Shankar：大数据分析项目成功的五项基本原则

大数据市场目前的焦点问题是：从社交网络、APP和市场调查等多种数据源收集海量数据容易，但真正产生商业价值的大数据分析项目的实施依然很难。

根据Cloudera提出的大数据三大应用模式Transform、ActiveArchive和Exploration，大数据分析目前大多处于前两个模式，只有少数企业真正能够进入大数据分析的实质性阶段。

近日，数据挖掘分析专家Shankar根据17年的商业分析经验(服务过的客户包括HomeDepot、BestBuy、可口可乐、宝洁等)，提出了成功实施大数据业务分析项目的五项基本原则。

一、定义范围。

每家企业都面临业务增长和降低成本挑战，领导层需要清楚哪些是紧迫问题，然后IT专家能够聚焦在几个关键领域，通过数据分析查找问题根源，例如某条产品线的销售业绩为何下滑。一旦敲定数据分析的问题对象，就可以为数据分析项目制定量化的业务目标，例如未来6-12个月将客户投诉降低2%，利润提高3%或者返券率降低5%等。

二、找到合适的推手。

大数据分析项目需要一个同时能跟企业高管和技术管理者进行有效沟通，又能够在多个业务部门之间协调的善于沟通的项目领导者或者说推手，能够在控制和沟通分析成果方面扮演重要角色。目前按大多数企业都迫切需要这样的分析带头人。

三、不要做完美主义者。

不要等数据仓库一切完美后才开始数据分析。快速启动，先做一些概念验证类的仙姑，在3-6个月内评估初始结果，很多企业都认为只有“万数俱备”才可开始数据分析，这是不对的。在正确的道路上尝试学习并应用小的概念比数据仓库就绪前的瞎猜要更好。

四、平衡速度与准确性。

很多公司过去十年花费大量财力人力建设数据仓库却未看到任何收益。要知道，一个大型数据仓库项目往往需要一年后才能生成用户可用的报告。这期间，企业完全可以手机另外十亿个数据点，应对新的业务挑战。我的建议是针对特定的业务领域手机原始数据并进行分析。把数据分析周期从数月缩短到数周。

五、数据可视化是关键。

通常意味分析师会在一个项目上花两个多月的时间，最后将统计结果制作成长达数百页的PPT。请停止这么做!优秀的数据可视化图表可以“一图抵万页PPT”。类似Price活AttritionAlerts这样的可操作可视化工具可以让销售团队更好地抓住客户。关键点：将成堆的数据简化成几张飘来能干的数据图表即是科学也是艺术。数据可视化需要明确给出短期内的行动建议，这样才能产生最大的商业价值。