導(dǎo)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(wù)和技術(shù)優(yōu)勢(shì)之一，讓企業(yè)能夠深入了解自己在運(yùn)營(yíng)層面的所有情況，從而在競(jìng)爭(zhēng)中獲得優(yōu)勢(shì)。
研究公司Gartner在今年早些時(shí)候預(yù)測(cè)，2017年將是數(shù)據(jù)和分析成為主流的一年，該技術(shù)已經(jīng)開始為轉(zhuǎn)型的企業(yè)創(chuàng)造價(jià)值。Gartner同時(shí)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(wù)和流程。Gartner的研究報(bào)告顯示，數(shù)據(jù)分析將推動(dòng)現(xiàn)代的商業(yè)運(yùn)作，而不是僅僅反映績(jī)效。企業(yè)將創(chuàng)建端到端的IT架構(gòu)，實(shí)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(wù)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(dān)新的角色并創(chuàng)造業(yè)務(wù)增長(zhǎng)。
公司也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)這種增長(zhǎng)趨勢(shì)將會(huì)持續(xù)到2020年，屆時(shí)收入將超過2100億美元。
然而，雖然所有企業(yè)都加強(qiáng)數(shù)據(jù)分析應(yīng)用，但許多企業(yè)卻陷入了危害或浪費(fèi)分析真正價(jià)值的陷阱之中。根據(jù)IT領(lǐng)導(dǎo)者和行業(yè)專家的觀點(diǎn)，以下七種錯(cuò)誤的數(shù)據(jù)分析方式會(huì)導(dǎo)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(shì)或信息，那么CIO怎么能期望從中獲得真正的價(jià)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(jí)顧問湯姆·達(dá)文波特(Tom Davenport)說，他也是《競(jìng)爭(zhēng)分析：競(jìng)爭(zhēng)的新科學(xué)》一書的作者。達(dá)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(jiǎn)單的使用機(jī)器學(xué)習(xí)，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(qiáng)調(diào)尋找‘知道如何查詢數(shù)據(jù)的人’，并告訴公司一個(gè)完整準(zhǔn)確的數(shù)據(jù)說明。合適的人對(duì)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(yù)測(cè)未來發(fā)展的方向。最重要的是，每個(gè)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(biāo)，從而收集一致的測(cè)量數(shù)據(jù)。”
啟動(dòng)分析工作時(shí)，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(tuán)隊(duì)把重點(diǎn)放在優(yōu)先級(jí)是最正確的，許多團(tuán)隊(duì)往往會(huì)失敗，是因?yàn)樗麄兿Ｍ淮谓鉀Q太多的業(yè)務(wù)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(hù))自己的數(shù)據(jù)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。網(wǎng)絡(luò)安全公司Vectra的首席技術(shù)官Oliver Tavakoli表示：“除了實(shí)際開發(fā)更好的分析環(huán)境以外，這通常浪費(fèi)了大量數(shù)據(jù)科學(xué)家的時(shí)間。過去我們知道企業(yè)需要大量的數(shù)據(jù)來進(jìn)行分析，IT必須能夠?qū)崿F(xiàn)其它業(yè)務(wù)需求。因此我們買了一堆有大量磁盤容量的服務(wù)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(xué)家編寫Scala代碼與集群進(jìn)行交互。有時(shí)由于硬件故障，群集會(huì)中斷，更多的時(shí)候是由于軟件故障。軟件包將會(huì)過時(shí)，這會(huì)導(dǎo)致在數(shù)小時(shí)內(nèi)集群不可用。”
Tavakoli補(bǔ)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(yīng)商合作，之后花費(fèi)的時(shí)間很少?，F(xiàn)在我們幾乎把所有的時(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)。”
3. 分離數(shù)據(jù)，而沒有統(tǒng)一數(shù)據(jù)
長(zhǎng)期以來，企業(yè)一直在努力解決“數(shù)據(jù)孤島”問題，實(shí)現(xiàn)各部門的信息共享，從而使整個(gè)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(yíng)銷公司Zeta Global的首席信息官Jeffry Nimeroff說，一個(gè)最佳實(shí)踐就是統(tǒng)一不同的數(shù)據(jù)。
Nimeroff表示：“每一個(gè)數(shù)據(jù)倉(cāng)庫(kù)都會(huì)在彼此之間產(chǎn)生障礙，但這里可以產(chǎn)生價(jià)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(dòng)數(shù)據(jù)，這些可以相互連接的數(shù)據(jù)越多越好，因?yàn)閺倪@些聯(lián)系中可以獲取更多的預(yù)測(cè)機(jī)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(dòng)到一個(gè)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(dāng)前系統(tǒng)中進(jìn)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(zhǔn)確、不是最新的，而且沒有條理，則數(shù)據(jù)分析的價(jià)值可能會(huì)急劇下降。
Nimeroff說：“數(shù)據(jù)垃圾的進(jìn)入與排出，是原始業(yè)務(wù)數(shù)據(jù)總量和范圍擴(kuò)大時(shí)常見的問題，最好的數(shù)據(jù)分析團(tuán)隊(duì)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(gè)很好的方法。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，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(gòu)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(jiǎn)化分析。使數(shù)據(jù)結(jié)果更加直白簡(jiǎn)易，以便團(tuán)隊(duì)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(wù)公司Incedo首席執(zhí)行官TP Miglani說，“你需要建立數(shù)據(jù)倉(cāng)庫(kù)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(huì)確保他們提高數(shù)據(jù)的質(zhì)量，計(jì)算缺失值，準(zhǔn)確地標(biāo)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?jǐn)?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(dāng)前數(shù)據(jù)采集的及時(shí)性。顯然，一個(gè)系統(tǒng)越實(shí)時(shí)，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(wù)來加強(qiáng)您現(xiàn)有的技術(shù)和流程。”
5. 高級(jí)主管的領(lǐng)導(dǎo)力不足
與其他類型的重大IT項(xiàng)目一樣，沒有數(shù)據(jù)分析項(xiàng)目的高級(jí)管理人員領(lǐng)導(dǎo)，分析項(xiàng)目也是一紙空談。
Miglani說：“分析團(tuán)隊(duì)的目標(biāo)，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(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，開發(fā)出了準(zhǔn)確的預(yù)測(cè)模型，但是卻并沒有被實(shí)施，因?yàn)樗枰掀髽I(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(tuán)隊(duì)需要推動(dòng)的一些工作，不會(huì)馬上就產(chǎn)生立竿見影的效果，這可能與業(yè)務(wù)合作伙伴的預(yù)期不一致。因此數(shù)據(jù)分析成功需要IT主管的領(lǐng)導(dǎo)力，并努力教育業(yè)務(wù)合作伙伴，以實(shí)現(xiàn)更多數(shù)據(jù)驅(qū)動(dòng)的愿景。”
6. 忽略中層和低層管理
如果離開了數(shù)據(jù)科學(xué)家和其他專家，數(shù)據(jù)分析就可能不會(huì)那么成功。
Astea International的首席運(yùn)營(yíng)官David Giannetto表示：“如果沒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幫助管理團(tuán)隊(duì)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(jìn)的領(lǐng)域，而大多數(shù)管理者從來沒有多余的時(shí)間。只有當(dāng)團(tuán)隊(duì)由真正了解業(yè)務(wù)的人，與業(yè)務(wù)實(shí)際上每天需要訪問的信息相結(jié)合時(shí)，交付的信息就足以對(duì)業(yè)務(wù)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(huì)出現(xiàn)問題，那么他們就有足夠的時(shí)間來阻止問題發(fā)生，他們每天都會(huì)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(duì)于企業(yè)來說，這是一個(gè)普遍的問題，很大程度上是因?yàn)閿?shù)據(jù)科學(xué)這樣的技術(shù)很難實(shí)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(duì)于不熟悉分析的人來說，數(shù)據(jù)科學(xué)被認(rèn)為是解決問題的一種神奇的方式，”Miglani說， “預(yù)測(cè)和自學(xué)的概念很難讓人理解，CIO很難說服你的商業(yè)伙伴對(duì)不可預(yù)知的算法長(zhǎng)期給予支持，因此你需要先教育他們。”
而且IT機(jī)構(gòu)也一直努力尋找具有分析技能的數(shù)據(jù)科學(xué)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?yàn)樵S多項(xiàng)目的失敗或者推遲，是因?yàn)楣緹o法按時(shí)聘請(qǐng)分析人員，或者失去了高級(jí)人才。”
原文鏈接：https://www.cio.com/article/3235959/analytics/7-sure-fire-ways-to-fail-at-data-analytics.html
