《智能資料時代：企業大資料戰略與實戰》一3.4 避免最差實踐

本節書摘來自華章出版社《智能資料時代：企業大資料戰略與實戰》一書中的第3章，第3.4節，作者 talkingdata ，更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視

有很多潛在原因導緻大資料分析項目不能達成原定的目标和期望。在某些情況下，學會“應該怎麼做”還不如學會“不應該做什麼”。這使我們能夠形成識别“最糟糕做法”的觀念，這樣你就可以避免犯下與别人過去相同的錯誤。與自己犯錯相比，從别人的錯誤中學習要更為可取。需要關注的某些最糟糕的做法如下：

認為“隻要建成系統就行，問題會自然解決”。很多組織都會犯的錯誤是簡單地認為隻要部署了資料倉庫或bi系統就自然能夠解決關鍵業務問題并創造價值。然而，很多it、bi和分析項目經理都在技術炒作中迷失并忘記了商業價值才是他們的首要任務，資料分析技術隻是創造價值的一種工具。與盲目地營運和部署不同，大資料分析的支援者首先應該做的是确定該項技術要達成哪些商業目的，并依此來建立商業案例，隻有這時他們才能根據手頭的任務來選擇和利用正确的分析工具。如不能充分了解自己的業務需求，項目團隊最終很可能隻是建立了一個對組織而言沒有價值的大資料存儲庫，整個團隊也會陷入“受冷遇”的尴尬境地。

認為軟體可以解決所有問題。建構分析系統，尤其是涉及大資料的分析系統是一項複雜且耗費資源的工程。是以，許多組織希望其部署的軟體能成為無所不能的魔豆，并瞬間解決所有問題。人們都知道這種想法并不現實，但在内心中卻又總在期待這種情況發生。軟體的确能産生助益，有時甚至能引起翻天覆地的變化。但大資料分析作為一種工具，它的作用大小要取決于正在分析的資料以及工具使用者的分析技能。

不能了解為什麼要改變思路。重複采用同一方法并期望不同結果被認為是發瘋的表現，在資料分析的世界中的确存在着某種形式的瘋狂。人們往往會忘記，僅僅重複曾經有效的方法而不考慮情況是否已經發生改變的話，最終迎接他們的會是失敗。在大資料方面，某些組織總是認為其中的“大”隻是代表了更大的覆寫面和資料量，這種想法并不全錯，但是很多大資料分析舉措會涉及非結構化和半結構化資訊，在管理和分析模式方面這些資料與企業應用和資料倉庫中的結構化資料有着根本性的不同。由于以上原因，我們在面對大資料，至少是某一部分大資料時可能需要采用新的方法和工具來完成資料的擷取、清洗、存儲、彙總和通路。

忘記過去所有經驗。有時企業又會走向另一個極端，即認為大資料的一切都是全新的，他們必須從頭做起。對大資料分析項目而言，這種誤解對項目成功的破壞力甚至要高于不能改變思路的錯誤。僅僅是待分析的資料在結構上有差別，并不意味着我們需要改寫資料管理的基本規律。

不具備必要的業務和專業分析技能。技術萬能論會帶來的錯誤推論是認為自己隻需要安排it人員實施大資料分析軟體即可。首先，正如前文對創造業務價值的讨論，除非能在系統設計和實際運作兩個階段整合并覆寫廣泛的業務和行業知識，否則相應的大資料分析程式并不能真正實作目的。其次，很多組織都低估了所需分析技能的程度。如果大資料分析僅僅涉及報告建構和儀表闆，那麼相關企業隻需利用其現有的bi專業知識即可。然而，大資料分析往往會用到資料挖掘和預測分析等更進階的過程，這就需要相關專業分析人員具備統計、精算和其他進階技能，對于首次進入進階分析領域的組織而言，上述情況意味着它們需要雇用新的職員。

以進行科學實驗的态度實施項目。很多時候，公司認為隻要能收集資料并對其加以分析就代表自己的大資料分析程式已經獲得了成功。實際上，資料的收集和分析僅僅隻是開始。要想通過分析産生業務價值就必須将分析資料納入業務流程，并使業務經理和使用者能夠根據調查結果采取行動，并由此提高組織的績效和業績。要真正達成目标，相應分析程式還需要包含溝通功能，這樣相關人士在依據分析結果取得行動成功後，能提供回報，此後就可以基于業務成績對分析模型進行深度改良。

承諾完成不切實際的目标。許多大資料分析項目都會陷入的一種重大誤區是：支援者過度地誇大了系統的部署速度及其可能帶來的業務收益。承諾過度而實作不足會影響相關企業對技術的信心，這往往會導緻這些組織在很長時間内都不再願意利用所涉及的技術，即使許多其他企業已經利用同等技術取得成功也不例外。除此以外，一旦已經認定自己可以輕易并快速地赢得收獲，企業高管往往會低估了所需要的努力和專注度。在投入的資源不滿足需求時，相關企業會發現收獲并非如預期那般簡單和快速，并由此認定項目已經失敗。