京公网安备 11010802034615号
经营许可证编号:京B2-20210330
让大数据项目获得成功的三条途径
大数据是营销人员喜欢的一个术语,但它开始在企业高管当中黯然失色。调研公司Gartner表示,只有11%的高管声称在大数据方面的投入很重要,或者比其他IT项目来得重要;46%的高管认为,大数据投入不大重要。
调研公司警告,太多的大数据项目上马时着眼于特定技术,而不是生产环境层面的可靠性。尽管不乏营销炒作,但是大数据仍然很重要:牢牢掌握信息可帮助企业组织获得差异化竞争优势。而CIO是帮助公司将大数据转化为业务洞察力的关键人物。
1、一开始就要搞好治理和安全
对期望投入大数据的企业来说,信息安全是个核心问题。欧盟的《一般数据保护条例》(GDPR)定于2018年5月25日开始生效,如果企业发生数据泄密事件,最高将被处以全球营业额4%的罚款。如果IT领导人期望向其他高管表明大数据的重要性,必须关注政策和程序。
Camden Council公司的临时CIO奥米德·什拉吉(Omid Shiraji)表示,其团队里面的管理人员在认真考虑GDPR对企业组织本身以及它服务的客户来说意味着什么。什拉吉表示,关键是确保GDPR充当一种支持变革的机制,而不是另建一层官僚体系。
他说:“我想尽量减小对我们行事能力的影响。管理条例常常将安全放在首位,而不是将客户放在首位。GDPR中有些原则是我们要遵循的,但是我们也得搞清楚如何让条例有利于我们的客户。CIO及其企业组织没有多少时间来搞清楚如何充分利用GDPR。”
这个观点得到了网络安全咨询公司2-sec的首席执行官兼创始人提姆·霍尔曼的认同。他表示,CIO必须专注于数据治理和GDPR,因为这很紧迫。他说:“大数据被称为大数据是有原因的――有许多数据,所以IT领导人必须小心处理。”
“业界预测存储的数据会呈指数级增长,远超出任何人能够合理使用和保护的程度。虽然大数据的统计分析有助于企业,可帮助它们搞清楚趋势、以及接下来应该怎样,但是数据的机密性、完整性和可用性受到的任何影响都会是灾难性的。”
2、让数据成为业务战略的核心
临时CIO克里斯琴·麦克马洪(Christian McMahon)是转型专业公司three25的总经理,他表示太多的公司仍忽视了自身拥有的信息所具有的力量。他说:“我始终认为,除非你拥有工具或专长来找到大数据里面的战略性或操作性知识,否则大数据毫无用处。”
麦克马洪表示,CIO们需要鼓励所在企业采取一种不同的架构和工程方法,比如使用云来覆盖更广泛的受众,并且建立按需访问的处理能力。这种需求还促使人们需要新的、不同的技能,比如数据科学。
麦克马洪说:“对CIO们来说,好消息是,那些大胆拥抱这种方法的人会重振数据战略。这么考虑让企业显得更积极主动,此外还有助于为客户开发更有用、更诱人的产品和服务。”
当然,一些IT领导人已经在数据战略方面采取积极主动的态度,全球律师事务所Clyde & Co的CIO克里斯·怀特(Chris White)就是其中之一。他所在的律师事务所正进入到这个阶段:案例管理报告自动生成。他说:“客户可能随时过来,实时查看那些报告。”
他说:“对我们来说大数据很重要,而且对我们的业务会变得越来越重要。我们需要专注于如何使用管理信息,改善我们为客户提供的信息。我们必须考虑如何最大限度地利用自己拥有的宝贵信息,以便为我们的客户增添价值。”
3、带头搞大数据项目
金融公司第一资本(Capital One)的CIO罗布·哈丁(Rob Harding)表示,他公司得益于能够访问英国足足30人的数据科学团队。这些人才华横溢,能够帮助他的公司使用大数据,打造差异化战略性优势。哈丁强有力的领导是这种成功的关键。
他说:“对我来说大数据就是我如何帮助公司里的数据科学小组竭力发挥其才能。大数据的核心不是收集庞大的信息,实际上是构建一套机制,我们的专家们可以借助这套机制,轻松分析数据,并生成可付诸行动的洞察力。”
哈丁表示,大量的企业高管仍然担心影子IT,使用大数据时更是如此。他说:“我并不担心这个――我只知道,会有人想要完成一些事情,我需要帮助他们。作为CIO,我要做的许多工作就是,我如何为我们的数据科学家提供最好的服务,帮助他们获得成功。”
哈丁表示,该公司的许多数据科学家是专家级开发人员。这些人员可以运用可能数量众多的工具。比如第一资本公司在hadoop平台上运行一个原型,用于承销和信贷风险管理。
他说:“我们通过这项工作在上市时间方面取得了一些难以置信的进步,可以迅速处理完庞大的计算工作。”这家公司始终准备积极采用新工具,目前在探究亚马逊的Redshift产品。 哈丁在帮助数据科学家团队评估这款工具的价值。
他说:“大数据的成功就是不断倾听我们数据科学团队中工作人员的心声,了解市场概况,那样我们就能最充分地利用现有技术,并且发明我们自己的一些工具。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27