性回歸模型和神經(jīng)網(wǎng)絡(luò)模型，從而找出最適合使用的應(yīng)用程序。在建模的同時(shí)，技術(shù)人員會(huì)建立獨(dú)立的數(shù)據(jù)沙箱，包含相關(guān)信息，并且與數(shù)據(jù)庫(kù)隔開。這樣技術(shù)人員就可以深入了解不同的選項(xiàng)，測(cè)試不同的樣機(jī)模型。確保模型能夠正常交付使用。

　　Pitts所在的Highmark公司使用的是SAS軟件供應(yīng)商的數(shù)據(jù)建模、數(shù)據(jù)挖掘和分析工具。他們的建模首先關(guān)注的是對(duì)保險(xiǎn)理賠和健康檔案的分析，公司借此判斷哪些患者需要額外的醫(yī)療服務(wù)(比如沒有接受接種育苗、后期護(hù)理的人)、哪些人的癥狀表明他有可能患有疾病(比如糖尿病、心臟病)。分析團(tuán)隊(duì)也會(huì)關(guān)注臨床干預(yù)，幫助患者快速恢復(fù)健康，或降低醫(yī)療成本。

　　因?yàn)閿?shù)據(jù)科學(xué)家需要嘗試不同的方法構(gòu)建數(shù)據(jù)模型，所以這個(gè)過程要花費(fèi)較長(zhǎng)時(shí)間，而且經(jīng)常會(huì)失敗。Pitts指出，正因?yàn)槿绱?，?xiàng)目需要獲得高層領(lǐng)導(dǎo)者的支持，這樣才能保證項(xiàng)目能夠持續(xù)下去。項(xiàng)目管理者要讓業(yè)務(wù)領(lǐng)導(dǎo)和企業(yè)領(lǐng)導(dǎo)了解項(xiàng)目的特點(diǎn)，不能讓項(xiàng)目因?yàn)槭』虺杀具^高而流產(chǎn)。