e-works数字化企业网  »  文章频道  »  基础信息化  »  大数据

如何在没有大数据的情况下执行数据科学计划

2021/12/31    来源:e-works    作者:奇志编译      
关键字:大数据  
事实表明,执行重要的分析计划并一定需要采用数据仓库。如果想通过有限的数据获得有价值的见解,则需要考虑一些优先事项。
       很多时候,IT领导者将他们的数据科学计划搁置起来,直到他们能够构建一个强大的数据工程层。他们在规划数据分析项目之前等待可用的数据仓库,假设高级分析对于转型业务价值至关重要,并且大量经过组织和整理的数据是其先决条件。但没有比这更离谱的了。

       如果企业没有大数据但希望执行数据科学计划,需要记住以下四点。

       1.业务问题应该决定需要的分析类型

       调研机构Gartner公司估计,大约80%的数据科学项目未能交付业务成果。造成这种情况的一个关键原因是企业的领导者没有选择要解决的正确业务问题。大多数数据分析项目都是根据可用数据、可用技能或可用工具集来选择的,这些都是失败的原因。数据分析项目不应该从数据或分析开始。

       企业开始走上数据科学之旅的最佳方式是反思其组织战略。找出目标用户想要解决的最重要的问题,并验证解决这些问题是否会产生预期的业务影响。业务面临的挑战将决定企业应该采用的分析方法,从而决定需要什么样的数据。

       没有数据甚至可以成为一个优势:当企业从头开始时不会被遗留的包袱拖累。另一方面,数据足迹更长的企业往往难以应对成本高昂的数字化转型。

       以生物技术商Moderna公司为例,该公司自从2010年成立以来就建立了数字优先文化,建立了一个数据和分析平台,以服务于其围绕开发基于mRNA的药物的业务重点。这种有针对性的方法有助于Moderna公司在短短两天内为COVID-19疫苗创建蓝图。

       2.分析方法决定了数据来源

       企业可能会花费数月时间构建数据仓库,结果却发现他们收集的数据不足以执行所需的分析。机器学习算法通常需要特定类型、数量或粒度的数据。在不明确如何使用它的情况下尝试构建完美的数据工程层是一种浪费。

       当在了解组织战略和要解决的业务问题之后,下一步就是确定分析方法。了解是否需要描述性、诊断性或预测性分析以及如何使用这些见解。这将阐明应该收集的数据。如果采集数据是一项挑战,需要逐步停止收集过程,以允许使用分析解决方案进行迭代。

       例如,一家大型计算机制造商的高管希望了解是什么推动了客户满意度,因此他们建立了客户体验分析程序,该程序从客户通过调查获得的直接反馈开始。在下一次调查中,以数据故事形式呈现的描述性见解有助于提高净推荐值。

       在接下来的几个月里,他们使用Twitter、论坛和市场调查等来源扩大了分析范围,以包括社交媒体反馈和竞争对手的表现。为了分析这些数据,他们使用了先进的机器学习技术。这个解决方案帮助每年增加5000万美元的客户收入。

       3.数据收集从容易获得的小数据开始

       当人们想到机器学习的先决条件时,通常会想到大数据。但认为需要大量数据来交付转型业务价值是一种误解。许多企业领导者错误地认为必须收集数百万个数据点才能发现隐藏的业务见解。

       一旦确定目标、业务问题和分析方法,下一步就是汇总要分析的数据。许多业务挑战可以通过对小型数据电子表格进行简单的描述性分析来解决。通过将数据的门槛降低到几百行,企业可以人工从系统中收集数据,将纸质记录数字化或设置简单的系统来捕获需要的数据。

       在另一个例子中,一家床垫制造商希望利用数据分析来提高产量。作为一家处于数据化转型早期的中型企业,该公司的数据足迹很小,主要由人工处理的电子表格组成。该公司没有推迟对分析的追求,而是开展了一个诊断分析项目来优化产量。

       它将可用的机器数据实现数字化,将其与少量电子表格中人工准备的数据相结合,然后使用简单的统计技术分析数百行数据并确定优化杠杆。通过揭示优化生产批次以调整温度和湿度等见解,这些建议表明其产量提高了2.3%,从而带来了40万美元的额外年收入。

       4.采用增量方法从数据中交付转型价值

       这里的关键要点是避免停止数据科学计划,因为数据量有限。它从来都不是一个连续的过程。采用设计思维方法来确定要解决的正确业务问题,而采用敏捷方法来设计正确的分析方法来解决挑战。最后需要制定一个迭代过程,以增量方式获取企业需要的数据。

       在大多数情况下,不可能预先考虑需要的所有潜在数据源。当企业开始走上数据分析之旅时,评估高级分析技术是一种资源浪费,这会导致过度设计和分析瘫痪。需要记住,数据分析项目的执行可以帮助企业构建强大的数据工程路线图。

       这种迭代过程更加高效和有效,并且会带来变革性价值。通过数据分析解决方案提供快速的胜利来建立动力。企业可以专注于用户的采用,以帮助将洞察力转化为业务决策,并最终实现投资回报。
 
责任编辑:程玥
本文为e-works原创投稿文章,未经e-works书面许可,任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴,应在授权范围内使用。e-works内容合作伙伴申请热线:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐