七個必定使資料分析失敗的方式

調研公司Gartner今年早些時候預測，2017年将是資料和分析成為主流的一年，為已經為轉型做好準備的組織内外創造價值。Gartner表示，資料分析的方法正在變得更加整體化，涵蓋整個業務。然而在資料分析被反複強調的請況下，很多組織還是陷入了損害或浪費分析的真正價值的陷阱。

資料分析正迅速成為赢得業務戰略的關鍵。但是如果沒有正确的方法、技巧和政策，你的資料舉措可能永遠沒有結果。

資料分析已經成為企業最重要的業務和技術的差異化要素之一，資料分析使企業能夠深入了解其營運的方方面面，進而在競争中獲得優勢。

調研公司Gartner今年早些時候預測，2017年将是資料和分析成為主流的一年，為已經為轉型做好準備的組織内外創造價值。Gartner表示，資料分析的方法正在變得更加整體化，涵蓋整個業務。

Gartner的研究報告顯示，在主要趨勢中，分析将推動現代業務營運，而不僅僅是反映其績效。企業将建立端到端的架構，這些架構考慮到了組織核心乃至組織邊緣的資料管理和分析;高管們将資料和分析作為業務戰略的一部分，使資料和分析專業人員能夠發揮新的作用并創造業務增長。

公司正在為分析工具投入大量資金。國際資料公司(International Data Corp.)在2017年3月的一份報告中預測，今年全球大資料和業務分析的收入将達到1508億美元，比2016年增長12%，該公司預計增長會一直持續到2020年，屆時收入将超過2100億美元。

然而在資料分析被反複強調的請況下，很多組織還是陷入了損害或浪費分析的真正價值的陷阱。根據IT上司者和行業專家的說法，以下是七個必定使資料分析失敗的方式。

01急于試水，卻不知道自己在找什麼

如果你不知道在資料中需要檢查哪些具體的趨勢或信号，你怎麼能期望從中獲得真正的價值呢?

德勤分析(Deloitte Analytics)的進階顧問、《逐鹿分析：新的制勝之道》一書的作者Tom Davenport說：“分析過程中最大的問題是你不知道自己在找什麼資料。”

Davenport說：“資料挖掘讓系統找出資料中的有趣之處的理念使很多公司誤入歧途。即便使用機器學習，從資料關系的角度來了解你正在尋找的東西也是大有裨益的。”

天氣網站Weather.com的品質保證經理Todd Eaton說：“Weather.com強調要找到‘知道如何查詢資料并能完整而準确地講述資料要傳達的含義的人’。”

Eaton說：“合适的人員對使用資料回答問題充滿激情，然後願意不斷質疑他們的發現，確定資料不僅适合叙事，而且能夠解釋我們所看到的事物并有助于預測未來發展的目标。重要的是，每個人都知道我們正在試圖發現資料和我們的總體目标，并收集一緻的測量結果和資料。”

啟動分析工作時，缺乏重點肯定會導緻失敗。通用電氣公司的首席資料官Christina Clark表示：“當資料團隊把重點放在優先考慮的成果上時，他們将是最成功的。團隊往往會失敗，因為他們希望立即解決很多的業務需求，最終由于精力過分分散而沒有産生有意義的影響來保持興趣或維持資金來源。”

02建立(維護)自己的基礎設施

建立和維護自己的大資料基礎設施可能是一個巨大的誘惑。但這可能會危及你的分析工作的使命。

網絡安全公司Vectra的首席技術官Oliver Tavakoli表示：“這往往浪費了資料科學家大量時間，而不是實際開發更好的分析。”

Tavakoli說：“我們知道我們需要大量的資料來進行分析。我們開始做大家都要求做的事情：我們買了一堆有大量磁盤容量的伺服器，我們把它們放在托管設施裡，我們用Apache Spark建立了自己的Hadoop叢集，并讓我們的資料科學家編寫Scala代碼與叢集進行互動。”

有時由于硬體故障，叢集會中斷，更多的時候是由于軟體故障。軟體包會過時，有時幾小時過去了，叢集都處在不可用的狀态。

Tavakoli說：“我們終于有了足夠的資源并決定将這部分問題外包出去。自打Vectra與外部供應商合作之後，它就很少花時間在這些基本問題上，“我們幾乎所有的時間都緻力于将資料提供給系統并分析其中的資料”，他這樣說道。

03成為資料分割者，而不是資料統一者

長期以來，企業一直在努力解決阻止各部門共享資訊的“資料孤島”問題，進而使整個機構受益。分析也遇到了同樣的挑戰。

客戶生命周期管理營銷公司Zeta Global的首席資訊官Jeffry Nimeroff說，統一不同的資料就是一個很好的最佳實踐。

Nimeroff表示：“每個資料孤島都會在能産生價值互相連接配接之間形成一個障礙。例如，考慮一個豐富的使用者配置檔案連接配接或斷開網站活動資料。可以互連的資料越多越好，因為在這些互連裡才能找到預測能力。”

Nimeroff說，這并不意味着必須将所有資料從初始系統移動到一個整體。他說：“相反，我們使用其中一種現代內建技術來提供統一的資料視圖，而這一切都在目前的系統中。”

04回避良好的資料衛生

如果你正在分析的資料不準确、不是最新的、且沒有條理，那麼分析的價值可能會急劇下降。

Nimeroff說：“錯進錯出(garbage in, garbage out)是原始業務資料的容量和範圍擴大的問題，最好的資料分析團隊要品質滲透，是以，建立流程并利用技術來執行品質标準是一個必勝的組合。”

Nimeroff說，在流程方面，確定流程的可重複性以及對結果的可審計性是非常重要的。在技術方面，他說，部署包括分析、中繼資料管理、清理、采購等資料品質工具有助于確定獲得更好的高品質資料。

Tavakoli說：組織需要使用工具來“清除碎片”——不完整和破壞的資料——并且從不同的來源擷取資料，以使其相容且易于了解，并盡可能簡化分析。盡可能使資料一目了然，以便團隊的所有成員都了解各種資料的意義。”

技術服務公司Incedo的首席執行官TP Miglani說，高品質的資料“是産生有用洞察的關鍵動力”。他說：“你需要建立資料倉庫和資料湖泊，把結構化和非結構化的資料彙集在一起。成功的組織會確定他們會用清理、計算缺失值，并準确地标記資料來提高資料的品質。”

良好的資料衛生也意味着保持資料盡可能是最新的。Nimeroff說，資料需要新鮮度，“資料宇宙”要不斷膨脹，企業才能從分析中獲得價值。

Nimeroff說：“資料新鮮度要求了解目前資料采集過程的時效性。顯然，一個系統越實時，新鮮度就越高。也可以通過使用第三方服務來支援新鮮度，以加強你現有的技術和流程。”

05放棄分析計劃的高管贊助

與其它類型的重大IT項目一樣，沒有資料分析項目的進階管理人員的上司能力可能對成功不利。

Miglani說：“分析團隊的目标是通過将資料與公司的戰術和戰略決策相結合來産生洞察。一個失敗的例子就是如果一個資料科學團隊做了大量的資料分析，開發出了準确的預測模型，但是結果并沒有被實施，因為它需要組織和文化的變革。”

Clark說，建立資料管理基礎需要多年持續不斷的努力。他說：“資料和分析團隊要促進的一些工作不會有立竿見影的效果，這可能與業務合作夥伴的預期不一緻。這需要強有力的上司層支援，以及努力教育業務合作夥伴，以實作更加趨于資料驅動的未來。”

06忽略中層和下層管理者

資料科學家在真空中進行的分析和其他那些沒有從最親近分析需求的業務經理得到可靠輸入的專家不太可能成功。

服務管理軟體供應商Astea International的首席營運官David Giannetto表示：“如果沒有中低層管理人員的積極參與，分析團隊提供的資訊往往不能真正地幫助管理層團隊更好地完成工作。”

Giannetto說：“資訊将是定向的，資訊會指出更大的流程缺陷或可以改進的地方，但是管理層早晚要着手處理——當他們有時間的時候。而大多數管理者從來都沒有多餘的時間。隻有當團隊由真正懂業務的人組成，以及業務實際上每天都需要通路資訊時，傳遞的資訊才足以對業務産生積極影響。”

Giannetto說，如果分析能夠告訴使用者真正的問題在哪裡——哪裡可能會出現問題——他們有足夠的時間來阻止問題，他們每天都使用這些資訊，那麼這一舉措将會取得成功。

07缺乏支援良好資料分析的文化和技能

這對于組織來說是一個普遍的問題，很大程度上是因為資料科學這樣的技術很難擷取。但是，如果資料素養不是公司文化的核心，分析失敗的可能性更大。

Miglani說：“對于不熟悉分析的人來說，資料科學被認為是解決問題的一種神奇的方式。預測和自學的概念很難讓人掌握。要說服你的商業夥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。“

而且組織機構在繼續努力尋找具有分析技能的資料科學家和其他專業人員。Miglani說：“培養這種能力的最好方法之一是培養這種才能，而不是在組織外物色超級明星。很多項目失敗或者推遲，就是因為公司無法按時聘請或大量流失分析人員。”

本文出處：暢享網

本文來自雲栖社群合作夥伴暢享網，了解相關資訊可以關注vsharing.com網站。