七個(gè)必定使數(shù)據(jù)分析失敗的方式

數(shù)據(jù)分析正迅速成為贏得業(yè)務(wù)戰(zhàn)略的關(guān)鍵。但是如果沒(méi)有正確的方法、技巧和策略，你的數(shù)據(jù)舉措可能永遠(yuǎn)沒(méi)有結(jié)果。

數(shù)據(jù)分析已經(jīng)成為企業(yè)最重要的業(yè)務(wù)和技術(shù)的差異化要素之一，數(shù)據(jù)分析使企業(yè)能夠深入了解其運(yùn)營(yíng)的方方面面，從而在競(jìng)爭(zhēng)中獲得優(yōu)勢(shì)。

調(diào)研公司Gartner今年早些時(shí)候預(yù)測(cè)，2017年將是數(shù)據(jù)和分析成為主流的一年，為已經(jīng)為轉(zhuǎn)型做好準(zhǔn)備的組織內(nèi)外創(chuàng)造價(jià)值。Gartner表示，數(shù)據(jù)分析的方法正在變得更加整體化，涵蓋整個(gè)業(yè)務(wù)。

Gartner的研究報(bào)告顯示，在主要趨勢(shì)中，分析將推動(dòng)現(xiàn)代業(yè)務(wù)運(yùn)營(yíng)，而不僅僅是反映其績(jī)效。企業(yè)將創(chuàng)建端到端的架構(gòu)，這些架構(gòu)考慮到了組織核心乃至組織邊緣的數(shù)據(jù)管理和分析;高管們將數(shù)據(jù)和分析作為業(yè)務(wù)戰(zhàn)略的一部分，使數(shù)據(jù)和分析專(zhuān)業(yè)人員能夠發(fā)揮新的作用并創(chuàng)造業(yè)務(wù)增長(zhǎng)。

公司正在為分析工具投入大量資金。國(guó)際數(shù)據(jù)公司(International Data Corp.)在2017年3月的一份報(bào)告中預(yù)測(cè)，今年全球大數(shù)據(jù)和業(yè)務(wù)分析的收入將達(dá)到1508億美元，比2016年增長(zhǎng)12%，該公司預(yù)計(jì)增長(zhǎng)會(huì)一直持續(xù)到2020年，屆時(shí)收入將超過(guò)2100億美元。

然而在數(shù)據(jù)分析被反復(fù)強(qiáng)調(diào)的請(qǐng)況下，很多組織還是陷入了損害或浪費(fèi)分析的真正價(jià)值的陷阱。根據(jù)IT領(lǐng)導(dǎo)者和行業(yè)專(zhuān)家的說(shuō)法，以下是七個(gè)必定使數(shù)據(jù)分析失敗的方式。

1. 急于試水，卻不知道自己在找什么

如果你不知道在數(shù)據(jù)中需要檢查哪些具體的趨勢(shì)或信號(hào)，你怎么能期望從中獲得真正的價(jià)值呢?

德勤分析(Deloitte Analytics)的高級(jí)顧問(wèn)、《逐鹿分析：新的制勝之道》一書(shū)的作者Tom Davenport說(shuō)：“分析過(guò)程中最大的問(wèn)題是你不知道自己在找什么數(shù)據(jù)。”

Davenport說(shuō)：“數(shù)據(jù)挖掘讓系統(tǒng)找出數(shù)據(jù)中的有趣之處的理念使很多公司誤入歧途。即便使用機(jī)器學(xué)習(xí)，從數(shù)據(jù)關(guān)系的角度來(lái)了解你正在尋找的東西也是大有裨益的?！?

天氣網(wǎng)站W(wǎng)eather.com的質(zhì)量保證經(jīng)理Todd Eaton說(shuō)：“Weather.com強(qiáng)調(diào)要找到‘知道如何查詢數(shù)據(jù)并能完整而準(zhǔn)確地講述數(shù)據(jù)要傳達(dá)的含義的人’。”

Eaton說(shuō)：“合適的人員對(duì)使用數(shù)據(jù)回答問(wèn)題充滿激情，然后愿意不斷質(zhì)疑他們的發(fā)現(xiàn)，確保數(shù)據(jù)不僅適合敘事，而且能夠解釋我們所看到的事物并有助于預(yù)測(cè)未來(lái)發(fā)展的目標(biāo)。重要的是，每個(gè)人都知道我們正在試圖發(fā)現(xiàn)數(shù)據(jù)和我們的總體目標(biāo)，并收集一致的測(cè)量結(jié)果和數(shù)據(jù)?！?

啟動(dòng)分析工作時(shí)，缺乏重點(diǎn)肯定會(huì)導(dǎo)致失敗。通用電氣公司的首席數(shù)據(jù)官Christina Clark表示：“當(dāng)數(shù)據(jù)團(tuán)隊(duì)把重點(diǎn)放在優(yōu)先考慮的成果上時(shí)，他們將是最成功的。團(tuán)隊(duì)往往會(huì)失敗，因?yàn)樗麄兿Ｍ⒓唇鉀Q很多的業(yè)務(wù)需求，最終由于精力過(guò)分分散而沒(méi)有產(chǎn)生有意義的影響來(lái)保持興趣或維持資金來(lái)源?！?

2. 建立(維護(hù))自己的基礎(chǔ)設(shè)施

建立和維護(hù)自己的大數(shù)據(jù)基礎(chǔ)設(shè)施可能是一個(gè)巨大的誘惑。但這可能會(huì)危及你的分析工作的使命。

網(wǎng)絡(luò)安全公司Vectra的首席技術(shù)官Oliver Tavakoli表示：“這往往浪費(fèi)了數(shù)據(jù)科學(xué)家大量時(shí)間，而不是實(shí)際開(kāi)發(fā)更好的分析?！?

Tavakoli說(shuō)：“我們知道我們需要大量的數(shù)據(jù)來(lái)進(jìn)行分析。我們開(kāi)始做大家都要求做的事情：我們買(mǎi)了一堆有大量磁盤(pán)容量的服務(wù)器，我們把它們放在托管設(shè)施里，我們用Apache Spark創(chuàng)建了自己的Hadoop集群，并讓我們的數(shù)據(jù)科學(xué)家編寫(xiě)Scala代碼與集群進(jìn)行交互。”

有時(shí)由于硬件故障，集群會(huì)中斷，更多的時(shí)候是由于軟件故障。軟件包會(huì)過(guò)時(shí)，有時(shí)幾小時(shí)過(guò)去了，集群都處在不可用的狀態(tài)。

Tavakoli說(shuō)：“我們終于有了足夠的資源并決定將這部分問(wèn)題外包出去。自打Vectra與外部供應(yīng)商合作之后，它就很少花時(shí)間在這些基本問(wèn)題上，“我們幾乎所有的時(shí)間都致力于將數(shù)據(jù)提供給系統(tǒng)并分析其中的數(shù)據(jù)”，他這樣說(shuō)道。

3. 成為數(shù)據(jù)分割者，而不是數(shù)據(jù)統(tǒng)一者

長(zhǎng)期以來(lái)，企業(yè)一直在努力解決阻止各部門(mén)共享信息的“數(shù)據(jù)孤島”問(wèn)題，從而使整個(gè)機(jī)構(gòu)受益。分析也遇到了同樣的挑戰(zhàn)。

客戶生命周期管理營(yíng)銷(xiāo)公司Zeta Global的首席信息官Jeffry Nimeroff說(shuō)，統(tǒng)一不同的數(shù)據(jù)就是一個(gè)很好的最佳實(shí)踐。

Nimeroff表示：“每個(gè)數(shù)據(jù)孤島都會(huì)在能產(chǎn)生價(jià)值相互連接之間形成一個(gè)障礙。例如，考慮一個(gè)豐富的用戶配置文件連接或斷開(kāi)網(wǎng)站活動(dòng)數(shù)據(jù)。可以互連的數(shù)據(jù)越多越好，因?yàn)樵谶@些互連里才能找到預(yù)測(cè)能力。”

Nimeroff說(shuō)，這并不意味著必須將所有數(shù)據(jù)從初始系統(tǒng)移動(dòng)到一個(gè)整體。他說(shuō)：“相反，我們使用其中一種現(xiàn)代集成技術(shù)來(lái)提供統(tǒng)一的數(shù)據(jù)視圖，而這一切都在當(dāng)前的系統(tǒng)中。”

4. 回避良好的數(shù)據(jù)衛(wèi)生

如果你正在分析的數(shù)據(jù)不準(zhǔn)確、不是最新的、且沒(méi)有條理，那么分析的價(jià)值可能會(huì)急劇下降。

Nimeroff說(shuō)：“錯(cuò)進(jìn)錯(cuò)出(garbage in, garbage out)是原始業(yè)務(wù)數(shù)據(jù)的容量和范圍擴(kuò)大的問(wèn)題，最好的數(shù)據(jù)分析團(tuán)隊(duì)要質(zhì)量滲透，因此，建立流程并利用技術(shù)來(lái)執(zhí)行質(zhì)量標(biāo)準(zhǔn)是一個(gè)必勝的組合?！?

Nimeroff說(shuō)，在流程方面，確保流程的可重復(fù)性以及對(duì)結(jié)果的可審計(jì)性是非常重要的。在技術(shù)方面，他說(shuō)，部署包括分析、元數(shù)據(jù)管理、清理、采購(gòu)等數(shù)據(jù)質(zhì)量工具有助于確保獲得更好的高質(zhì)量數(shù)據(jù)。

Tavakoli說(shuō)：組織需要使用工具來(lái)“清除碎片”——不完整和破壞的數(shù)據(jù)——并且從不同的來(lái)源獲取數(shù)據(jù)，以使其兼容且易于理解，并盡可能簡(jiǎn)化分析。盡可能使數(shù)據(jù)一目了然，以便團(tuán)隊(duì)的所有成員都了解各種數(shù)據(jù)的意義?！?

技術(shù)服務(wù)公司Incedo的首席執(zhí)行官TP Miglani說(shuō)，高質(zhì)量的數(shù)據(jù)“是產(chǎn)生有用洞察的關(guān)鍵動(dòng)力”。他說(shuō)：“你需要建立數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)湖泊，把結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)匯集在一起。成功的組織會(huì)確保他們會(huì)用清理、計(jì)算缺失值，并準(zhǔn)確地標(biāo)記數(shù)據(jù)來(lái)提高數(shù)據(jù)的質(zhì)量。”

良好的數(shù)據(jù)衛(wèi)生也意味著保持?jǐn)?shù)據(jù)盡可能是最新的。Nimeroff說(shuō)，數(shù)據(jù)需要新鮮度，“數(shù)據(jù)宇宙”要不斷膨脹，企業(yè)才能從分析中獲得價(jià)值。

Nimeroff說(shuō)：“數(shù)據(jù)新鮮度要求了解當(dāng)前數(shù)據(jù)采集過(guò)程的時(shí)效性。顯然，一個(gè)系統(tǒng)越實(shí)時(shí)，新鮮度就越高。也可以通過(guò)使用第三方服務(wù)來(lái)支持新鮮度，以加強(qiáng)你現(xiàn)有的技術(shù)和流程?！?

5. 放棄分析計(jì)劃的高管贊助

與其它類(lèi)型的重大IT項(xiàng)目一樣，沒(méi)有數(shù)據(jù)分析項(xiàng)目的高級(jí)管理人員的領(lǐng)導(dǎo)能力可能對(duì)成功不利。

Miglani說(shuō)：“分析團(tuán)隊(duì)的目標(biāo)是通過(guò)將數(shù)據(jù)與公司的戰(zhàn)術(shù)和戰(zhàn)略決策相結(jié)合來(lái)產(chǎn)生洞察。一個(gè)失敗的例子就是如果一個(gè)數(shù)據(jù)科學(xué)團(tuán)隊(duì)做了大量的數(shù)據(jù)分析，開(kāi)發(fā)出了準(zhǔn)確的預(yù)測(cè)模型，但是結(jié)果并沒(méi)有被實(shí)施，因?yàn)樗枰M織和文化的變革?！?

Clark說(shuō)，建立數(shù)據(jù)管理基礎(chǔ)需要多年持續(xù)不斷的努力。他說(shuō)：“數(shù)據(jù)和分析團(tuán)隊(duì)要促進(jìn)的一些工作不會(huì)有立竿見(jiàn)影的效果，這可能與業(yè)務(wù)合作伙伴的預(yù)期不一致。這需要強(qiáng)有力的領(lǐng)導(dǎo)層支持，以及努力教育業(yè)務(wù)合作伙伴，以實(shí)現(xiàn)更加趨于數(shù)據(jù)驅(qū)動(dòng)的未來(lái)。”

6. 忽略中層和下層管理者

數(shù)據(jù)科學(xué)家在真空中進(jìn)行的分析和其他那些沒(méi)有從最親近分析需求的業(yè)務(wù)經(jīng)理得到可靠輸入的專(zhuān)家不太可能成功。

服務(wù)管理軟件供應(yīng)商Astea International的首席運(yùn)營(yíng)官David Giannetto表示：“如果沒(méi)有中低層管理人員的積極參與，分析團(tuán)隊(duì)提供的信息往往不能真正地幫助管理層團(tuán)隊(duì)更好地完成工作。”

Giannetto說(shuō)：“信息將是定向的，信息會(huì)指出更大的流程缺陷或可以改進(jìn)的地方，但是管理層早晚要著手處理——當(dāng)他們有時(shí)間的時(shí)候。而大多數(shù)管理者從來(lái)都沒(méi)有多余的時(shí)間。只有當(dāng)團(tuán)隊(duì)由真正懂業(yè)務(wù)的人組成，以及業(yè)務(wù)實(shí)際上每天都需要訪問(wèn)信息時(shí)，傳遞的信息才足以對(duì)業(yè)務(wù)產(chǎn)生積極影響?！?

Giannetto說(shuō)，如果分析能夠告訴用戶真正的問(wèn)題在哪里——哪里可能會(huì)出現(xiàn)問(wèn)題——他們有足夠的時(shí)間來(lái)阻止問(wèn)題，他們每天都使用這些信息，那么這一舉措將會(huì)取得成功。

7. 缺乏支持良好數(shù)據(jù)分析的文化和技能

這對(duì)于組織來(lái)說(shuō)是一個(gè)普遍的問(wèn)題，很大程度上是因?yàn)閿?shù)據(jù)科學(xué)這樣的技術(shù)很難獲取。但是，如果數(shù)據(jù)素養(yǎng)不是公司文化的核心，分析失敗的可能性更大。

Miglani說(shuō)：“對(duì)于不熟悉分析的人來(lái)說(shuō)，數(shù)據(jù)科學(xué)被認(rèn)為是解決問(wèn)題的一種神奇的方式。預(yù)測(cè)和自學(xué)的概念很難讓人掌握。要說(shuō)服你的商業(yè)伙伴在不透明的算法上作出決策是很難的。你需要先教育他們?！?

而且組織機(jī)構(gòu)在繼續(xù)努力尋找具有分析技能的數(shù)據(jù)科學(xué)家和其他專(zhuān)業(yè)人員。Miglani說(shuō)：“培養(yǎng)這種能力的最好方法之一是培養(yǎng)這種才能，而不是在組織外物色超級(jí)明星。很多項(xiàng)目失敗或者推遲，就是因?yàn)楣緹o(wú)法按時(shí)聘請(qǐng)或大量流失分析人員。”