首页 > IT业界 > 正文
想要和大数据亲密接触,“撩”的姿势一定要优雅!
2017-05-24         来源:IT863 大数据周刊       [我要评论]
企业负责技术的CTO通常不愿意把一个连续性测试项目的进度往后延,数据分析架构同样如此。因此,如果有建立数据分析基础架构的打算,最好尽早开始付诸实际行动,不要总是停留在观望和计
随着数据科学的发展,越来越多的公司想要和大数据亲密接触,但是由于他们撩的手段十分蹩脚,因此走上了一条注定要跑偏的路:过度关注于数据技术“应该”怎么做,而没有将数据科学与自身业务相结合,用它来做有益于企业发展的事。

本文通过一些常见的数据科学问题,给大家提供一些解决方法,希望能帮你在结合公司业务的前提下更好地推进数据工作。

注重分析

 

很多人都认为进行数据分析和其他数据工作的前提是公司业务稳定,有持续的良好的数据源,尽管这些公司也把自己视作数据驱动型公司,但只要存在这种想法,那通常就已经在数据战略的较量上落于人后了。

 

企业应该将数据分析视为公司和产品成功的核心基础。企业负责技术的CTO通常不愿意把一个连续性测试项目的进度往后延,数据分析架构同样如此。因此,如果有建立数据分析基础架构的打算,最好尽早开始付诸实际行动,不要总是停留在观望和计划阶段。

设立数据官

 

具有高瞻远瞩的公司已经提前部署数据分析基础架构或成立数据部门,但大多数公司依然处于建立过时的数据仓库阶段。在企业里,营销部门有营销数据,工程部门有服务器和生产数据,每个部门都有自己的数据。起初,这种过时的数据管理方式看起来更加轻便高效,每个部门只需要处理好自己部门的数据就好了。然而,随着这些信息产生交叉,数据发生关联,数据的复杂性越发体现。每个部门都有自己的工作进度,数据合作工作几乎无法流畅进行。在这种情况下,数据工作的优先级会一降再降,企业无法从数据中挖掘出任何价值。

 

对于小公司或创业公司来说,设立专门的职位来推进数据分析工作非常有必要。这个数据官可以掌控所有数据,监控数据质量并尽可能地满足数据工作对数据的需求,他负责所有数据的调配。

 

对于大公司来讲,他们可以建立完备的数据分析部门。但是,尽管如此,不少大公司还是会存在比较严重的数据孤岛。此外,很多公司的数据分析部门只做分析,他们有完成整个数据流程的能力(包括收集、存储、清理、分析和可视化等),但他们只做其中的一部分,白白浪费才能。因此,对于大公司来讲,设立首席数据官一职来全局把控数据工作就很有必要了。

先明确需求,后收集数据

 

在开始收集数据的时候,技术人员往往容易“激动”,但这种激动有时候会导致一些重要的步骤被忽略。很多公司把决定收集哪些数据的问题一股脑抛给技术部门,为了赶进度,技术部门通常会在短时间内收集所需的数据,而不考虑未来几个月或几年内的需求。这就会导致当做某些分析工作时,发现收集的数据差得很多,前功尽弃。

 

解决这个问题的方法很简单,但实现起来困难很大。首先需要根据需求定义一系列问题,然后根据这些问题构建收集相应数据的流程。收集数据、研究、分析、验证、清洗、重复。数据收集工作需要持续进行,不能停止,而且需要根据业务需求进行调整。

循序渐进

 

很多公司会在数据分析业务上“好大喜功”,想要建立的基础设施太多,想要涵盖的东西也太多,因此他们倾向于建立运行和维护成本高昂的专业化数据设施和团队。虽然意识到了数据分析的价值,但一开始就付出这么多的费用,未免太高。

 

在初始阶段就火力全开往往会导致混乱、导致超支。一开始选择几个案例,构建一个灵活的基础架构来满足业务需求,并保持合理的可扩展性,这才是一个相对稳妥的构建流程。一旦有了新的业务需求,你的数据分析架构就会快速地扩展和迭代。千万不要因为出现了新的技术或功能就马上投入研发或直接购买,因为一旦你的数据分析架构运行稳定,公司业务稳定,你需要做的就是提高效率和稳定性,并且砍掉华而不实的功能。

把数据握在自己手里

 

一些公司在开始开展数据分析时过于追求成本最小化,由于数据量有限,他们会使用第三方数据服务或者免费服务。随着数据量的增加,免费或者便宜的服务已经无法满足大规模的数据分析,他们需要付出的成本以指数级增长。这种情况下,他们其实已经没有什么好的选择了,因为他们的很多数据已经被第三方掌握了。

 

全面掌握自己的数据可帮助企业充分积累数据分析经验,培养自己的团队,建立自己的数据分析基础架构,同时也避免了一些别有用心的第三方用低廉的成本控制你的数据。从一开始,企业就应该把数据完全掌握在自己手中。
 

整合数据源
 

很多数据来源被忽视,例如CRM、HCM和其他企业应用收集的数据,这些数据集应该和企业数据库集成,以便分析人员可以随时访问和调用。随着公司数据基础的完备,除了明显的数据来源之外,还应该标识一些数据量比较小的数据来源,以便分析人员能够合并、转化和利用他们尽可能多的数据,最大化地挖掘数据中蕴含的价值。

不要本末倒置
 

有些公司在建立了数据分析基础架构后才去招聘专业的数据科学家,这其实是本末倒置。对于初创企业来说,市场环境瞬息万变发生变化,如果不立即开始数据分析,为什么要花物力财力人力去收集和存储数据?如果想从数据分析中获益,分析师和数据科学家从一开始就需要纳入规划,而不是让大量历史数据和硬件放在机房里吃灰。

 

正确的数据分析战略和战术能够给企业带来巨大的财富。但是,如果战略有所偏差,数据分析最终结的可能是苦果。希望上述问题能够帮你正确创建数据分析架构和流程,充分利用你宝贵的时间、资源和人才。



相关热词搜索:姿势 大数据

上一篇:靠脸吃饭的时代来了!刚刚,支付宝又扔了个重磅!
下一篇:最后一页

声明:文章内容仅供参考,并不意味着赞同其观点或证实其描述。
新闻排行
关于我们 | 联系方式 | 版权声明 | 招聘信息 |
IT863.COM.CN 版权所有
CopyRight @2011 IT863.COM.CN All Right Reserved