短信预约提醒成功
数据挖掘老师称2017年为数据素养和数字化转型年。虽然数据是推动真正数字化转型的关键要素,但企业往往会错误地处理数据和分析项目。事实上,只有13%的数据和分析项目已经完成,而只有8%的完成项目的公司领导报告说他们对结果完全满意。
为什么数据科学项目的结果如此黯淡?
大多数失败可以追溯到四个主要的陷阱:从错误的问题开始;使用错误的数据;缺乏利益相关者的识别;以及缺乏多样化的专业知识。
提前认识到这些常见的危害将使首席信息官和it主管能够更好地领导数据科学项目,这些项目能够推动有价值的洞察力,并有助于组织数字化变革的全面成功。
一、数据科学项目为什么会失败——从错误的问题开始
很多时候,数据科学项目从分析数据开始,期望有趣的见解出现,成为商业案例的基础,并证明转换是正确的。
这种“探索性分析”方法通常会产生数十个可能产生令人信服结果的潜在数据项目。但它们中的任何一个都能产生强有力的商业案例,例如,它们能降低成本、鼓励回头客还是留住员工?“探索性”项目的范围太广,无法促进有用的分析,这是对IT资源的浪费。
一个更好的方法是以直接映射到创造业务价值的既定目标开始项目。遵循“假设”方法的项目从一组明确定义的问题开始,这些问题指示应该分析哪些数据。
这种有针对性的方法通过将业务合理性与业务操作相结合,简化了数据挖掘和分析的过程,从而将信息技术资源引导到最有可能产生可信和有意义发现的信息上。从正确的问题出发,通过提高准确性和效率,我们可以为成功的数据科学项目打下基础,从而产生有目的的洞察力。
二、数据科学项目为什么会失败——使用错误的数据
使用准确的数据是项目成功的基础,但糟糕的数据是最低估的失败原因。很多时候,公司根本没有花足够的时间清理数据。由于清理数据很重要,一个好的指导方针是将80%的项目计划分配给数据清理。
尽管这看起来有点过分,但是对项目来说,做一个彻底的工作将是最重要的省时方法,因为使用干净的数据可以加快接下来的所有步骤。想想看,即使是一个简单的错误,也可能产生一个错误的洞察,可能导致整个项目失败,并导致领导层对未来数字化转型计划的支持撤回。
现代云和数据采集工具促进了非结构化数据的整合,这些数据可以以不同的方式提取、挖掘和关联,使数据更易于管理,同时减少了时间、基础设施和错误。
三、数据科学项目为什么会失败——缺乏对利益相关者的认可
数据科学项目可以影响整个公司的商业领袖。如果没有利益相关者的支持和实施变更的承诺,项目可能会停滞或失败。
确保整个组织业务一致性的一个更好的方法是制定一个健壮的数据策略和路线图,使每个人都走上正轨。
利益相关者必须相信项目的目的,并承诺在适当的时候在部门内实施。当利益相关者看到由可靠的商业案例支持的计划的价值时,由利益相关者障碍导致项目失败的可能性大大降低。
四、数据科学项目为什么会失败——缺乏多元化专业知识
一个常见的误解是,任何涉及数据的项目都应该由IT部门负责。这种短视的观点对项目的成功不再危险。使用正确的数据分析工具很重要,但输出并不能提供有意义和有用的见解。让合适的人参与这个项目是至关重要的,不管他们在哪个部门。
最成功的数据科学项目雇用了来自各部门的团队成员,他们具有多种技能,包括了解定量研究、统计和专题知识,具体取决于倡议的议题和重点。
他们可以将不同的观点、熟练程度和经验结合起来,形成项目的目标和方向。
数据项目还受益于团队中有一个人了解业务的内部操作,以确保他们与原始业务目标保持一致。更加重视项目,发现失误的机会,充分利用全队的集体知识和人才。
以上就是《数据变革的方法有哪些?数据分析师千万不能错过这5个方法》的全部内容,从文字中我们可以看到,大数据已经成为一种强大的资源。如果你盲目地瞄准潜在客户,公司就不会成功,您需要一个清晰的愿景、战略方法和用例来推动您的大数据发现。如果你想学习更多数据分析知识,可以点击下方资料下载链接。