數(shù)據(jù)分析是當(dāng)今信息技術(shù)領(lǐng)域最熱門的概念之一，正確的運用能夠帶來巨大的業(yè)務(wù)收益，但錯誤的理解可能會阻礙企業(yè)最終受益。
以下是八點關(guān)于數(shù)據(jù)分析的一些誤解。你“中招”了嗎？
誤解
01
數(shù)據(jù)分析需要大量的投資？
“要花多少錢?”這是IT部門和CIO在提議啟動項目或部署新工具時遇到的首要問題。一些人認(rèn)為，數(shù)據(jù)分析本質(zhì)上非常“昂貴”，所耗甚多，因此，只有擁有巨額預(yù)算或者大量內(nèi)部資源的企業(yè)才能實施。但是，并不是所有的數(shù)據(jù)分析工作都需要大量的投資。
Trulia公司（在線房地產(chǎn)服務(wù)提供商）副總裁Deep Varma表示:“現(xiàn)在市面上有很多開源和其他的工具，可以幫助你開始展示數(shù)據(jù)分析的價值。”“你需要對你的內(nèi)部數(shù)據(jù)存儲有一個很好的理解，以及你想要解決的問題。”云存儲也使得通過分析來解決業(yè)務(wù)問題變得更加容易。
現(xiàn)代分析“基于云系統(tǒng)和大數(shù)據(jù)架構(gòu)，根據(jù)定義，它比傳統(tǒng)數(shù)據(jù)倉庫系統(tǒng)要便宜得多，”安永全球分析負(fù)責(zé)人Beatriz Sanz Saiz補充道，“此外，數(shù)據(jù)和分析通常應(yīng)用于三個結(jié)果:提高流程效率、實現(xiàn)收入增長和風(fēng)險管理?？偟膩碚f，數(shù)據(jù)和分析的應(yīng)用會給任何公司帶來巨大的收益。”
誤解
02
數(shù)據(jù)分析一定要“大”數(shù)據(jù)？
對許多人來說，大數(shù)據(jù)和分析的概念是密不可分的。他們的想法是，組織需要在執(zhí)行分析之前收集大量的數(shù)據(jù)，以產(chǎn)生業(yè)務(wù)洞察力，改進(jìn)決策制定等。
當(dāng)然，大數(shù)據(jù)分析的好處已經(jīng)得到了充分的證實，擁有資源的公司確實可以通過利用他們的數(shù)據(jù)存儲作為分析工作的一部分來獲得顯著的競爭優(yōu)勢。但“大數(shù)據(jù)是數(shù)據(jù)分析的必需品”的觀點是不正確的。
“人們經(jīng)常試圖捕捉盡可能多的數(shù)據(jù)，他們聽到了‘大數(shù)據(jù)’，變得興奮起來，”Tim Johnson是著名人力資源公司Allegis Global Solutions的執(zhí)行總監(jiān)，主要負(fù)責(zé)商業(yè)智能方面，“人們的誤解是，數(shù)據(jù)越多越好，機(jī)器會把它們?nèi)空沓鰜怼?rdquo;
然而，分析師不需要更多的數(shù)據(jù)，而是需要具體的數(shù)據(jù)。“95%的用戶都在尋找與他們的工作相關(guān)的信息，以此來支持決策和提高性能，”Johnson說。除了關(guān)注更多的數(shù)據(jù)之外，組織還必須考慮業(yè)務(wù)用戶，以確定他們需要訪問哪些數(shù)據(jù)，以及如何顯示這些數(shù)據(jù)。
誤解
03
好算法是制勝法寶？
事實上，有了足夠的數(shù)據(jù)，“有時候算法并不重要，”ThoughtWorks的技術(shù)總監(jiān)Mike Mason這樣說道。在IEEE的一篇文章中，他引用了“數(shù)據(jù)的非理性效果”，去說明在某些情況下，“僅僅處理一大堆數(shù)據(jù)就能獲得最好的結(jié)果”。
谷歌的工程師認(rèn)為，簡單的統(tǒng)計模型，再加上大量的數(shù)據(jù)，比包含大量特征和摘要的復(fù)雜模型獲得的結(jié)果更好。
誤解
04
數(shù)據(jù)分析耗時很久？
科技發(fā)展日新月異，出于對公司競爭力的考慮，從產(chǎn)品的推陳出新，到服務(wù)的及時響應(yīng)，都在貫徹“時間就是金錢”。在這種情形下，數(shù)據(jù)分析，聽上去就像是耗時很久的事情，與現(xiàn)代企業(yè)機(jī)構(gòu)追求速度的目標(biāo)背道而馳。
“我們通常認(rèn)為數(shù)據(jù)分析類型的項目耗時太長，而且相當(dāng)復(fù)雜。”Saiz 表示，“然而，在正確的混合技能和靈活的方法應(yīng)用之后，即使是很大的問題，也能夠在幾天或者幾周內(nèi)得到答案，而不是幾個月。”
誤解
05
技術(shù)是數(shù)據(jù)分析最難的一部分？
咨詢公司ISG的IT咨詢部主管James Burke表示，隨著如今越來越多的技術(shù)可供使用，選擇合適的工具組合來部署和整合，以獲得分析團(tuán)隊想要的結(jié)果，著實是一大挑戰(zhàn)。
他指出，真正困難的部分是“把組織結(jié)構(gòu)和數(shù)字模型結(jié)合起來”，數(shù)據(jù)分析不止關(guān)于技術(shù)，還與人息息相關(guān)。他同時指出，“身在組織內(nèi)部，去做關(guān)于這個組織的數(shù)據(jù)分析，其實非常困難。”
同樣重要的是，不要假設(shè)分析工具會完成所有的工作。咨詢公司W(wǎng)est Monroe的技術(shù)實踐高級主管Greg Layok說:“單靠技術(shù)永遠(yuǎn)解決不了任何商業(yè)問題。”“在急于創(chuàng)建數(shù)據(jù)‘湖’的過程中，組織最終會陷入‘沼澤’，或者，最終得到的只有任何人都無法理解的混亂信息。”
Layok補充道，技術(shù)并不能解決分析問題。正確的做法是，首先，確定一個業(yè)務(wù)問題，然后，問自己：“我需要什么數(shù)據(jù)來解決這個問題?”
誤解
06
數(shù)據(jù)分析應(yīng)該是一個單獨的部門？
數(shù)據(jù)咨詢公司Delvinia的總裁Steven Mast表示，在一些機(jī)構(gòu)中，數(shù)據(jù)分析是一個獨立的部門，而在另一些組織中，數(shù)據(jù)分析被深入地嵌入到一個跨職能的團(tuán)隊中。
“然而，隨著所有業(yè)務(wù)領(lǐng)域數(shù)據(jù)的爆炸性增長，以及變化正在發(fā)生的速度，部門模式并沒有起作用，”Mast說，“隨著組織變得越來越以客戶為中心，數(shù)據(jù)驅(qū)動的分析專家應(yīng)該處于業(yè)務(wù)部門的核心，而不是作為一個支持部門。”
現(xiàn)在組織面臨的許多復(fù)雜問題都在業(yè)務(wù)部門內(nèi)部，而解決這些問題的方法隱藏在眾多數(shù)據(jù)中，數(shù)據(jù)專家應(yīng)當(dāng)與業(yè)務(wù)部門密切合作，在實踐中運用大數(shù)據(jù)和人工智能，這將是孵化下一代產(chǎn)品、提升企業(yè)服務(wù)能力，增加客戶體驗的關(guān)鍵。
誤解
07
數(shù)據(jù)分析一定需要“博士”？
在分析團(tuán)隊中擁有大量受過良好教育的人是件好事，但這并不是成功的必要條件。
“公司傾向于認(rèn)為，如果沒有博士學(xué)位，他們就無法完成一流的分析，”Saiz說?，F(xiàn)代數(shù)據(jù)分析更多的是需要技能的混合——那些精通新興技術(shù)和開源軟件的人（包括大數(shù)據(jù)架構(gòu)師、數(shù)據(jù)工程師、數(shù)據(jù)科學(xué)家、數(shù)據(jù)可視化專家等等)，將會對數(shù)據(jù)分析起到重要作用。
誤解
08
人工智能將破壞就業(yè)，破壞經(jīng)濟(jì)？
從歷史上看，新技術(shù)的引入已經(jīng)擾亂了許多工作和行業(yè)，人們擔(dān)心人工智能將消除人們自身去執(zhí)行某些任務(wù)的需要。
“人工智能解決方案比人們在解決某些問題上要好得多，”Trevor Schulze（存儲器方案供應(yīng)商Micron公司CIO）說道，“人工智能讀起來更快，記住更多，計算復(fù)雜的數(shù)學(xué)關(guān)系比任何人都好。”然而，人工智能無法處理新的場景，這是人類擅長的地方。
他表示，某些工作機(jī)會因為人工智能的發(fā)展而減少，但是，其他的工作隨之而來。“人類本身的認(rèn)知能力，理解能力，和在不可預(yù)見情況下的反應(yīng)能力，這些不會被目前的人工智能取代。盡管很多工作會因為人工智能而改變，但是人們在一段時間內(nèi)，仍然是商業(yè)生態(tài)系統(tǒng)的關(guān)鍵部分。”
