京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据项目成功的七大秘密_数据分析师
如今,许多企业都理解了大数据的构成,但是要取得大数据项目的成功则是另一回事。Gartner公司的分析师,Doug Laney。 Forrester公司分析师Mike Gualtieri。International Institute for Analytics的高级研究学者,Robert Morison 都是大数据领域的专家,他们对于企业如何使用大数据有着独特的视角。 以下是他们认为可以帮助大数据项目成功的因素 ,以及那些可能会导致大数据项目失败的原因。
从小项目开始
CIO们以前也听到过这个建议,但从小项目开始到底意味着什么? “这意味着从一个你认为可以提高业务绩效的领域着手,从一个你认为分析更多数据可以获得更多信息的领域着手,” Institute的Morison说。
他举了一个制药企业的案例,这家企业想把它的产品收率提高1%到2%。使用传统的商业智能工具, 它可以分析一定数量的生产历史,从而发现生产流程中可以进行调整的部分。然后,企业想知道,如果分析更多的数据,是否可以帮助确定生产表现的真正推动力。随后,采用Hadoop相关的开源技术,该企业在一周内分析了过去三年的生产历史。
“很快,他们开始开发各种变量组合的热点地图——在这个案例中,压力,温度,搅拌和速率这些参数,都可以带来更高的产品收率,” Morison说。“因此,在几个月的时间内,他们从分析更多数据能带来什么成果,发展到在制造工厂开展实验,从而获得产量的提高。 ”
不断试验
是时候CIO们和业务主管从传统的消费,目标导向的IT项目管理风格中脱离出来了, Morison说。取而代之的,鼓励试验项目和创造性思维。在之前提到的制药企业案例中,“目标就是一边进行试验,一边进步和学习,”他说。“这一案例中真正有价值的是,一旦他们开始这样做,每一批新的产品,就成为了数据库的一部分。 他们拥有了一个持续的反馈回路。这个试验使业务表现越来越好。”
Gartner的Laney认为试验应该包括 “那些看似并不自然相关的数据源集成在一起。” 比如,零售商,分析监控录像数据“来了解商店内的客流量,”让他们有机会确定购物习惯和购物模式,他说。
采用Hadoop技术
大数据不是只有Hadoop技术,“但Hadoop是一个很大的催化剂”,因为它既廉价,又容易获取, Forrester的Gualtieri说。 许多获得大数据项目成功的企业,都或多或少以Hadoop技术为背景。“采用Hadoop。把它作为你的数据试验平台,因为你可以在相对成本更高效的情况下,整合所有数据, ”他说。
点亮“暗数据”
Laney把企业内存储后就再没有使用过的数据称为 “暗数据,”他鼓励CIO们考虑这些数据的价值。一些企业已经开始这样做了。比如,保险公司,使用文本挖掘工具分析以往的理赔报告,来更好地理解保险行业的欺诈行为或发展趋势,Laney说。
此外,让暗数据重见天日可能带来新的,有价值的收入来源。Dollar General公司通过和客户分享消费包装商品信息来支付他们的企业数据仓库费用, Laney说。软件即服务供应商Clothes Horse, 是一家新创立的,帮助在线购物者决定衣服是否合身的企业,它分析顾客数据来帮助零售商更好的了解顾客的偏好。更多新平台也不断出现,帮助分发,并销售各类供应商的数据,Laney说,包括: Microsoft;ProgrammableWeb,2013年被MuleSoft收购;Data Market,去年秋天被QlikTech收购;还有qDatum,一家总部位于德国的创业公司。
不要跟随R语言热潮
虽然开源编程语言R通常与数据科学相关联,CIO们不需要雇佣熟悉R语言的数据科学家来开始一个高级分析项目。现成的软件对于企业已经足够。Gualtieri认为,正如CIO们不会让Java开发人员对商业智能报告进行编程一样,这同样适用于高级分析项目。 Alpine Data Labs,Alteryx,SAS,RapidMiner和KNIME的工具足够成熟,来完成80%的预测分析工作,而不必从头开始创建一切,他说。
不要仅是报告数据
超越传统的分析方法,使用大数据进行分析的企业具有巨大优势。“这已经远不是饼图和柱状图了,”Gartner的Laney说。 “将数据集成到业务流程中,而不只是报告数据。”Gualtieri同时认为高级分析项目是一个优势。 “你能在继续传统报告的同时,使用大数据做出更好的报告吗?但是这并没有带来很多不同。 真正的竞争优势是当你使用那些数据,创建预测模型,”他说。遗憾的是,缺乏这样的数据科学家,Gualtieri说超越传统分析的想象力非常稀缺。
不要认为分析一定会被采纳
Morison认为分析项目失败的其中一个原因是 “相当不错的分析项目完成后,但没有被采用。”与业务部门密切合作,可以避免这类问题,他说,最近与几位首席分析师的谈话中,他得出这样的经验: “如果没有业务合作伙伴在过程中的支持,他们是不会开始项目的,即使这个项目很值得进行。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11数字化浪潮下,数据已成为企业生存发展的核心资产,而数据思维,正是CDA(Certified Data Analyst)数据分析师解锁数据价值、赋 ...
2026-03-11线性回归是数据分析中最常用的预测与关联分析方法,广泛应用于销售额预测、风险评估、趋势分析等场景(如前文销售额预测中的多元 ...
2026-03-10在SQL Server安装与配置的实操中,“服务名无效”是最令初学者头疼的高频问题之一。无论是在命令行执行net start启动服务、通过S ...
2026-03-10在数据驱动业务的当下,CDA(Certified Data Analyst)数据分析师的核心价值,不仅在于解读数据,更在于搭建一套科学、可落地的 ...
2026-03-10在企业经营决策中,销售额预测是核心环节之一——无论是库存备货、营销预算制定、产能规划,还是战略布局,都需要基于精准的销售 ...
2026-03-09金融数据分析的核心价值,是通过挖掘数据规律、识别风险、捕捉机会,为投资决策、风险控制、业务优化提供精准支撑——而这一切的 ...
2026-03-09在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心工作,是通过数据解读业务、支撑决策,而指标与指标体系 ...
2026-03-09在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05