大数据实践：大处着眼， 小处着手

wangzheng3056

       从“大”的战略层面推进大数据项目， 从“小”的操作层面启动大数据项目， 是成功实施大数据的最佳方式。

      大数据分析的价值对企业来说是毋庸置疑的。 从企业战略的角度， 推进大数据分析是增强或者保持企业在大数据时代的竞争力的必然。然而， 如何着手开始大数据项目对很多企业来说是个困惑。 对于很多企业来说， 那些从未进行过分析的数据有太多未知因素（比如来自网站的那些非结构化的数据）： 到底这些数据的价值应该如何去发掘，这些数据能产生哪些有用的指标。 这些数据的质量如何等等。 由于这些未知因素的存在， 使得企业在进行大数据项目计划时很难估计成本和时间。

      哈佛商业评论的作者Bill Franks最近撰文指出： 随着企业逐步推进大数据项目， 部分未知因素将会变为已知。 但是， 对企业来说， 总会有新的数据源，新的问题还会不断出现。 因此， 对企业来说， 推进大数据项目的一个原则就是“大处着眼， 小处着手”，这是避免大数据项目风险的关键。 IT经理网将Frank的观点整理如下：

传统的方式

      在绝大多数企业里， 大数据项目常常是由于某个高管的推动。 比如说CMO认同大数据的价值。希望能够从网站数据分析消费者行为。 这样常常导致的结果， 是CMO的市场团队和CIO的团队经过长时间的讨论和计划， 确定项目范围和目标， 以及相关的分析手段等等。

      接下来， 企业开始推动这一大型IT项目。 CIO的团队设计及实施了一个复杂的流程来采集所有需要的网站原始数据， 整理成为可用的（结构化）的信息供进一步分析。

       一旦数据分析人员开始使用这些数据， 他们就会发现一些的问题， 然后， 又一个计划， 设计， 实施的IT项目流程开始了。 这样反复几次下来， 所有的人都会开始抓狂， 质疑当初为什么要推动这个大数据项目。

      这样的情况， 几乎每天都在各个企业里上演：

从小处着手的方式

     传统的方式在大数据项目中常常会失败的原因在于， 这些传统的IT项目流程是为了适应那些没有那么多不确定因素的项目。

     在这些项目里， 所有的风险都可以分析或者衡量。 所有的步骤都很清楚， 而这些在大数据项目里往往做不到。 因为， 大数据项目对目前的大多数企业来说， 是在用一种新的方式，利用新的数据去解决一些新的问题。

     因此， 从“大”的战略层面推进大数据项目， 从“小”的操作层面启动大数据项目， 是成功实施大数据的最佳方式。

     首先， 定义一些相对简单， 不需要花费大量时间和成本， 不需要大量数据量的分析项目。 比如一个电子商务网站，可以分析用户浏览过的产品， 这样， 网站可以可以对针对用户浏览过但没有购买的商品进行针对性的促销。 一些类似于这样的项目， 可以让企业很快看到这些数据能够做什么。更重要的是， 这样的方式可以产生一个可以衡量的结果， 从而可以让企业内部认同数据分析能够带来的价值。

     下一步， 企业可以进行数据采集。 企业不必要一下子建立一个正式的流程去采集所有的数据。 可以先一次性采集一部分数据。比如说， 某个部门某些产品的某个月的数据。 如果你只是采集你需要的数据进行测试， 你会发现数据量不算太大， 比较容易管理。 而不会像很多大数据项目那样， 一下子采集了大量有用没用的数据让团队找不到头绪。

     这样， 就可以交给数据分析师试着分析数据了。 数据分析师习惯了那些非结构化的原始数据， 他们知道如何提取他们需要的数据，如何把数据集分解成为测试集， 控制集， 如何分析结果等等。 在这个过程中， 数据分析师也会对如何使用这些数据有进一步的理解。 这样的原型设计过程非常有用， 它可以帮助团队了解潜在的问题和风险。为下一步分析打下基础。

     成功的原型设计也能够便于团队得到更好的支持。 由于对数据有了更好的理解以及数据价值已经部分体现， 数据项目的风险就降低了。同样， 原型设计过程也可能证明， 最初的分析并没有太多价值。 这样也可以让在企业避免浪费几个月时间和成本之后才发现问题。

    这样的“小处着手”的方式， 是大数据项目推进的一个最快， 最节省， 最有效的方式。 它可以让企业在投入巨额人力和经费之前， 了解项目的长期价值以及甄别和控制项目风险。

Via:IT经理网