大数据分析项目需要衡量但牢固的管理手
分析团队的经理必须在指导数据科学家的工作之间走一条细线，并给他们余地有效地完成工作。
ScotiaBank的数据科学家是一家基于多伦多的金融服务公司，没有任何特定的业务单位。相反，他们是独立团队的一部分 - 正式称之为决策科学集团 - 为所有银行部门进行高级分析工作。但独立的并不意味着脱颖而出当前位置该行负责决策科学的副总裁安德鲁·斯托里(Andrew Storey)表示，他和其他管理人员的工作是确保团队承担的数据分析项目不只是对商业战略和运营没有实际价值的抽象练习。
“仅仅因为我们可以做一些事情并不意味着我们应该这样做，”Storey在一次会议上说2015年TDWI行政首脑会议在拉斯维加斯。“我们真正做的是在业务中扎根，支持他们正在做的项目。在这样的单位里，你很快就会脱离现实，所以我们尽量让自己脚踏实地。”
Storey确实希望他的30次分析师在运行时创造性地思考预测分析数据挖掘应用程序针对客户和定价数据集，以帮助优化营销活动、促销优惠和产品定价，并确定不同客户之间的财务联系。事实上，培养创新文化是他管理成功企业的核心原则之一分析团队。“我们应该始终寻找更好的做事方式，”他说，增加了赋予他的工人这样做，这已经帮助保留了它们。
但是，与此同时，店铺让苏格兰债司的商业经理带领领先地决定他的团队应该探索的东西，或者他与他们合作以解决这个问题。分析调查结果需要在操作系统和流程中嵌入 - a预测模型“如果我们没有根据它做出决定，那就完全没用了，”他说。
关于数据分析的解释
团队成员也必须能够解释分析技术和方法他们已经习惯了帮助企业高管在利用结果上获得支持。并努力提高效率分析过程，楼层阉牛数据科学家远离重新插入预测模型轮。他鼓励他的团队重用来自其他行业的其他金融服务公司和组织的算法，适应银行的需求。
平衡诸如ScotiaBank的行为是管理分析团队的共同要素，它们变得更加重要 - 以及更具挑战性 -大数据分析项目扩大了数据科学家正在做的工作范围，以及他们希望分析的信息类型。
随着大型数据分析项目变得更加普遍的，转变为更大的问题，因为调查结果表明。例如，在TechTarget的IT优先事项2015年的调查中，全球2,212名受访者中的25％表示，他们的组织今年计划大数据分析部署，在五大计划软件计划中排名（见图）。同时，2014年6月由咨询Gartner公司调查的302名商业和IT专业人员的40％表示他们的组织已经投入了大数据技术，从今年以前的30％投资;另有33％的人在24个月内完成了这么做。
合作和合作的方法是必须的管理大数据分析工作咨询公司Archipelago Information Strategies的董事总经理迈克•兰帕(Mike Lampa)说。“我认为正确的心态是如何引导这个过程，而不是控制它。”兰帕警告说，如果有技能的数据科学家认为自己的工作受到过度控制，他们可能会退缩，可能会去其他地方寻找新工作。他表示，管理人员应该与团队合作，将分析工作重点放在有用的项目上，并实施关于使用数据和审查分析模型的明确指导方针，然后离开。
分析人员得到了数据仓库的钥匙
这是Netflix的那种方法已经与其数据科学团队一起拍摄。加利福尼亚州洛杉矶加托斯，公司使用了亚马逊Web服务云运行的各种系统 - 包括Hadoop.，teradata数据仓库和亚马逊的红移以及简单存储服务技术——存储多个pb级的数据，用于分析客户与在线流媒体服务的互动。
Netflix的数据平台副总裁Kurt Brown表示，在演示期间表示Strata + Hadoop World 2015他的目标是让这些数据分析师能够“尽可能少地”完成他们在数据分析项目中需要做的事情。
布朗的平台经理咨询了分析师并促进了发展最佳实践，但在进行发展工作时，他们不会提出任何盖茨。有时会导致编码错误和数据问题，但他说尝试将不良代码保持在其中分析系统在Netflix这样的公司中是“傻瓜的差事”。事后，他的一个员工寻找需要清理的代码，然后将信息发送给负责错误的分析师，以便他们自己制作修复。“我们不会为我们而不是规模，”布朗说。“它必须是共同的责任。”
Craig Stedman是SearchBusinessAnalytics华体会体育官网-意甲赞助商的执行编辑。给他发电子邮件(电子邮件保护)，并在推特上关注我们：@bizanalyticstt.。
