【限时免费】岁尾最强一次云计算大年夜会，看传统、社区、互联网企业若何碰撞？

5、将安然性设计到大年夜数据的各个方面

遵守本文中所介绍的关于大年夜数据分析的┞封六大年夜最佳实践策略，将赞助您企业更好的击败竞争敌手，创造新的收仁攀来源，并更好地为客户办事。

大年夜数据及其分析项目筹划或将可以或许改变游戏规矩，为您企业供给响应的洞察分析才能，赞助您企业博得市场竞争，创造新的收仁攀来源，并得以更好地为客户办事。

大年夜数据和高等分析是复杂的，然则贸易用户所依附于拜访和懂得数据的产品却并不必定必须是复杂的。

但与此同时，大年夜数据及其分析晃荡也可能面对巨大年夜的掉败，甚而导致浪费掉落大年夜量的资金和时光投入——更不消说，还有可能造成那些在令人沮丧的治理掉误中身心受损的有才能的专业技恋人员的流掉。

那么，企业组织毕竟应当若何避免大年夜数据分析项目标掉败呢?大年夜根本的营业治理的角度来看，一些具有可操作性的最佳实践筹划是最为明显的：例如，起首，要大年夜企业最高等其余高管们那边获得对于大年夜数据分析项目标充分承认，确保为该大年夜数据分析项目争夺到所有所须要的技巧投资以及足够的资金财务支撑，并根据实际须要实施相干专业常识或技能方面的培训。如不雅您企业没有起首很好的解决这些基本性的问题，那么，后续的其他方面的问题真的也就没有进一步商量的须要了。

而假设您企业已经完成了上述根本面范畴的工作，那么，差别大年夜数据分析项目成败的关键原因就在于，您企业将若何处理大年夜数据分析的技巧问题和挑衅。由此，你企业可以遵守如下几大年夜策略，以尽量确保贵公司大年夜数据分析项目标成功。

1、细心为您企业的项目选择大年夜数据分析对象

很多技巧方面的掉败均源竽暌冠如许一个事实：企业所采购和安排实施的产品被证实异常不合适于他们所正在尽力完成的工作项目。任何一家供给商都邑将“大年夜数据”或“高等分析”等所谓高大年夜上的术语印到他们的产品解释上，以便环绕这些术语进行高度炒作。

然则，不合产品之间的差别不仅仅只存在于其质量和有效性方面，而同时还存在于各类不合产品所专攻的重点范畴方面。是以，即使您企业选择了在技巧上可能相当强大年夜的一款产品，但该产品很有可能并不擅善于您企业当下实际所须要做的工作义务。

几乎所有的大年夜数据分析对象都具备一些基本性的功能，比如数据转换和存储架构(例如，Hadoop和Apache Spark)。然则，在大年夜数据分析对象产品的市场上其实也话苄很多细分的市场，故而您企业必须针对您的技巧计谋实际所涉及的范畴采购产品。这些具体的范畴包含流程发掘、猜测分析、及时解决筹划、人工智能和贸易智能仪表板。

在决定购买任何大年夜数据分析对象产品或存储平台之前，您务必须要弄清跋扈企颐魅真正的营业需乞降问题，选择旨在可以或许有效解决这些特定问题的产品。

例如，因为编译宏大年夜的数据集的复杂性，您企业可以选择应用认知大年夜数据产品，如人工智能来分析非构造化数据的分析对象产品。然则，您企业肯定不会将认知对象用于构造化和标准化的数据，为此您可以安排浩瀚有助于以更合理的价格及时获得高质量的洞察力的分析产品之一，电信公司沃达丰的大年夜数据全球流程主管Israel Exposito表示说。

Exposito表示，在为您企业的临盆情况选择一款分析对象之前，请务必至少应用两种产品来运行概念证实是较为明智的。该产品还应当可以或许与您企业的相干平台进行交互。

每款大年夜数据分析对象都须要在后端体系中开辟数据模型。这是该分析项目中最为重要的部分。所以，您企业将须要确保体系集成商和营业主题专家可以或许联袂合作。务必确保大年夜一开端就选对了对象。

重要的是要记住，必须始终保持恰当数据的可用性，并将其翻译转化成营业说话，使得用户得以可以或许充分懂得输出，大年夜而可以应用这些分析洞察来推动对于市场机会的把握或流程的改进。

2、确保分析对象易于应用

除此之外，最为重要的是，切记不要为非技巧营业用户供给法度榜样员级其余对象。他们操作起来会认为力不大年夜心，可能会诉诸应用他们以前的对象，而这些对象并不克不及真正的奏效(不然，你企业就不会大年夜费周章的实施大年夜数据分析项目了)。

3、将项目和数据与企业实际的营业需求相匹配

缺点的数据分析工作可能掉败的另一大年夜原因是：因为这些分析工作最终沦为了寻找并不存在的问题的解决筹划。这就是为什么你企业无比须要把你正在寻求解决的营业挑衅/需求摆在精确的分析问题上的原因地点了，信息办事供给商Experian公司的全球数据实验室的首席科学家Shanji Xiong说。

关键是要在大年夜数据分析项目实施的早期就邀请具有强大年夜分析背景的主题专家与数据科学家合作，来赞助您企业肯定真正问题的地点。

如下，是Experian公擅本身的一个大年夜数据分析项目标例子。该公司在开辟分析解决筹划以袭击身份讹诈行动时，他们所面对的挑衅是评估客户所提交的一套小我身份信息(PII)(如姓名、地址和社会安然号码)是否合法;或者说，挑衅可能存在于评估应用一套身份信息的组合来申请贷款的客户是否是该身份的┞俘当拥有者。又或者两种挑衅都可能存在。

第一个挑衅是“综称身份”的问题，故而该公司须要一款分析模型来评估在花费者级别或PII级别评估一套整合的身份信息的风险。第二个挑衅是应用法度榜样讹诈问题，须要在应用法度榜样级别进行模型的开辟，以评估是否存在讹诈风险的评分。Experian公司必须懂得到这些是不呵９依υ?题，尽管其最初可能被看作是同样的问题，但却须要建立恰当的模型憾ブ析来解决这些问题。

当一套小我身份信息被提交给两家金融机构以申请贷款时，平日的请求是将返回雷同的综称身份信息风险评分，但这平日并不是应用法度榜样讹诈评分的须要特点。

　　推荐阅读

　　30年后，私人管家会被人工智能取代吗？

人工智能”应该是最近这一两年来非常火爆的话题之一。李开复曾说过在未来的10-15年后，也许有50%的人类将要面临其部分或全部工作被替代的局面。人工智能行业的迅猛发展，已经让机器人替代人类具有非常高的可实现性。>>>详细阅读

本文标题：企业如何避免大数据分析项目失败

地址：http://www.17bianji.com/lsqh/39997.html

 1/2    1