大數據上失敗的6個跡象

當我試圖闡明我見過的一些機構是如何恰當使用大數據的，但通常更迫不得已的是解釋另外一些人是如何在大數據上錯的離譜。

我被頻繁地問到這個問題，以至於能感覺似乎少有機構能從大數據的努力出看到積極的結果。儘管事實上，他們投資數百萬美元，花費數千小時並將他們的業務的未來成功押注在這些分析的努力上。

當我試圖闡明我見過的一些機構是如何恰當使用大數據的，但通常更迫不得已的是解釋另外一些人是如何在大數據上錯的離譜。在這方面，我提供以下六個失敗跡象，表明一個機構將很可能失敗於大數據，並給出一些如何避免加入他們的行列的指導意見。

管理層你開始之前就希望看到一個投資回報

最近圍繞大數據大量的炒作集中在顛覆這個詞上；數據分析如何導致讓企業完全改變自己的洞察力。「顛覆」這個詞在韋氏詞典的定義是: 導致（事情）無法以常規的方式繼續：打斷常規的進展或活動的（事情）

幾十年來企業一直在收集、分析和借鑒數據。這意味著當下有些事情必須有所不同。卻不知怎麼的完結在過去的半個世紀用於數據分析的流程、工具和技術。我們需要獲得更好的，顛覆性的東西。

如果顛覆導致不正常的或非預期的結果，你如何可能在這樣的世界上對其業務價值做出預測呢？你怎麼可能找出給定變化會有多少的顛覆，如果顛覆和它的影響是顛覆性的？不可預測性不正是顛覆的同義詞嗎?

如果你按照這種思路想下去，你會發現大數據投資回報率（ROI）分析發展的標準實踐是一個最愚蠢的運用。世界上怎麼可能有任何程度的信心去預測不可預知的事情，而這樣的請求如何可辯稱是合理的呢？

事實上，如果你做出一個預測，你的顛覆性努力將有多顛覆，而你證明預測是正確的，那你實際上顛覆了什麼呢？如果我符合了我的期望，我真的做出任何真正的改變了嗎？或者我只是實現了一個新的、更高程度的正常呢，有可預測的進展而沒有任何實質的顛覆?

當我見到正在開發大數據戰略的高管問我ROI期待是什麼，我平時對他們的回答是：「是的，將會有一個ROI，只要你做的正確。這經常使他們混淆，因為他們已經訓練了幾十年期望一些對問題似是而非的回答,「這個項目的ROI是多少？」我向他們解釋，任何這樣的估計，如果實現,都是對顛覆的失敗定義。如果他們在幾分鐘內不明白我說的，通常我很肯定他們隨後不管是什麼樣的投資將無法產生，如何有任何的，顛覆。

你的數據倉庫團隊引導大數據的工作

如果技術領域的雞舍里有一隻狐狸，那就是要求數據倉庫專家做大數據的時候。如果我要得到顛覆性的結果，那我需要使用不同的工具，不同的技術來問不同數據的不同的問題。那是一大堆的「不同」，不適應去問那些有可能在「常規」的十年或幾十年中獲益良多的技術人員。

你的商業智能、數據倉庫或分析團隊在很長一段時間一直用同樣的工具和老數據做同樣的事情；並且他們可能很擅長他們所做的事情。很可能他們在所做的事情上是專家，經過很多昂貴的培訓、認證，用知識和經驗和老一套在做事。要求他們方方面面改變他們所做的事情和如何去做，對他們來說很可怕的要求。事實上，我一直告訴人們，如果這些人正在做大數據，而他們不害怕，那他們做的就不對。

如果你把大數據的工作交給現有的分析或數據倉庫團隊去做，你會發現兩種結果；要麼你現有的專家團隊願意扔掉他們幾十年的經驗，專業，知識和偏見，去採用一個全新的世界觀，並徹底改變他們所做的和如何去做，或者他們假裝做著所有這些事情但與他們過去所做的並不會有極微小的變化。哪一種聽起來更有可能?

營銷團隊引導大數據的工作

許多商界人士認識到IT人員在採用一種全新方法去思考和行為所面臨的挑戰，如上所述。為了應對這個問題，相當常見的是業務部門，尤其是營銷，完全繞過了自己的技術人員去部署通常被稱為「影子IT」的方案。

整個行業突然促進了這一趨勢，而你可能看到越來越多的供應商提供著「分析即服務」，「數據即服務」，或樂觀一點的「結果即服務」。這一切讓營銷高管聽起來非常簡單，這些高管對一些架構圖中貼著「數據湖」標籤的小白盒內部在發生什麼毫無興趣。然而，那些有一定程度的技術實力者明白大數據交付的承諾非常複雜。框架構圖不解決問題。

許多和我一起工作的公司通過營銷部門推動他們的大數據。他們把預算給承諾常常無法兌現的外部供應商承。這些高管們發現即使他們獲得寶貴的客戶洞察力，企業的其餘部門完全沒有準備依據這些洞察力採取行動。即使洞察力實現了，他們也不可能賺到錢。大數據正在進入一個幻滅期有什麼可奇怪的?

你的第一步是選擇一個技術

在過去的50年里如果有一個活動是大多數信息技術部門完善的，那就是工具選擇的過程。從調查到選擇；從創建請求信息（RFI）和提議請求（RFP）到選擇一個中標者，IT已成為運轉順暢的工具選擇機器。

這在大數據的世界裡是很明顯的，選擇一個平台，工具，供應商和架構，似乎消耗了全世界的信息主管大量的時間和精力。事實上，許多信息主管們似乎認為，一旦選定一個特定的軟體包，他們的數據將會得到分析，他們的工作也就完成了。

這種態度經常會導致一個殘酷的現實。一旦IT開始踏上選擇工具和供應商之路，就是死路一條了，他們會獲得和以前同樣的結果。為了達到顛覆，你必須顛覆自己。因此，如果你的IT部門用他們以前面臨的所有問題的方法面對這個問題，怎麼可能達到一個顛覆性的結果？最合理的答案是什麼呢？

你的第二步是僱傭在網路上自稱的「數據科學家」

和我一起工作的一些公司已經認識到，很難讓公司現有的專家思考顛覆。承認了這一點，他們尋求外界幫助走上顛覆之路。這裡面的挑戰是，大數據經歷了如此多的炒作，現在變得幾乎不可能找出誰是真正知道任何關於大數據的人。

在LinkedIn輸入搜索詞「大數據」或「數據科學家」，你可能會得到成千上萬的結果。有任何程度教育和工作經驗的人都會聲稱自己是數據科學家，因為對專業知識的需求迅速供不應求。使這個問題變得更糟糕的是，許多機構都不夠了解「數據科學」，不能準確地評估他們是否是數據科學家。

你要會在、5或6個月內有結果

最後，我跟許多機構討論過，這些機構，根據他們的計劃和投資回報分析，期望在未來四、五或六個月內看到一些大數據業務的努力結果。這是一個災難因素，直接源於他們在上面提到五個中的一個或多個錯誤。

在在大數據上成功，首先需要試錯。你需要失敗，學習，連續快速地適應並重試。快速迭代是成功的關鍵，任何一個為一種RFP的方法創建一個戰略規划進行技術試驗的人都可能使自己陷入一種史詩般的失敗。要贏，你必須保持靈活，迅速獲得的洞察力，快速和小步失敗，然後更快地回應這些失敗。這才是如何促進顛覆，並確保你達到和維持大數據賦予企業的變化程度。如果你目前的計劃是要求經過幾個月的努力，然後預測得到某種可用的結果，那你要害怕了。

來源：36大數據

Python量化投資實戰營（深圳-香港）

量化交易深入解析

用Python做量化交易

Mongodb資料庫與數據處理

Python量化引擎基礎，執行一個策略

環球FOF投資

股票數據統計與Alpha因子策略

量化策略-CTA策略……

2017年8月21日-25日（第二期）深圳-香港

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！