CTO练习营 | 12月3-5日，深圳，是时刻成为优良的技巧治理者了

在IT界，炒作越大年夜，误会就越大年夜，数据分析也不例外。分析是当今信息技巧最热点的方面之一，它可以带来明显的营业收益，然则误会可能会妨碍分析功能的顺利和及时的交付，而这些功能这可能会使营业用户和最终客户受益。

跟着组织创建或扩大其分析策略，下面来看看十几个他们可能要避免的误区。

误区一：数据分析须要大年夜量投资

如今看来，每一项技巧尽力都必须经由过程一个确保经济稳健性的过滤器。IT和营业经理们提出启动项目或安排新对象时，起首会提出的问题之一是“这要花费若干钱”?

有些人认为数据分析本质上是一项昂贵的工作，是以它仅限于预算较大年夜或内部资本较多的组织。但并非所有的数据分析工作都须要大年夜量的投资，移动和在线房地产办事供给商Trulia的工程副总裁Deep Varma如许说道。

Varma说：“如今市场上有这么多的开源以及其它对象可以赞助你开端展示数据分析的价值。你须要对内部数据存储以及你要解决的问题有一个很好的懂得。在测验测验用分析解决营业问题时，云使之变得更简单。”

误区六：数据科学是一种神秘的“魔法”

现代分析“是基于云体系和大年夜数据架构的，大年夜定义上来说它们比传统的数据仓库体系要便宜得多”，安永咨询公司的全球分析引导者Beatriz SanzSaiz弥补道。

Saiz说：“别的，平日用数据和分析实现三个结不雅：进步流程效力、收入增长和主动风险治理。总而言之，数据和分析的应用为所有公司带来重大年夜的成本收益。”

误区二：你须要大年夜数据来履行分析

对于很多仁攀来说，大年夜数据和分析的概念是齐头并进的。这个设法主意是，组织须要在履行分析之前收集大年夜量数据，以便产生营业洞察，改进决定计划制订等。

当然，大年夜数据分析的好处已为大年夜家所接收，拥有这些资本的公司确切可以经由过程应用其数据存储作为分析工作的一部分来获得明显的竞争优势。然则，大年夜数据是分析必弗成少的设法主意是不精确的。

人力资本公司Allegis Global Solutions的贸易智能履行总监Tim Johnson说：“人们经常试图采集尽可能多的数据;他们一听到‘大年夜数据’就高兴不已。这个误会就是数据越多越好，机械会分门别类。”

汗青上新技巧的惹人已经颠覆了很多工作和行业，人们担心人工智能会清除人们履行某些义务的须要。

然则，与其说分析师须要更多的数据，不如说他们须要具体的数据。Johnson说：“95%的用户正在寻找与他们的工作相干的信息，并支撑决定计划和进步机能。企业与其存眷更多的数据，不如多为营业用户着想，不仅要肯定他们须要拜访哪些数据，并且还要肯定若何展示数据。

Johnson说：“供给对各类信息和多种格局的拜访可能是巨大年夜的挑衅，并且实际上阻碍了采取。相反，找出对它们来说很重要的工作，以及若何故最简单的情势向他们展示这些信息。”

误区三：分析可以清除工资误差

主动化体系履行的方法是不该该带有误差的。但技巧是由仁攀类建立的，所以清除所有的误差几乎是弗成能的。有人认为分析和机械进修可以清除工资误差。

全球技巧咨询公司ThoughtWorks的技巧负责人Mike Mason说：“不幸的是，这根本不是真的。算法和分析应用‘练习数据’进行调剂，并将重现练习数据的任何特点。”

Mason说袈溱某些情况下，这会给分析结不雅带来成见;在其它情况下，结不雅可能会更糟，他说：“‘仅仅因为算法这么说’并不料味着谜底是公平的或有效的。”

误区四：最好的算法老是能赢

事实上，有了足够的数据，“有时刻算法并不重要，”Mason如是说。他在IEEE的一篇文┞仿中引用了“数据的不合理有效性”，谷歌的工程师认为，简单的统计模型，加上大年夜量的数据，比包含很独特点和摘要的“智能优胜”模型取得更好的结不雅。

误区五：算法能确保安然

Johnson说，人们固有的信赖统计模型和算法在很大年夜程度上是跟着组织建立他们的分析法度榜样而逐渐依附复杂的模型来支撑决定计划。

Johnson说：“因为人们不懂得模型、算法和其它先辈的数据科学实践，所以他们信赖它们。用户不认为本身具备可以挑衅模型的常识，相反，他们必须信赖建造它们的“聪慧人”。

误区八：分析太耗时

Johnson说：“在以前的50到60年迈，我们据说过人工智能将在20年内接收仁攀类的工作，并且我们将持续听到人们如许说。在我们可以或许不雅然地信赖机械进修和结不雅之前，还有很多工作要做。在那之前，我们须要挑衅构建算法和模型的人，以解释若何得出谜底。我们不是不克不及依附结不雅，而是须要透明度，以便我们可以信赖和验证分析。”

数据存储公司Micron的首席技巧官 Trevor Schulze说：“数据科学似乎很神秘，因为这些算法可以或许分析更多人脑更所无法懂得的变量和数据集。”

Schulze说：“近年来，跟着计算才能和内存的增大年夜，我们如今可以或许快速解决十年前用任何技巧解决不了的问题。数据科学是统计揣摸技巧的天然演变，数十年来已经获得很好的懂得。一旦你懂得了数学，数据科学就没有那么神秘了。”

误区七：为了做更多的数据科学，你须要更多的数据科学家

数据科学家是当今所有技巧专业人员中最紧俏的。如不雅他们把精力转移到应当做的工作上，也许组织就不须要这么多如许的专业人士。

Mason说：“很多半据科学家的时光花在了非增值晃荡上，比如寻找数据集、把数据放到可以处理它们的处所、以及转换和清理数据”。鉴于聘请数据科学家是这么地艰苦，那些低价值的义务并不是你想要的。

　　推荐阅读

　　企业将业务迁移到云端时准备应对的挑战

CTO练习营 | 12月3-5日，深圳，是时刻成为优良的技巧治理者了 跟着云计算的广泛采取，企业变得比以往更具活力。如今，很多公司的营业正在向云计算迁徙。选择云供给商几乎老是确保经久供给商>>>详细阅读

本文标题：破除十二个数据分析的误区

地址：http://www.17bianji.com/lsqh/39392.html

 1/2    1