数学建模社区-数学中国

标题: 大数据时代，变身「大数据企业」的七大原则 [打印本页]
作者: 大微微---0170    时间: 2015-6-1 16:39
标题: 大数据时代，变身「大数据企业」的七大原则
大数据时代，变身「大数据企业」的七大原则
- Q! [- d0 B- @  l" j2 ?2 z7 A

! C$ @, g0 T4 ^4 s
9 J: k" l3 Y3 b: \
, |% M4 d$ q/ G( ], j8 z7 U
　　大数据时代，你准备好用数据驱策公司了吗?这并不是一项简单的任务，迅速吸收、整合与分析数据的能力缺一不可，而数据又来自内部原有的数据以及未来源源不绝诞生的海量数据，最终你必须把数据转化成「洞见(insights)」，并且依此为本，能在各种状况采取最适当的解决方案。法国凯捷(Capgemini)管理顾问公司「洞见与数据」副总裁 Jeff Hunter 表示，他们调查了 1000 名企业高层，整理出七项企业转型成「数据为本」的过程中，所需遵循的七大原则。! _0 |! l- l5 o+ R& I- G' Z2 b
; l9 Q  ?" P8 r. s8 y+ e6 e
　　原则 1：从原有的业务与技术中开始着手
1 a/ i. p+ p' a( O3 e8 x  O5 q/ G- B( q1 ~' v+ l
　　想要转型成以数据为本的公司，首先一定得先确认业务目标，接着便能规划战略蓝图，运用新的数据来源，达成你所设定的目标。数据成熟度(data maturity)与技术两者双管齐下的起点，将决定未来整趟旅程的行进过程。Hunter 表示：「若能适当的部署业务与技术，就可以堪屎系统性地开展业务流程与商业模式，并且明辨哪些质化元素能被量化元素取代。」0 j+ U7 Q9 B$ N# v2 ?# W' w) B

+ u& y# j# O. h' d$ a　　原则 2：从相互连结的物联网中建造数据景观3 t" h: p0 \8 r

' m$ A1 w- z  h+ ]　　「物联网」的实现近在咫尺，而且已经产生(而且会持续产生)史无前例的巨大数据。「存活超过 20 年的企业，近来不断设法制定企业数据策略，因为他们里头有数不清的数据市集(data marts)和数据孤岛(data silos)」Hunter 说。尽管公司组织努力解决数据孤岛的问题，但是宛如瀑布般倾泻而下的数据，只会一再造出新的孤岛，除非你的环境已经准备好应付那些海量数据，毕竟现在数据量产生的速度，远超 20 年前我们所习惯的步调。不过幸好，大数据热潮孕育了许多可以协助大企业管理笨重数据负担的新技术，因此能否好好善用那些新技术，把数据转化成真正的业务需求，是企业在形塑数据景观时不可或缺的原则。
; v& J+ ^% M; r7 W* O2 @+ W
0 D4 J' z& h; b/ F7 H/ z% N　　原则 3：建立数据科学与分析的文化9 o# r. l! F3 e% t
, Q/ Z. P3 D3 x' E& [% A$ `
　　想靠「数据」发威，光有技术不够，还得建立一个理解数据、而且懂得利用数据的文化，两者缺一不可，文化甚至更加重要。「对我们来说，『懂数据』不再只是副产品，而是重要的资产，你要培养『这是一种资产』的心态，你要知道，数据有可能帮你重整业务流程或挖掘出新的收入来源。」因此，数据科学不该只是几个人的职责，必须灌输到整间企业的全体成员身上，让所有的决策都变得更明智。
9 w( |0 a- L# x% H- _, y7 b3 n" X) u
　　原则 4：从小做起，不断迭代$ e/ E7 p% X) I2 u0 K/ `
$ y4 |: R/ U# _7 D& O4 D
　　我们可以预期使用者对于资讯与数据洞见的需求会愈来愈多，这表示他们要能随时随地获取这些资讯。这不是一件容易的事情，但是企业可以先从「小事」做起，找到一个可以从数据中直接受益的业务目标，接着反覆改善(iterate)，让团队不断汲取经验，最终能以数据洞悉、解决业务问题，「这个过程可以持续复制、重复消耗，」Hunter 强调，Capgemini 针对技术、人才与分析的投资，总是能被客户一再使用。
$ A7 A% W% l3 y/ S- y9 y" ]
, S9 N' H: _% a; B2 ]# C　　原则 5：用数据科学丈量数据科学的成败
$ Z3 O0 s8 J$ N+ j( u
+ g  B: {/ Z7 ^; T4 u. G" b) ^　　要让数据当个称职的主角，你得采用数据科学的方法来判断数据科学是否成功，这不是什麽跳针的玩笑话。随着你的企业从数据洞见取得的营收愈来愈多，你得要能辨析数据政策是否产生重要的改变，要发展一套尺度用衡量成败。「我们怎麽丈量成功或失败?『洞察』就是我们最重视也最关键的 KPI。」
. C$ O0 x9 l! q1 Q% e6 V- T
( X; [/ O- e! c1 e　　原则 6：数据的安全与隐私至高无上
. {- ^, U" `! Q: c0 w- |
& L  H6 _2 }8 V+ M$ j+ e　　只靠直觉行事很糟，但未经筛选、从良莠不齐或不可靠的数据中采集作为决策考量，更糟。倘若你无法处理数据安全以及尊重隐私，将会导致企业暴露在险境之中。「维护数据资产的安全与隐私，是最基本的要务，我们总是尽己所能管理数据。」Hunter 强调，无论数据产生的速度多快，都不能轻忽契约或有违反法律的情事。) D& l- d6 k" r! A- T- f

- w- F* n8 v. ?, l" c　　原则 7：赋予成员洞察「作用点」的力量; R- G# u. [) ]2 s2 E6 ?) b

3 u  p. F9 c  B3 _) E, [　　唯有公司内部的成员面对数据洞见时能够迅速产生反应，数据才有价值。这些洞见在「作用点(point of action)」上必须有所区隔，比方说，如果现阶段的目标是优化购物车，反应够快的人就会想到可以在交易完结之前，提供消费者某些推荐商品。Hunter 以机械操作员来比喻，就是要让他们能够预测钻头何时可能会损坏。建立数据为本的心态，而且懂得因事制宜，方能抢在事情发生之前预做准备。
5 O: Q4 Y4 L; g4 H
( E$ O1 [, A* D4 q& \  K3 P' I3 h+ u+ J: q; O
( s7 Z# W, D  A$ q: x
/ `0 I( V% p5 g; ^4 p
作者: xuyingSugar    时间: 2015-6-7 09:30

' G( p% s; ]+ E4 Y) z
/ H; F9 _: s7 }6 Q- j' q+ G8 F5 n$ S! M( K$ \
非常感谢这么多的好东西
. z8 }9 I( G$ h4 s; s



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5