Mason说：“优步的米开朗琪罗平台(Michelangelo platform)使数据科学家可以或许专注于特点工程、提取和分析，而不是将数据搬来搬去，是以使他们可以大年夜大年夜进步临盆力。”

如今快速完成工作——无论是将产品或办事推向市场，照样近乎及时地响应客户询问——对于公司来说都是一个巨大年夜的竞争推敲身分。分析听起来像是须要很长时光来履行的工作，与达到速度和灵活性的目标背道而驰。

Saiz说：“这种类型的项目耗时太长，并且相当复杂，这个迷思依然存在。在一天停止的时刻，这都是关于人才的。经由过程恰当的技能组合和敏捷办法的应用，大年夜问题可以在几天或几周内获得解决，而不是几个月。”

误区十一：分析是博士干的工作

误区九：技巧是最难的部分

咨询公司ISG的IT采购和数字咨询办事总监James Burke说，跟着当今可用的技巧的数量赓续增长，选择合适的对象组合来安排和集成以大年夜分析团队获得预期的结不雅并非易事。

然则，Burke嗣魅真正艰苦的部分是“把组织构造和运营模式放在一路，把人员、流程和技巧视角所须要的所有器械放在一路。别的，你如安在现有的组织内部或者‘邻近’如许做，这对组织来说似乎是最难的。”

不要认为分析对象会完成所有的工作。咨询公司West Monroe的技巧实践高等总监Greg Layok说：“技巧本身决不会解决任何营业问题。在急于创建数据湖的过程中，组织最终却陷入了池沼，或者是一个难以让任何人弄明白的信息困境。”

数据科学近年来受到了很多存眷，关于它毕竟是什么竽暌剐时会产生混淆。它重要涉及应用算法来查找数据中的模式。

Layok说技巧并不解决分析问题。他说：“起首，发明一个营业问题，然后问，'我须要哪些数据来解决这个问题?'这将赞助你发明组织内的数据缺口。”

误区十：数据分析应当是一个自力的部分

在一些组织中，数据分析本身是作为一个部分运作的，而在另一些组织中则深深嵌入到一个跨本能机能团队中，咨询和数据收集公司Delvinia的总裁兼首席立异官Steven Mast如许说道。

Mason说：“在某些情况下，仅仅处理大年夜量的数据就能取得最好的结不雅。”

Mast说：“然则，跟着所有营业范畴的数据大年夜量出现和变革产生的速度，部分模式不起感化了。跟着企业变得加倍以客户为中间，数据驱动的分析专家应当成为营业部分的核心，而不是作为一个呼叫支撑的部分来运行。”

Mast说当今很多组织面对的复杂问题都安营业部分内部，并且这些问题的很多解决筹划都隐蔽在数据中。他说：“数据科学家和专家与这些营业部分密切合作，应用大年夜量数据集和人工智能将是培养下一代产品，办事和客户体验的关键。”

在分析团队中有很多受过优胜教导的人是很棒的，但这不是成功的请求。

Saiz说：“公司往往认为，没有博士学位，他们将无法进行最佳的分析。现代分析须要一系列技能——那些在新兴技巧和开源软件方面精明的人。建立各怀特技的本能机能，包含大年夜数据架构师、数据工程师、数据科学家、数据可视化专家等等，擦?鲱重要的。”

误区十二良石工智能会破坏就业和经济

Schulze说：“人工智能解决筹划比人们在解决某些问题方面要好得多。“人工智能可以读得更快，记住更多，计算复杂的数学关系比任何人都好。然而，人工智能不克不及处理真正新鲜的情况，而这是仁攀类善于的处所。”

诚然，Schulze说，某些工作已经消掉或者因人工智能的增长而削减，其它的工作也随之而来。他说：“尽管如斯，我们懂得和解决完全无法预感的情况的才能也不会被今朝所知的人工智能技巧所代替。在可预感的将来，最有效的人工智能办法将是经由过程人工智能体系来增能人的才能，这些人工智能体系履行一些‘沉重的工作’，在这些工作中算法的表示优于人。尽管很多工作会因人工智能而产生变革，但人仍将是这个贸易生态体系的重要构成部分。”

【编辑推荐】

1. 七个必定使数据分析掉败的方法
2. 五张数据分析图描述数字人才近况
3. 关于Python数据分析的入门指南
4. 什么是Apache Spark？数据分析平台如是说
5. 数据分析1382份简历：就业性别歧视真的存在吗？

【义务编辑：赵宁宁 TEL：（010）68476606】

　　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