大數(shù)據(jù)項目成功的七大秘密_數(shù)據(jù)分析師

如今，許多企業(yè)都理解了大數(shù)據(jù)的構成，但是要取得大數(shù)據(jù)項目的成功則是另一回事。Gartner公司的分析師，Doug Laney。 Forrester公司分析師Mike Gualtieri。International Institute for Analytics的高級研究學者，Robert Morison 都是大數(shù)據(jù)領域的專家，他們對于企業(yè)如何使用大數(shù)據(jù)有著獨特的視角。 以下是他們認為可以幫助大數(shù)據(jù)項目成功的因素 ，以及那些可能會導致大數(shù)據(jù)項目失敗的原因。

從小項目開始

CIO們以前也聽到過這個建議，但從小項目開始到底意味著什么? “這意味著從一個你認為可以提高業(yè)務績效的領域著手，從一個你認為分析更多數(shù)據(jù)可以獲得更多信息的領域著手，” Institute的Morison說。

他舉了一個制藥企業(yè)的案例，這家企業(yè)想把它的產品收率提高1%到2%。使用傳統(tǒng)的商業(yè)智能工具， 它可以分析一定數(shù)量的生產歷史，從而發(fā)現(xiàn)生產流程中可以進行調整的部分。然后，企業(yè)想知道，如果分析更多的數(shù)據(jù)，是否可以幫助確定生產表現(xiàn)的真正推動力。隨后，采用Hadoop相關的開源技術，該企業(yè)在一周內分析了過去三年的生產歷史。

“很快，他們開始開發(fā)各種變量組合的熱點地圖——在這個案例中，壓力，溫度，攪拌和速率這些參數(shù)，都可以帶來更高的產品收率，” Morison說。“因此，在幾個月的時間內，他們從分析更多數(shù)據(jù)能帶來什么成果，發(fā)展到在制造工廠開展實驗，從而獲得產量的提高。 ”

不斷試驗

是時候CIO們和業(yè)務主管從傳統(tǒng)的消費，目標導向的IT項目管理風格中脫離出來了， Morison說。取而代之的，鼓勵試驗項目和創(chuàng)造性思維。在之前提到的制藥企業(yè)案例中，“目標就是一邊進行試驗，一邊進步和學習，”他說?！斑@一案例中真正有價值的是，一旦他們開始這樣做，每一批新的產品，就成為了數(shù)據(jù)庫的一部分。 他們擁有了一個持續(xù)的反饋回路。這個試驗使業(yè)務表現(xiàn)越來越好?！?/span>

Gartner的Laney認為試驗應該包括 “那些看似并不自然相關的數(shù)據(jù)源集成在一起?！?比如，零售商，分析監(jiān)控錄像數(shù)據(jù)“來了解商店內的客流量，”讓他們有機會確定購物習慣和購物模式，他說。

采用Hadoop技術

大數(shù)據(jù)不是只有Hadoop技術，“但Hadoop是一個很大的催化劑”，因為它既廉價，又容易獲取， Forrester的Gualtieri說。 許多獲得大數(shù)據(jù)項目成功的企業(yè)，都或多或少以Hadoop技術為背景?！安捎?a href='/map/hadoop/' style='color:#000;font-size:inherit;'>Hadoop。把它作為你的數(shù)據(jù)試驗平臺，因為你可以在相對成本更高效的情況下，整合所有數(shù)據(jù)， ”他說。

點亮“暗數(shù)據(jù)”

Laney把企業(yè)內存儲后就再沒有使用過的數(shù)據(jù)稱為 “暗數(shù)據(jù)，”他鼓勵CIO們考慮這些數(shù)據(jù)的價值。一些企業(yè)已經(jīng)開始這樣做了。比如，保險公司，使用文本挖掘工具分析以往的理賠報告，來更好地理解保險行業(yè)的欺詐行為或發(fā)展趨勢，Laney說。

此外，讓暗數(shù)據(jù)重見天日可能帶來新的，有價值的收入來源。Dollar General公司通過和客戶分享消費包裝商品信息來支付他們的企業(yè)數(shù)據(jù)倉庫費用， Laney說。軟件即服務供應商Clothes Horse， 是一家新創(chuàng)立的，幫助在線購物者決定衣服是否合身的企業(yè)，它分析顧客數(shù)據(jù)來幫助零售商更好的了解顧客的偏好。更多新平臺也不斷出現(xiàn)，幫助分發(fā)，并銷售各類供應商的數(shù)據(jù)，Laney說，包括: Microsoft;ProgrammableWeb，2013年被MuleSoft收購;Data Market，去年秋天被QlikTech收購;還有qDatum，一家總部位于德國的創(chuàng)業(yè)公司。

不要跟隨R語言熱潮

雖然開源編程語言R通常與數(shù)據(jù)科學相關聯(lián)，CIO們不需要雇傭熟悉R語言的數(shù)據(jù)科學家來開始一個高級分析項目?，F(xiàn)成的軟件對于企業(yè)已經(jīng)足夠。Gualtieri認為，正如CIO們不會讓Java開發(fā)人員對商業(yè)智能報告進行編程一樣，這同樣適用于高級分析項目。 Alpine Data Labs，Alteryx，SAS，RapidMiner和KNIME的工具足夠成熟，來完成80%的預測分析工作，而不必從頭開始創(chuàng)建一切，他說。

不要僅是報告數(shù)據(jù)

超越傳統(tǒng)的分析方法，使用大數(shù)據(jù)進行分析的企業(yè)具有巨大優(yōu)勢。“這已經(jīng)遠不是餅圖和柱狀圖了，”Gartner的Laney說。 “將數(shù)據(jù)集成到業(yè)務流程中，而不只是報告數(shù)據(jù)?！盙ualtieri同時認為高級分析項目是一個優(yōu)勢。 “你能在繼續(xù)傳統(tǒng)報告的同時，使用大數(shù)據(jù)做出更好的報告嗎?但是這并沒有帶來很多不同。 真正的競爭優(yōu)勢是當你使用那些數(shù)據(jù)，創(chuàng)建預測模型，”他說。遺憾的是，缺乏這樣的數(shù)據(jù)科學家，Gualtieri說超越傳統(tǒng)分析的想象力非常稀缺。

不要認為分析一定會被采納

Morison認為分析項目失敗的其中一個原因是 “相當不錯的分析項目完成后，但沒有被采用?！迸c業(yè)務部門密切合作，可以避免這類問題，他說，最近與幾位首席分析師的談話中，他得出這樣的經(jīng)驗： “如果沒有業(yè)務合作伙伴在過程中的支持，他們是不會開始項目的，即使這個項目很值得進行?！?/span>