当前位置:大数据数据分析 → 正文

数据分析的挑战和最佳实践

责任编辑:cres 作者:James Maguire |来源:企业网D1Net  2020-10-21 10:46:38 原创文章 企业网D1Net

组织是否使用最佳实践进行分析?四位行业专家对数据分析的主要趋势进行了讨论。
 
一方面,人们听说数据分析具有神奇的力量。分析软件提供的基于指标的见解将推动组织业务取得成功。另一方面,组织中面临数据分析这样的现实:逻辑混乱,设计不当的系统以及组织高管凭直觉而不是数据驱动的洞察力进行操作。
 
为什么组织难以优化其数据分析?为了了解数据分析中的挑战并提出一些最佳实践, Dell Boomi公司全球企业营销主管Myles Suer、巴布森学院教授Tom Davenpor、哈佛商学院教授Marco Iansiti、Principal研究首席分析师Dion Hinchcliffe这四位行业专家对此进行了讨论。
 
数据分析真的对公司有用吗?
 
Suer:这要看情况而定。麻省理工学院信息系统研究中心 (MIT CISR)不久前进行了一项研究,他们发现,只有28%的公司真正做好了数字化转型的准备,而51%的公司仍然处于孤岛状态。所以真的很有趣。就人工智能和机器学习的使用而言,这很有趣。像Stitch Fix这样的公司正在为消费者做一些令人惊奇的事情,但是甚至像Nordstrom这样的公司已经成功地将他们的供应链和购买数据联系起来,并且实际上预测了人们想要什么产品。因此,有些公司正在取得成功,
 
Davenpor:国际分析学会对不同组织的分析成熟度进行了基准测试。指出,所有的成熟度模型都应该有五个层次,通常,最低的第一层通常是一团糟,而第五层是非常复杂的。但到目前为止,所有被评估公司的平均成熟度才达到2.25层。
 
Iansiti:实际上,很多的组织已经做了很多工作,我认为在很大程度上取决于其所处的行业。因此,所以我完全认同Davenpor的分析。实际上,无论是在AWS云平台还是在零售领域,亚马逊的出色表现令人赞叹。我认为它们非常先进。例如,美国运通这样的公司已经做了很多事情,或者一些信用卡公司不得不在某些方面采取行动,他们往往在不同的阶段都很先进。如果金融服务机构不在这方面进行投资,就会知道很快就会倒闭。此外,今年发生的疫情正在加快事态的发展。
 
Hinchcliffe:我对一些公司的首席信息官进行了调查,在过去的几年里,数据分析一直是推动信息技术发展的五大优先事项之一。而在我们进行的另一个调查中,数据分析排名第二,数字化转型名列第一。
 
但就像所有强大的技术一样,数据分析将领导者和落后者区分开来。我们看到,大多数组织都处于发展阶段。
 
数据分析的挑战和最佳实践
 
Iansiti:我认为现在要把事情做好,扩大规模,而且要跨越各种不同的流程。因此,并不是要建立一种很酷的算法来进行市场预测。从根本上讲,市场上有数百种这样的算法。例如, Fidelity公司有大约120个不同的项目负责人,他们致力于大规模部署一些数字化的流程。
 
Hinchcliffe:有一位首席信息官说,“我的梦想就是能够掌握我们所知道的一切,并比我们的竞争对手做得更好更快。”
 
Suer:在原有世界中,通常要求企业自己构建平台。他们购买产品,然后进行部署。在此过程中,大多数项目开展的并不顺利。所以我认为最大的问题是,组织需要数据科学家的帮助,当然也可以获得数据工程师的帮助,或者需要某种方式使组织从数据管道初始阶段清理原始数据。
 
Davenpor:我认为组织需要数据平台,但是还需要某种工作流和决策平台,因为要求组织采取其他的方法来使他们的工作变得智能化似乎并不成功。需要让事情变得简单些。例如销售人员试图确定,“我今天向谁销售产品和服务?”可以随机选择一个人,也可以说:“我们正在使用Salesforce,我的老板购买了这款产品,该产品为我提供了预测性领先评分模型。为什么不在准备的清单上选择最有可能购买产品的公司呢?”这太容易被忽视了,我认为在越来越多的情况下,如果成功地使用分析和人工智能,就必须将其嵌入到这些交易和决策平台中。
 
数据分析的未来
 
Hinchcliffe:我认为大多数组织仍在努力,并且正在处于初始阶段,他们仍然面临着巨大的挑战,把数据转移到需要的地方。而数据所有权就是问题所在。数据访问是一个主要问题,还是有些封闭。我们现在看到客户数据平台和其他解决方案得以兴起,这些解决方案使组织的数据分析能够实施系统化,使数据一致,并且其数据可以共享,因为在组织中,最有价值和不可替代的资产之一就是数据,我们看到了很多利用不足的情况。因此,我认为将看到基本进展,这样就拥有更强大的开放数据基础,我们的组织也将有更高的技能水平。
 
在五年后,我们将拥有更多经验丰富的工作人员。他们将通过分析工具在现在开放的数据平台上拥有云计算经验。他们将不再在Excel中执行所有操作,将使用Snowflake等下一代分析平台。
 
Davenport:就未来的情况而言,我认为将会更多地使用外部数据。几十年来,我们主要关注内部数据。如果我们想知道世界上发生了什么,还有那些潜在客户,需要更多地了解外部环境,并且获得更多的外部数据。如今已经看到了一些变化。具有讽刺意味的是,也许要回归规模更小的数据模型。而在一个名为GPT-3语言创造的最新人工智能系统中,这个深度学习模型中有1750亿个神经元节点。
 
Iansiti:因此,组织将要开发一些工具集,以一种比过去更加细致的访问方式来组织数据。而且,随着传统组织加快发展步伐,与数字公司相比,它们在许多方面都更加周到和保守,就在十年前,它们还是微不足道的。因此,从这个角度来看,希望在2025年能够看到的是更加负责任的数据平台架构和设计。而在这个领域中还有一定的成长空间。
 
Suer:有一件事很有趣,上市公司从几年前的20年的历史下降到了10年。因此,我认为这些成功的组织非常擅长分析和数据以及诸如此类的事情,因此,传统组织必须迅速找出应对的方法,否则他们可能会在市场竞争中落后。
 
版权声明:本文为企业网D1Net编译,转载需注明出处为:企业网D1Net,如果不注明出处,企业网D1Net将保留追究其法律责任的权利。

关键字:大数据数据分析

原创文章 企业网D1Net

x 数据分析的挑战和最佳实践 扫一扫
分享本文到朋友圈
当前位置:大数据数据分析 → 正文

数据分析的挑战和最佳实践

责任编辑:cres 作者:James Maguire |来源:企业网D1Net  2020-10-21 10:46:38 原创文章 企业网D1Net

组织是否使用最佳实践进行分析?四位行业专家对数据分析的主要趋势进行了讨论。
 
一方面,人们听说数据分析具有神奇的力量。分析软件提供的基于指标的见解将推动组织业务取得成功。另一方面,组织中面临数据分析这样的现实:逻辑混乱,设计不当的系统以及组织高管凭直觉而不是数据驱动的洞察力进行操作。
 
为什么组织难以优化其数据分析?为了了解数据分析中的挑战并提出一些最佳实践, Dell Boomi公司全球企业营销主管Myles Suer、巴布森学院教授Tom Davenpor、哈佛商学院教授Marco Iansiti、Principal研究首席分析师Dion Hinchcliffe这四位行业专家对此进行了讨论。
 
数据分析真的对公司有用吗?
 
Suer:这要看情况而定。麻省理工学院信息系统研究中心 (MIT CISR)不久前进行了一项研究,他们发现,只有28%的公司真正做好了数字化转型的准备,而51%的公司仍然处于孤岛状态。所以真的很有趣。就人工智能和机器学习的使用而言,这很有趣。像Stitch Fix这样的公司正在为消费者做一些令人惊奇的事情,但是甚至像Nordstrom这样的公司已经成功地将他们的供应链和购买数据联系起来,并且实际上预测了人们想要什么产品。因此,有些公司正在取得成功,
 
Davenpor:国际分析学会对不同组织的分析成熟度进行了基准测试。指出,所有的成熟度模型都应该有五个层次,通常,最低的第一层通常是一团糟,而第五层是非常复杂的。但到目前为止,所有被评估公司的平均成熟度才达到2.25层。
 
Iansiti:实际上,很多的组织已经做了很多工作,我认为在很大程度上取决于其所处的行业。因此,所以我完全认同Davenpor的分析。实际上,无论是在AWS云平台还是在零售领域,亚马逊的出色表现令人赞叹。我认为它们非常先进。例如,美国运通这样的公司已经做了很多事情,或者一些信用卡公司不得不在某些方面采取行动,他们往往在不同的阶段都很先进。如果金融服务机构不在这方面进行投资,就会知道很快就会倒闭。此外,今年发生的疫情正在加快事态的发展。
 
Hinchcliffe:我对一些公司的首席信息官进行了调查,在过去的几年里,数据分析一直是推动信息技术发展的五大优先事项之一。而在我们进行的另一个调查中,数据分析排名第二,数字化转型名列第一。
 
但就像所有强大的技术一样,数据分析将领导者和落后者区分开来。我们看到,大多数组织都处于发展阶段。
 
数据分析的挑战和最佳实践
 
Iansiti:我认为现在要把事情做好,扩大规模,而且要跨越各种不同的流程。因此,并不是要建立一种很酷的算法来进行市场预测。从根本上讲,市场上有数百种这样的算法。例如, Fidelity公司有大约120个不同的项目负责人,他们致力于大规模部署一些数字化的流程。
 
Hinchcliffe:有一位首席信息官说,“我的梦想就是能够掌握我们所知道的一切,并比我们的竞争对手做得更好更快。”
 
Suer:在原有世界中,通常要求企业自己构建平台。他们购买产品,然后进行部署。在此过程中,大多数项目开展的并不顺利。所以我认为最大的问题是,组织需要数据科学家的帮助,当然也可以获得数据工程师的帮助,或者需要某种方式使组织从数据管道初始阶段清理原始数据。
 
Davenpor:我认为组织需要数据平台,但是还需要某种工作流和决策平台,因为要求组织采取其他的方法来使他们的工作变得智能化似乎并不成功。需要让事情变得简单些。例如销售人员试图确定,“我今天向谁销售产品和服务?”可以随机选择一个人,也可以说:“我们正在使用Salesforce,我的老板购买了这款产品,该产品为我提供了预测性领先评分模型。为什么不在准备的清单上选择最有可能购买产品的公司呢?”这太容易被忽视了,我认为在越来越多的情况下,如果成功地使用分析和人工智能,就必须将其嵌入到这些交易和决策平台中。
 
数据分析的未来
 
Hinchcliffe:我认为大多数组织仍在努力,并且正在处于初始阶段,他们仍然面临着巨大的挑战,把数据转移到需要的地方。而数据所有权就是问题所在。数据访问是一个主要问题,还是有些封闭。我们现在看到客户数据平台和其他解决方案得以兴起,这些解决方案使组织的数据分析能够实施系统化,使数据一致,并且其数据可以共享,因为在组织中,最有价值和不可替代的资产之一就是数据,我们看到了很多利用不足的情况。因此,我认为将看到基本进展,这样就拥有更强大的开放数据基础,我们的组织也将有更高的技能水平。
 
在五年后,我们将拥有更多经验丰富的工作人员。他们将通过分析工具在现在开放的数据平台上拥有云计算经验。他们将不再在Excel中执行所有操作,将使用Snowflake等下一代分析平台。
 
Davenport:就未来的情况而言,我认为将会更多地使用外部数据。几十年来,我们主要关注内部数据。如果我们想知道世界上发生了什么,还有那些潜在客户,需要更多地了解外部环境,并且获得更多的外部数据。如今已经看到了一些变化。具有讽刺意味的是,也许要回归规模更小的数据模型。而在一个名为GPT-3语言创造的最新人工智能系统中,这个深度学习模型中有1750亿个神经元节点。
 
Iansiti:因此,组织将要开发一些工具集,以一种比过去更加细致的访问方式来组织数据。而且,随着传统组织加快发展步伐,与数字公司相比,它们在许多方面都更加周到和保守,就在十年前,它们还是微不足道的。因此,从这个角度来看,希望在2025年能够看到的是更加负责任的数据平台架构和设计。而在这个领域中还有一定的成长空间。
 
Suer:有一件事很有趣,上市公司从几年前的20年的历史下降到了10年。因此,我认为这些成功的组织非常擅长分析和数据以及诸如此类的事情,因此,传统组织必须迅速找出应对的方法,否则他们可能会在市场竞争中落后。
 
版权声明:本文为企业网D1Net编译,转载需注明出处为:企业网D1Net,如果不注明出处,企业网D1Net将保留追究其法律责任的权利。

关键字:大数据数据分析

原创文章 企业网D1Net

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^