導致數(shù)據(jù)分析失敗的7大原因
數(shù)據(jù)分析已經(jīng)成為企業(yè)最重要的業(yè)務和技術(shù)優(yōu)勢之一，讓企業(yè)能夠深入了解自己在運營層面的所有情況，從而在競爭中獲得優(yōu)勢。
研究公司Gartner在今年早些時候預測，2017年將是數(shù)據(jù)和分析成為主流的一年，該技術(shù)已經(jīng)開始為轉(zhuǎn)型的企業(yè)創(chuàng)造價值。Gartner同時還指出，數(shù)據(jù)分析的方法正在變得更加整體化，開始涵蓋企業(yè)的所有業(yè)務和流程。Gartner的研究報告顯示，數(shù)據(jù)分析將推動現(xiàn)代的商業(yè)運作，而不是僅僅反映績效。企業(yè)將創(chuàng)建端到端的IT架構(gòu)，實現(xiàn)企業(yè)從核心到邊緣的數(shù)據(jù)管理和分析;高管們將數(shù)據(jù)和分析作為業(yè)務戰(zhàn)略的一部分，讓數(shù)據(jù)挖掘和分析的專業(yè)人員承擔新的角色并創(chuàng)造業(yè)務增長。
公司也正在為分析工具投入大量資金。國際數(shù)據(jù)公司(International Data Corp.)在2017年3月的一份報告中預測，今年全球大數(shù)據(jù)和業(yè)務分析的收入將達到1508億美元，比2016年增長12%，該公司預計這種增長趨勢將會持續(xù)到2020年，屆時收入將超過2100億美元。
然而，雖然所有企業(yè)都加強數(shù)據(jù)分析應用，但許多企業(yè)卻陷入了危害或浪費分析真正價值的陷阱之中。根據(jù)IT領(lǐng)導者和行業(yè)專家的觀點，以下七種錯誤的數(shù)據(jù)分析方式會導致企業(yè)的失敗。
1. 不知道自己在找什么
如果不知道在數(shù)據(jù)中需要獲得哪些具體的趨勢或信息，那么CIO怎么能期望從中獲得真正的價值呢?
“分析過程中最大的問題是不知道你在找什么數(shù)據(jù)，”德勤分析公司的高級顧問湯姆·達文波特(Tom Davenport)說，他也是《競爭分析：競爭的新科學》一書的作者。達文波特說：“數(shù)據(jù)挖掘背后的理念，是讓系統(tǒng)找出數(shù)據(jù)中的有趣之處，但許多公司正在誤入歧途。哪怕簡單的使用機器學習，從數(shù)據(jù)關(guān)系的角度來了解你正在尋找的東西也是很有幫助的。”
Weather.com質(zhì)量保證經(jīng)理Todd Eaton說：“Weather.com強調(diào)尋找‘知道如何查詢數(shù)據(jù)的人’，并告訴公司一個完整準確的數(shù)據(jù)說明。合適的人對使用數(shù)據(jù)來回答問題充滿激情，然后愿意不斷質(zhì)疑自己的發(fā)現(xiàn)，確保數(shù)據(jù)不僅適合敘述，而且能夠清晰的解釋我們所看到的，并幫助我們預測未來發(fā)展的方向。最重要的是，每個員工都知道我們正在試圖找到數(shù)據(jù)和我們的總體目標，從而收集一致的測量數(shù)據(jù)。”
啟動分析工作時，沒有成功秘訣。不過通用電氣公司首席數(shù)據(jù)官克里斯蒂娜·克拉克(Christina Clark)表示：“數(shù)據(jù)團隊把重點放在優(yōu)先級是最正確的，許多團隊往往會失敗，是因為他們希望一次解決太多的業(yè)務需求，最終顧此失彼，沒有產(chǎn)生有意義的影響，從而失去了高層的支持興趣或資金。”
2. 建立(維護)自己的數(shù)據(jù)基礎(chǔ)設(shè)施
建立和維護自己的大數(shù)據(jù)基礎(chǔ)設(shè)施可能是一個巨大的誘惑，但這可能會危及你的分析工作。網(wǎng)絡(luò)安全公司Vectra的首席技術(shù)官Oliver Tavakoli表示：“除了實際開發(fā)更好的分析環(huán)境以外，這通常浪費了大量數(shù)據(jù)科學家的時間。過去我們知道企業(yè)需要大量的數(shù)據(jù)來進行分析，IT必須能夠?qū)崿F(xiàn)其它業(yè)務需求。因此我們買了一堆有大量磁盤容量的服務器，把它們放在我們的合作工廠，我們用Apache Spark創(chuàng)建了自己的Hadoop集群，并讓我們的數(shù)據(jù)科學家編寫Scala代碼與集群進行交互。有時由于硬件故障，群集會中斷，更多的時候是由于軟件故障。軟件包將會過時，這會導致在數(shù)小時內(nèi)集群不可用。”
Tavakoli補充說：“最后我們終于有了足夠的資源，決定將這部分問題外包出去。Vectra與外部供應商合作，之后花費的時間很少?，F(xiàn)在我們幾乎把所有的時間都致力于將數(shù)據(jù)提供給系統(tǒng)并分析其中的數(shù)據(jù)。”
3. 分離數(shù)據(jù)，而沒有統(tǒng)一數(shù)據(jù)
長期以來，企業(yè)一直在努力解決“數(shù)據(jù)孤島”問題，實現(xiàn)各部門的信息共享，從而使整個公司受益，而同樣的挑戰(zhàn)也存在于數(shù)據(jù)分析領(lǐng)域中。
營銷公司Zeta Global的首席信息官Jeffry Nimeroff說，一個最佳實踐就是統(tǒng)一不同的數(shù)據(jù)。
Nimeroff表示：“每一個數(shù)據(jù)倉庫都會在彼此之間產(chǎn)生障礙，但這里可以產(chǎn)生價值。比如，想一想豐富的用戶配置文件，或是連接或斷開網(wǎng)站的活動數(shù)據(jù)，這些可以相互連接的數(shù)據(jù)越多越好，因為從這些聯(lián)系中可以獲取更多的預測機遇。但這并不意味著必須將所有數(shù)據(jù)從原始系統(tǒng)移動到一個整體。相反，我們使用現(xiàn)代集成技術(shù)的某種功能來提供統(tǒng)一的數(shù)據(jù)視圖，而這是在當前系統(tǒng)中進行的。”
4. 沒有良好的數(shù)據(jù)管理
如果您正在分析的數(shù)據(jù)不準確、不是最新的，而且沒有條理，則數(shù)據(jù)分析的價值可能會急劇下降。
Nimeroff說：“數(shù)據(jù)垃圾的進入與排出，是原始業(yè)務數(shù)據(jù)總量和范圍擴大時常見的問題，最好的數(shù)據(jù)分析團隊要能夠質(zhì)量滲透。因此，建立合理流程和利用技術(shù)來執(zhí)行質(zhì)量篩選是一個很好的方法。在流程方面，確保流程的可重復性以及對結(jié)果的可審計性是非常重要的。在技術(shù)方面，部署數(shù)據(jù)質(zhì)量工具，包括分析、元數(shù)據(jù)管理、清理和采購等，有助于確保更好的數(shù)據(jù)質(zhì)量。”
Tavakoli說：“組織需要使用工具來‘清除碎片’，即不完整和損壞的數(shù)據(jù)。并且要從不同來源獲取數(shù)據(jù)，使其更加兼容和易于理解，并盡可能簡化分析。使數(shù)據(jù)結(jié)果更加直白簡易，以便團隊的所有成員都了解各種數(shù)據(jù)的意義。”
“高質(zhì)量的數(shù)據(jù)是產(chǎn)生有用見解的關(guān)鍵因素”，技術(shù)服務公司Incedo首席執(zhí)行官TP Miglani說，“你需要建立數(shù)據(jù)倉庫和數(shù)據(jù)湖，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IT組織會確保他們提高數(shù)據(jù)的質(zhì)量，計算缺失值，準確地標記數(shù)據(jù)。”
良好的數(shù)據(jù)衛(wèi)生也意味著盡可能的保持數(shù)據(jù)的更新。Nimeroff表示，：“數(shù)據(jù)新鮮要求數(shù)據(jù)師必須了解當前數(shù)據(jù)采集的及時性。顯然，一個系統(tǒng)越實時，數(shù)據(jù)的新鮮度越好。企業(yè)也可以通過使用第三方服務來加強您現(xiàn)有的技術(shù)和流程。”
5. 高級主管的領(lǐng)導力不足
與其他類型的重大IT項目一樣，沒有數(shù)據(jù)分析項目的高級管理人員領(lǐng)導，分析項目也是一紙空談。
Miglani說：“分析團隊的目標，是將數(shù)據(jù)與公司的戰(zhàn)術(shù)和戰(zhàn)略決策相結(jié)合來產(chǎn)生洞察力。 一個失敗的例子，就是如果一個數(shù)據(jù)科學團隊做了大量的數(shù)據(jù)分析，開發(fā)出了準確的預測模型，但是卻并沒有被實施，因為它需要符合企業(yè)和文化的變化。
克拉克也表示：“構(gòu)建數(shù)據(jù)管理的基礎(chǔ)需要持續(xù)多年的努力。數(shù)據(jù)和分析團隊需要推動的一些工作，不會馬上就產(chǎn)生立竿見影的效果，這可能與業(yè)務合作伙伴的預期不一致。因此數(shù)據(jù)分析成功需要IT主管的領(lǐng)導力，并努力教育業(yè)務合作伙伴，以實現(xiàn)更多數(shù)據(jù)驅(qū)動的愿景。”
6. 忽略中層和低層管理
如果離開了數(shù)據(jù)科學家和其他專家，數(shù)據(jù)分析就可能不會那么成功。
Astea International的首席運營官David Giannetto表示：“如果沒有中低層管理人員的積極參與，分析團隊提供的信息往往不能真正幫助管理團隊更好地完成工作，以及管理軟件。Giannetto說：“信息將是定向的，指出更多的流程缺陷和可以改進的領(lǐng)域，而大多數(shù)管理者從來沒有多余的時間。只有當團隊由真正了解業(yè)務的人，與業(yè)務實際上每天需要訪問的信息相結(jié)合時，交付的信息就足以對業(yè)務產(chǎn)生積極的影響。“
Giannetto指出，如果數(shù)據(jù)分析結(jié)果能夠告訴用戶真正的問題在哪里，哪些地方可能會出現(xiàn)問題，那么他們就有足夠的時間來阻止問題發(fā)生，他們每天都會使用這些信息，也取得了巨大的成功。
7. 缺乏支持良好數(shù)據(jù)分析的文化和技能
對于企業(yè)來說，這是一個普遍的問題，很大程度上是因為數(shù)據(jù)科學這樣的技術(shù)很難實現(xiàn)。但是，如果數(shù)據(jù)素養(yǎng)不成為公司文化的核心，那數(shù)據(jù)分析失敗的可能性更大。
“對于不熟悉分析的人來說，數(shù)據(jù)科學被認為是解決問題的一種神奇的方式，”Miglani說， “預測和自學的概念很難讓人理解，CIO很難說服你的商業(yè)伙伴對不可預知的算法長期給予支持，因此你需要先教育他們。”
而且IT機構(gòu)也一直努力尋找具有分析技能的數(shù)據(jù)科學家和其他專業(yè)人員。Miglani說：“培養(yǎng)這種能力的最好方法之一是培養(yǎng)這種才能，而不是在組織外尋找行業(yè)大咖。因為許多項目的失敗或者推遲，是因為公司無法按時聘請分析人員，或者失去了高級人才。”
原文鏈接：https://www.cio.com/article/3235959/analytics/7-sure-fire-ways-to-fail-at-data-analytics.html
