如果沒有合適的工具,組織將很難應(yīng)對(duì)業(yè)務(wù)挑戰(zhàn)。根據(jù)一些數(shù)據(jù)分析計(jì)劃可以提供組織所需的基本見解。
即使在冠狀病毒持續(xù)蔓延期間,有些事情也不會(huì)改變。與往年一樣,在行業(yè)媒體進(jìn)行的2021年首席信息官的現(xiàn)狀調(diào)查中,接受調(diào)查的1062名IT領(lǐng)導(dǎo)者中有許多人選擇“數(shù)據(jù)/業(yè)務(wù)分析”作為有望推動(dòng)IT投資的主要技術(shù)計(jì)劃。不幸的是,當(dāng)涉及到利益相關(guān)者的滿意度時(shí),數(shù)據(jù)分析計(jì)劃很少做得很好。
行業(yè)專家Mary K.Pratt對(duì)數(shù)據(jù)分析計(jì)劃為何仍然失敗的原因進(jìn)行了分析,其原因包括質(zhì)量低劣或孤立的數(shù)據(jù),模糊而非有針對(duì)性的業(yè)務(wù)目標(biāo),以及“一刀切”的所有功能集。但是,許多新的方法和技術(shù)正在使這種陷入困境的可能性降低。
在行業(yè)網(wǎng)站發(fā)布的一些文章中,可以找到一些有用的建議和示例,幫助組織確保分析工作能夠交付這些產(chǎn)品。這些舉措往往類似于開發(fā)項(xiàng)目(即使涉及到商業(yè)產(chǎn)品),并且具有相同的明確目標(biāo)和迭代周期,可以區(qū)分成功的軟件開發(fā)成果。
要了解全局,可以從作者Bob Violino在InfoWorld發(fā)表的一篇名為“如何在數(shù)據(jù)分析中脫穎而出”的入門文章開始。在這段簡短的文章中,Violino介紹了數(shù)據(jù)分析的基礎(chǔ)知識(shí):如何建立卓越的分析中心;自助服務(wù)解決方案(如Tableau或Power BI)的好處;機(jī)器學(xué)習(xí)令人興奮的特性;以及向云計(jì)算分析解決方案的轉(zhuǎn)變。Violino在其發(fā)表的名為“云中的分析:關(guān)鍵挑戰(zhàn)以及如何克服挑戰(zhàn)”的文章中還進(jìn)行了進(jìn)一步闡述。正如他所指出的那樣,云計(jì)算的可擴(kuò)展性和豐富的分析工具可能是無法抗拒的,但是將大量組織將數(shù)據(jù)遷移到云中并確保其安全可能是令人心悸的冒險(xiǎn)。
新技術(shù)總是會(huì)帶來新的風(fēng)險(xiǎn)。從自動(dòng)化數(shù)據(jù)準(zhǔn)備到檢測(cè)數(shù)據(jù)中有意義的模式,如今沒有比機(jī)器學(xué)習(xí)更能對(duì)數(shù)據(jù)分析產(chǎn)生重大影響的技術(shù)進(jìn)步了,但這也增加了不可預(yù)見的風(fēng)險(xiǎn)。正如CSO網(wǎng)站高級(jí)作家Lucian Constantin在其發(fā)表的一篇名為“數(shù)據(jù)中毒如何攻擊破壞機(jī)器學(xué)習(xí)模型”的文章中解釋的那樣,惡意攻擊者或黑客故意注入的不良數(shù)據(jù)會(huì)使模型趨向某些邪惡的目標(biāo),其結(jié)果可能是操縱產(chǎn)品推薦,甚至是黑客推斷機(jī)密數(shù)據(jù)的能力。
毫無疑問,正如Matthew Finnegan在Computerworld網(wǎng)站發(fā)表的一篇名為“協(xié)作分析:可以跟蹤員工”的文章中所證實(shí)的那樣,數(shù)據(jù)分析也具有陰暗的一面。收集和分析有關(guān)協(xié)作平臺(tái)上用戶交互的元數(shù)據(jù)具有其合法的好處,例如識(shí)別通信瓶頸或優(yōu)化員工體驗(yàn)的能力。但是,可以將這一平臺(tái)作為員工監(jiān)控系統(tǒng),那么將會(huì)侵犯員工隱私,并降低管理層與其他人之間的信任。
高級(jí)編輯Ann Bednarz在Network World網(wǎng)站發(fā)表了一篇名為“美國職棒大聯(lián)盟在網(wǎng)絡(luò)可見性方面發(fā)揮的作用”的文章,這是有關(guān)數(shù)據(jù)分析以提高用戶滿意度的一篇比較出色的文章,探討了MLB公司如何在其基礎(chǔ)設(shè)施中使用網(wǎng)絡(luò)流量分析軟件,以確保球員和球迷享受端到端的一致的網(wǎng)絡(luò)性能。
文章指出,部署統(tǒng)一網(wǎng)絡(luò)分析以優(yōu)化用戶體驗(yàn)的努力開始于兩年前,主要是因?yàn)镸LB公司首席網(wǎng)絡(luò)自動(dòng)化軟件工程師看到了這一必要性。他的認(rèn)識(shí)突破了成功分析計(jì)劃最重要的障礙:文化慣性。
最后,成功進(jìn)行數(shù)據(jù)分析的秘訣不在于選擇和實(shí)施完美的技術(shù),而在于培養(yǎng)對(duì)普及分析可以產(chǎn)生更好決策和出眾成果的廣泛理解。通常情況下,人們可以消除技術(shù)缺陷或需求誤解。但是如果無法改變心態(tài)的話,那么就很少有人會(huì)使用剛剛構(gòu)建的分析工具。