部门有界 数据无界 大数据需要大胸怀
最近在推进一些跨域的事情,聆听了一些教诲,获得了一些新的感悟,作为大数据管理者,拥有技术是远远不够的,更需要有大胸怀,特此分享于你。
1、 在架构层面,大数据平台要是企业级的
大数据平台从技术层面讲没有太多的秘密,无论有多大的难度,大家都可以从小做起,但平台的定位企业则要想清楚,这是由你决定的,因为这决定了平台的内涵。
比如对于运营商,大数据平台如果没有管理层的背书,极有可能建成一个仅面向市场的专业集市,传统的经分虽然号称也整合多域数据,但实际上它就是市场的集市,然而当前运营商的数据创新大多发生在了O+B领域。
在TOGAF里,提到了企业架构在预备阶段就要确立一些原则,这些原则是未来决策和行动的依据,不能动摇,现在想来,这太需要了,如果我是一个企业大数据平台的首席架构师,第一条原则就应该是“平台是企业级的,负责整个企业的数据整合。”
虽然在后续数据采集和整合过程中,会有大量的沟通协调问题,甚至争论,这些都很正常,不同专业的人员,面对不同域的数据,要采用统一的技术标准来进行采集和管理,最终显然是妥协的结果。
一个真正企业级大数据平台能建立起来,不仅仅是技术问题,更多是管理问题,在公司大数据平台建设的前期,笔者参加了不少技术讨论会,技术层面的争论是非常多的,因为一旦确认,意味着现在还好用的技术就可能被废弃。
也正因为有了企业级的原则,才能有理有据的去采集所有的数据,多少企业内部的数据管理人员由于缺乏上层明确的一个说法而让数据整合举步维艰。
2、 在运营层面,要勇于打破部门的边界
即使采集到了企业级的数据,但企业的大数据管理者往往不知觉陷入“数据是全域的,但心态仍是部门的”境况,为什么
首先是自身定位问题,硬件更新了,但软件还没更新,在企业数据贯通的前期,其实很难有懂全域数据,高屋建瓴的数据管理人员,在大量条线分割明确的企业,往往不自觉的是以部门利益为导向的,现在要求以全局利益为导向,这个转变的挑战很大。
比如以前部门的资源自己用,现在平台需要为企业各个部门服务,资源如何分配,优先级如何定,跨部门流程如何贯通,这些都是问题,企业级大数据平台建设完成可不是终结,恰恰是艰难运营的开始。
其次是不确定问题,前期笔者谈过企业要建立搭台唱戏的运营方式,通过企业级PaaS平台为各个部门提供能力支撑,但对熟悉的业务支撑相对容易,对不熟悉的业务的就变得举步维艰了。
以建模大赛为例,针对B域可能驾轻就熟,不就是精确营销吗,我们懂,但一旦换到了O域,就有畏难情绪,认为这个事情不确定强,比如网络的不熟悉,课题不知道怎么定,别人不配合怎么办,总之是一堆的问题,这对于企业的数据管理团队是巨大的挑战。
总喜欢做熟悉的事情,对于陌生的领域躲之不及,但这恰恰是企业级大数据运营的关键,不突破原有自身所在的业务领域,谈何企业级大数据,做大数据要解决大意识的问题。
当我们打造出了企业级大数据平台,应该接着问问自己的内心是否已经做好准备,去尝试一个自己从未接触的领域,我们在感叹大数据对内变现不易的时候,是否想到过是由于自身的思想禁锢而导致停滞不前
3、在数据层面,要努力掌握跨界的信息
你在某个域是数据权威,但在另一个域往往还没入门,因为数据带着天然的业务属性,所谓无业务不数据,但真的是这样吗
对于数据管理人员,如果将数据当成资产,则理解资产是第一要务,现在人工智能,机器学习很热,但再好的算法,也不如一个好的数据。
举个例子,我们举办的一次建模大赛中发现有个地市找到了一个数据,即基于信令切换可以判断是否换成WIFI上网,这可以较为准确的判断是否是异网宽带用户,而这个数据其实早已经躺在我们的平台上了,仅仅因为这个数据不属于传统的领域,我们的数据管理人员还不熟悉,但大家都知道,靠算法去判断一个异网用户是多么艰难。
重剑无锋,大巧不工,大数据的精髓往往在于去做那些朴实无华的事情,就好比我们以前理解B域数据那样,要通过不停的问,不停的取,不停的修,最终我们对于数据的理解才能达到一个新的境界,直到足以挖掘出这个数据的全部潜力,这才是企业级数据管理团队存在的价值。
4、在算法层面,要敢于去尝试一些新东西
人工智能,深度学习兴起代表了一种趋势,虽然业务为王,但也要相信算法推动业务的力量,我们在尊重业务人员的经验时候,也要想想有哪些更好的算法能服务好业务,两者是相辅相成的。
很多人估计跟笔者一样困惑吧,一方面感叹于深度学习在人机交互领域的突飞猛进,另一方面却觉得这个东西跟公司的业务相距甚远,真的是这样吗
如何让深度学习服务于自己的企业是当前每个数据管理者需要考虑的问题,总有些业务场景特征是不明显的,需要用深度网络来抽象出特征变量,总有些场景识别问题可以转换成图像识别问题,企业特别需要有能连接业务和深度学习的人,我们不能对业务人员有更多要求, 这是用技术改变业务的真正机会。
寻找的过程很痛苦,但值得去尝试,即使失败了,也积累了经验,至少理解了深度学习,搞懂了TensorFlow, 这对团队有好处,也为下一次冲锋集聚了能量。
部门有界,数据无界,是突然闪现在面前的字眼,大数据博大精深,既是技术,也是业务,更是管理,既是术,也是道,我们在羡慕互联网的跨界创新时,其实企业的跨界创新就在身边,关键在于自己是否拥有更广阔的视野和胸襟,能勇敢的往前迈出一步。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14