错误的方式：“大数据”分析计划中的最差实践

'如果我们建造，他们会来'

当组织开发他们的第一个数据仓库或BI系统时，这重复了经典错误。经常，它以及BI和Analytics Program Managers在技术炒作上销售并忘记商业价值是他们的第一优先事项;数据分析技术只是一种用于生成该值的工具。而不是盲目地采用和部署某些东西，大数据分析支持者首先需要确定技术服务的业务目的，以便建立业务案例 - 以及然后选择并实施手头工作的正确分析工具。没有坚实地了解业务需求，危险是项目团队将最终创建一个大数据磁盘农场，真正对组织的任何东西都不值得任何值，在“数据狗屋”中赚取不需要的地方。

假设该软件将拥有所有答案

大数据分析的好坏取决于被分析的数据和使用这些工具的人的分析技能。

构建分析系统，尤其是涉及大数据的分析系统，可以复杂和资源密集。因此，许多组织希望他们部署的软件将是一个银弹，它为他们神奇地做到了这一切。当然，人们应该知道更好 - 但他们仍然有希望。软件确实有助于，有时会显着。但大数据分析只与正在分析的数据一样好，并且使用该工具的分析技能。

不理解你需要以不同的方式思考

通常，人们一直在尝试过去为他们工作的东西，即使在面对不同的情况时也是如此。在大数据的情况下，一些组织假设“Big”只意味着更多的交易和大数据卷。它可能，但许多大数据分析举措都涉及非结构化和半结构化信息需要以基本上不同的方式管理和分析，而不是企业应用程序中结构化数据的情况和数据仓库。因此，可能需要新的方法和工具来捕获，清除，存储，集成和访问至少一些大数据。

忘记了过去的所有教训

有时企业进入另一个极端，并认为一切都与大数据不同，他们必须从头开始。对于大数据分析项目的成功而不是认为没有什么不同，这个错误可能更加致命。仅仅因为您正在寻找分析的数据是不同的，并不意味着数据管理的基本规律已被重写。

没有必要的业务和分析专业知识

误解的必要性，即技术可以做到这一切都是信念，即所有您需要的人员都需要实现大数据分析软件。首先，与主题保持一致生成业务价值上面提到的，有效大数据分析计划必须融入广泛的商业和行业知识进入系统设计阶段和正在进行的操作。其次，许多组织低估了所需的分析技能程度。如果大数据分析仅限建立报告和仪表板，企业可能会利用现有的双专业知识。然而，大数据分析通常涉及更高级的进程，例如数据挖掘和预测分析。这需要分析专业人员具有统计，精算和其他复杂的技能，这可能意味着为正在进行进入高级分析的组织的新招聘。

像它一样对待这一项目是一个科学实验

经常经常，公司仅通过收集数据然后分析数据来衡量大数据分析计划的成功。实际上，收集和分析数据只是一个开始。分析只会在将业务流程纳入业务流程中，使商业经理和用户在调查结果中行动，以提高组织绩效和结果，使业务价值产生业务价值。为了真正有效地，分析程序还需要包括一个反馈回路，以传达由于分析调查结果而采取的行动成功，然后基于业务结果进行分析模型的改进。

有前途和努力做太多

许多大数据分析项目陷入了一个大陷阱：支持者超越了他们可以部署系统的快速以及商业福利的大大关系。过度承诺和交付欠款是让企业远离任何技术的最先驱的最佳方式，并且往往会恢复长期内的组织内的特定技术 - 即使许多其​​他企业正在取得成功。此外，当您预期的期望时，福利会很容易迅速，商业管理人员倾向于低估所需的参与和承诺水平。并且当有足够的资源承诺时，预期的效益通常不容易或快速 - 并且该项目被标记为失败。

大数据分析可以为组织产生重大的商业价值，但如果您不小心并且不从中学习，它也可能会错误的错误其他公司犯的错误。不要成为下一个不善于管理大数据分析部署的典范。

关于作者：
瑞克谢尔曼是创始人雅典娜IT解决方案，提供商业智能、数据集成和数据仓库方面的咨询、培训和供应商服务。谢尔曼写了100多篇文章，并在数十个活动和网络研讨会上发言;他也是东北大学工程研究生院的兼职教员。他的博客数据狗窝并且可以达到[电子邮件受保护]。