如今，由于數(shù)字化轉(zhuǎn)型的失敗，數(shù)據(jù)分析很少能吸引IT和商界領(lǐng)袖的興趣。

事實(shí)上，利用科學(xué)方法、流程、算法和技術(shù)系統(tǒng)從結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中提取一系列見解的數(shù)據(jù)科學(xué)舉措可能會(huì)以任何方式失敗，導(dǎo)致浪費(fèi)時(shí)間、金錢和其他資源。主要由于決策者誤入歧途，導(dǎo)致缺陷項(xiàng)目對(duì)企業(yè)的損害大于利益。

數(shù)據(jù)質(zhì)量差

有問題數(shù)據(jù)會(huì)導(dǎo)致錯(cuò)誤數(shù)據(jù)科學(xué)，因此花時(shí)間確保數(shù)據(jù)的高質(zhì)量至關(guān)重要。對(duì)于任何分析工作來說都是如此，數(shù)據(jù)分析也是如此。

當(dāng)企業(yè)將不干凈的數(shù)據(jù)用于數(shù)據(jù)科學(xué)項(xiàng)目時(shí)，最終將”看看那些產(chǎn)生奇怪產(chǎn)出的模型，并看到它不能代表現(xiàn)實(shí)業(yè)務(wù)或流程，使事情變得更好。

有時(shí)，由于數(shù)據(jù)集中的偏差或差異，導(dǎo)致數(shù)據(jù)質(zhì)量較差。

沒有明確定義要解決問題的標(biāo)準(zhǔn)

對(duì)于一些擁有多個(gè)系統(tǒng)的企業(yè)，在許多情況下，業(yè)務(wù)隨每個(gè)系統(tǒng)而變化，因此將會(huì)導(dǎo)致不同的流程或計(jì)算業(yè)務(wù)內(nèi)指標(biāo)的方法產(chǎn)生變化。

這可能是數(shù)據(jù)科學(xué)失敗的一個(gè)主要原因。由于基于修改后的業(yè)務(wù)流程進(jìn)行重復(fù)計(jì)數(shù)，調(diào)查結(jié)果可能會(huì)夸大其份。要解決這個(gè)問題，組織必須制定數(shù)據(jù)分析計(jì)劃，概述一個(gè)特定日期，其中數(shù)據(jù)可以驗(yàn)證，每個(gè)人都理解并認(rèn)同的共同標(biāo)準(zhǔn)。

缺乏相關(guān)數(shù)據(jù)

數(shù)據(jù)科學(xué)失敗的另一個(gè)可能是不能提供解決特定問題所需的特定類型的數(shù)據(jù)。

向問題拋出大量數(shù)據(jù)不一定能獲得答案。

有一種假設(shè)認(rèn)為，大數(shù)據(jù)將帶來見解，而實(shí)際上這種情況很少見。智能、定制且通常更小的數(shù)據(jù)集通常提供強(qiáng)大的可概括模型。

為了從數(shù)據(jù)科學(xué)中獲取價(jià)值，應(yīng)該繼續(xù)努力繼續(xù)從最相關(guān)來源收集數(shù)據(jù)。由于數(shù)據(jù)是從各種來源收集或購(gòu)買的，團(tuán)隊(duì)需要確保數(shù)據(jù)的任何修改不會(huì)扭曲結(jié)果，并犧牲整個(gè)數(shù)據(jù)集的質(zhì)量。他們還必須確保數(shù)據(jù)集沒有隱私、法律等問題。

缺乏數(shù)據(jù)透明度

團(tuán)隊(duì)需要透明地使用他們用于構(gòu)建任何給定模型的數(shù)據(jù)。

當(dāng)領(lǐng)導(dǎo)不信任該模型或理解解決方案時(shí)，數(shù)據(jù)科學(xué)項(xiàng)目就會(huì)失敗。解決這個(gè)問題的方法是，必須能夠”分析結(jié)果可視化”并將其傳達(dá)給可能不具備技術(shù)或統(tǒng)計(jì)技能的利益相關(guān)者。

數(shù)據(jù)科學(xué)家需要解釋數(shù)據(jù)的來源，他們?yōu)橛?jì)算模型所做的工作，并提供對(duì)所有相關(guān)數(shù)據(jù)的訪問權(quán)限。透明度可能是項(xiàng)目成功的關(guān)鍵。

缺少?zèng)Q策層的擁護(hù)

數(shù)據(jù)科學(xué)工作需要決策層中的擁護(hù)者，以確保項(xiàng)目獲得足夠的資源和支持。

“如果是首席信息官，它會(huì)有所幫助，”萊利說。”我們認(rèn)為數(shù)據(jù)科學(xué)是我們運(yùn)營(yíng)不可或缺的一部分，我確信自己一定會(huì)成為我們努力的擁護(hù)者。即使CIO不是數(shù)據(jù)科學(xué)的內(nèi)部擁護(hù)者，他們也應(yīng)該負(fù)責(zé)保護(hù)所有相關(guān)數(shù)據(jù)的安全。”

“充分利用你掌握的信息是我所說的現(xiàn)代CIO的責(zé)任。”有了所有這些數(shù)據(jù)，您就有能力從中學(xué)習(xí)并智能地使用這些數(shù)據(jù)，而這是 CIO 可以用來幫助其功能跨組織地使用的東西。

在確定銷售過程中可以做出的新策略和修改方面，自適應(yīng)器從數(shù)據(jù)科學(xué)工作中獲得了最大的收獲。這與我們的產(chǎn)品或IT基礎(chǔ)設(shè)施、營(yíng)銷無關(guān)，僅此而已。從業(yè)務(wù)流程優(yōu)化的角度來看，它對(duì)我們幫助最大，能夠更好地從內(nèi)部銷售中處理和管理線索。

人才短缺

技能差距困擾著 IT 的許多方面，數(shù)據(jù)科學(xué)也不例外。許多組織根本就沒有維護(hù)項(xiàng)目或獲得最大價(jià)值的技能集。

“博納非數(shù)據(jù)科學(xué)家的需求量很大，很難得到，而且成本高，”Tracy(Tracy Huitika, CIO, Beanworks)說， Beanworks是一家基于云的賬戶付費(fèi)自動(dòng)化提供商。這個(gè)職位通常需要物理學(xué)或科學(xué)博士學(xué)位，以及在 R 和 Python 中編寫代碼的能力。

Johnson說，數(shù)據(jù)科學(xué)項(xiàng)目失敗的最大原因之一是缺乏繼續(xù)管理該項(xiàng)目的運(yùn)營(yíng)人才。他表示：”讓一位出色的數(shù)據(jù)科學(xué)家在沒有計(jì)劃的情況下創(chuàng)建模型，通過市場(chǎng)調(diào)整和數(shù)據(jù)變化來運(yùn)行持續(xù)改進(jìn)的運(yùn)營(yíng)，就像為一輛汽車設(shè)計(jì)工程，并將鑰匙交給一個(gè)10歲的孩子一樣。

公司需要獲得合適的技能組合，無論是通過聘請(qǐng)或利用精通數(shù)據(jù)科學(xué)的外部專家，以保持模型投入生產(chǎn)后。

數(shù)據(jù)分析不是正確的解決方案

如果某個(gè)特定問題一開始就不需要數(shù)據(jù)科學(xué)作為解決方案，該怎么辦?這種對(duì)學(xué)科的誤導(dǎo)性使用可能導(dǎo)致失敗，因此值得在何時(shí)何地不應(yīng)用數(shù)據(jù)科學(xué)方法、流程和工具進(jìn)行大量思考。

“導(dǎo)致數(shù)據(jù)科學(xué)項(xiàng)目失敗的最大事情之一是，如果數(shù)據(jù)科學(xué)、算法和機(jī)器學(xué)習(xí)甚至不是正確的解決方案，”Riley 說。

“您可能根本不需要機(jī)器學(xué)習(xí)模型：你可能需要簡(jiǎn)單的回歸，你可以花大量的時(shí)間和精力去經(jīng)歷所有不同的排列，而不用數(shù)據(jù)科學(xué)，”Riley說。”我們陷入了這樣的情況之一，即我們正在研究財(cái)務(wù)數(shù)據(jù)科學(xué)建模，以可視化預(yù)測(cè)器，從而實(shí)現(xiàn)業(yè)務(wù)線的未來財(cái)務(wù)成功。事實(shí)證明，最好的用途只是統(tǒng)計(jì)回歸。

解決方案

前文看似很多問題將企業(yè)數(shù)字化轉(zhuǎn)型這條路給堵死，但是現(xiàn)在DataFocus 已經(jīng)將偷偷開辟了一條新的道路。搜索式分析讓廣大非數(shù)據(jù)學(xué)科不懂代碼的專家也可以輕松的進(jìn)行數(shù)據(jù)清洗處理并進(jìn)行有效的可視化展示。由于獨(dú)創(chuàng)的大數(shù)據(jù)處理引擎可以輕松處理大量數(shù)據(jù)，并在短時(shí)間內(nèi)輸出可視化結(jié)果。各種模型構(gòu)建成本、試錯(cuò)成本大大降低。最關(guān)鍵的是可以讓一線的業(yè)務(wù)人員也參與到數(shù)據(jù)分析當(dāng)中，讓數(shù)據(jù)分析落實(shí)到企業(yè)每一層業(yè)務(wù)當(dāng)中。讓數(shù)據(jù)與現(xiàn)實(shí)接軌。