大数据时代，变身「大数据企业」的七大原则

大微微---0170

大数据时代，变身「大数据企业」的七大原则

: d- W1 m1 h4 s& `' I

! k( K: t: Q0 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。

. P/ ~4 S7 S9 F! _- B　　原则 1：从原有的业务与技术中开始着手
2 V0 {, l+ ]) }  W. [. V
　　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。」

  s) W( Z( a8 \4 }6 I7 q# [　　原则 2：从相互连结的物联网中建造数据景观

　　「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。

8 N( Y4 ~$ w# l& ?5 w1 M; z　　原则 3：建立数据科学与分析的文化
% m) y7 t$ p4 }/ |, p9 b
  B' G' K0 z; {8 U7 [+ 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。
* e* k/ f% S. v8 j/ ~( ^
# j5 Z, U. _( B: `& \　　原则 4：从小做起，不断迭代

　　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。
2 X7 `( j# g$ ?" ~
" N: l+ V3 [  e( _$ V　　原则 5：用数据科学丈量数据科学的成败
7 o2 W$ ?9 p+ [9 Y4 q* A& T+ K* b4 |
& N7 e8 G& _) ^1 r7 V　　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。」
" h5 r( \; f1 t5 M$ ?. \. r9 t
　　原则 6：数据的安全与隐私至高无上
* z7 o+ G$ n8 f5 B$ {
8 ?* L# q4 k5 b8 H3 [　　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。

　　原则 7：赋予成员洞察「作用点」的力量
% J- U1 ~) l5 z2 {
5 T9 |' v6 G3 I3 y6 {& q　　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$ @$ @/ v; ~& F7 u; i+ L" g
' B$ ?+ A9 K$ V& T" V4 ^

xuyingSugar

( S3 W, r+ d6 {# }
1 F& s# s; t( d9 S4 _$ B; W非常感谢这么多的好东西