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
; f( U0 N# m8 s: z  H: A0 C
0 X: T6 K- N9 c7 i. q: V1 o3 o1 O

' M& Q7 {% X" C0 n! u
1 H1 ^7 b# N' J% }' r8 H# w
　　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。! ~; x* M) B* m7 k* D8 g
' H7 g/ H6 D5 q! m: r  Q
　　原则 1：从原有的业务与技术中开始着手& {% C& R$ F- Y7 f* e$ o

+ F6 f& P# z5 |/ p　　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。」
/ ~. u0 `( t$ s1 l" t) _8 ]; j  ~; R4 Z1 s5 \) n
　　原则 2：从相互连结的物联网中建造数据景观
, \4 G7 a2 N+ x, H8 o' P' M0 o+ \/ M. a: D* v0 g: a1 F% y
　　「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。* H7 u' ^# F2 O" y0 z6 Y- l  {
8 @! K/ j' U% v- I! @. m) b
　　原则 3：建立数据科学与分析的文化
( ]# C. t; ~2 c2 G5 o
/ H3 Q! Y* W4 k# }3 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。5 [0 ^7 I3 t. v) Q' G. }

2 d/ x( ^& Y& J　　原则 4：从小做起，不断迭代0 p" b5 M  G8 y3 A+ \( T0 p
/ M; F2 K* ^" U* w" Q3 e* p
　　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。
" S7 N8 f4 ?3 V0 ~' m: y# g  B
. @  @7 a' D: x) M. K　　原则 5：用数据科学丈量数据科学的成败
+ T' K; }( ^- [
7 o0 w# I& D" u5 ~' e$ h/ 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。」5 r/ v+ O) ]) f& B" F3 U5 ]

  L, J$ {' D# i　　原则 6：数据的安全与隐私至高无上# a* b/ U/ f2 r% d# Z

* n$ i3 [0 F8 ]% @　　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。% {7 @6 `/ c; q) [4 Y

2 i( H; {* Q' i# H9 ]7 G8 D　　原则 7：赋予成员洞察「作用点」的力量, h2 w, J3 B& H$ G+ q3 a/ @0 K% J
2 o/ J3 m" M4 ^" f# u$ D# E2 m
　　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。
- u, U1 H: ]+ a$ n" Q& z1 a( }; s! q- ~9 e  s9 y
) Q9 {% p5 c( O* K" f1 h" u' Z1 F

+ @$ D$ E& F; `0 U' J; p% E; U7 u$ Q7 T8 M$ ~$ p  r$ x7 l
作者: xuyingSugar    时间: 2015-6-7 09:30
" i6 N, W/ Y: Z

4 H8 \2 x3 {9 Z' K* r
3 y3 H- `: d' }* ?5 U2 J5 N9 l非常感谢这么多的好东西
8 H5 N, `) B0 m3 w! k" q) S



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