大数据的痛点

大数据分析仍处于初级阶段,我们还没有深入应用数据驱动决策。在这里,我们讲讨论当前的痛点以及如何用更好的方式应用大数据。

大数据为企业提供了一个更好的提高生产力和收入的机会。然而,企业在大数据收集上就遇到了麻烦。2012年,通过对300位高管和经理们的调查,清楚的展示了企业在管理大数据过程中的挑战和困难。下面是调查的要点:

66%的受访者希望企业里可以有更多的人使用分析工具。

59%的受访者认为,现有的分析框架处理大数据太慢了。

57%的受访者认为他们的分析框架无法与大数据的流入网络的速度匹配。

55%的受访者认为他们的分析工具也难以使用,因为他们不能提供易于理解的信息格式。

上述结果非常好的总结了与大数据企业面临的挑战。然而,自2012年以来,问题变得更加复杂,原因是数据量一直在以惊人的速度增加,同时企业对大数据管理的态度也出现问题。

虽然面对技术、硬件和软件方面的挑战,但企业应对大数据还是不够谨慎,这似乎是根本问题。下面的说明大数据的主要痛点:

错误对待大数据

大数据管理策略实际上反映了营销人员如何看待大数据及其潜在价值。到目前为止,大数据管理缺乏严肃性和一致性。据《哈佛商业评论》的一篇文章中,尽管大数据被公众炒的很热,企业中营销人员依赖于大数据还非常有限,只有11%的客户相关决定是通过大数据决策的。

显然,大家对大数据言行不一致。《哈佛商业评论》(Harvard Business Review)调查发现,大多数营销人员在决策时更依赖自己的直觉和他们之前对客户的经验。求助数据通常会是他们最后的选择。这是非常错误和过时的心态。如果你卖的是产品针对60岁以上的人,你可能不用考虑有一个Facebook页面,因为根据你的经验,年纪大的人一般不使用Facebook。但在一个复杂而变化的商业环境中,这种假设可能就是错的。

相反的,另一部分营销人员则过分沉迷数据。他们对待数据管理的态度走上了另外一个极端。这部分人不断检测和跟踪数据,过于集中于数据的细枝末节,即使有一部分数据已经初现端倪,但总体上却偏离了主要目标。这部分人可以破坏数据管理项目,因为他们坚持不断重置哪些不需要校正的目标。

误区

真相

它只是IT技术

事实是45%的大数据部署用于营销

它只是炒作

那为什么相关的投资在未来两年火爆,73%的营销人员计划应用数据分析解决方案作为业务牵引

大数据是结构化的,很难用

数据驱动营销提供了一个框架,我们不仅可以从海量数据获取洞察,同时可以持续的给客户呈现最新的信息

我可以控制我的数据

仅有50%额营销人员控制他们的数据。

大数据将回答我所有的问题

42%营销人员由于缺乏必要的实施步骤从而难以在营销活动中利用获取到的数据洞察

表1:营销人员和大数据神话

错误的数据管理策略

在一次采访中,迈克尔·涅夫斯基,IRI的客户和营销顾问,观察到企业没有把注意力放到营销工作中。在许多企业中,要么营销部门人手不足,要么已有的营销人员做其他和数据无关的任务。因此,专注于数据分析和数据决策的力度不够。许多营销人员往往只关注产品包装和标签,深度数据分析和客户洞察则外包给第三方。

这种缺乏长远计划的策略可能会影响未来投资回报率(RoI)。首先,许多企业通过第三方提供数据分析,这会妨碍企业营销人员在大数据方面专业技能和经验的获取。如果企业完全依赖第三方进行数据分析和获取洞察,那么需要确保并通过采取行动让第三方完全理解其业务和目标,例如让供应商参加周和月度营销会议。CMO需要确保所有营销决策者能够定期访问数据、进行分析和获取洞察。

需要快速分析更多的数据

每天,你的数据采集平台从社交媒体、传感器、手机、交易记录等几个来源获取数据,或许更多。数据在不断的增加,但只有当你处理和分析数据快速获得有意义的相关见解时这些数据才是有用的。毫无疑问,你需要先进的数据获取和分析平台。

解释数据

数据可视化在解释数据方面将发挥关键的作用。简单的理解,数据可视化就是信息的图形和图像展示方式,这显然更容易理解信息。然而,要实现数据可视化,必须首先弄清楚数据的上下文,例如,如果数据是来自社交媒体,那么首先要理解或解释客户需求,只有这样,你才能用更容易理解的格式提供数据。

确保数据质量

数据质量是当你执行数据可视化面临的首要挑战。数据采集框平台将从多个来源收集数据,如果你的工具过滤数据不恰当的话,你的数据质量将变得很差,在这种情况下,你会浪费大量的时间处理和清除冗余数据,你会输给时间,即使你最终能够获取高质量的数据并进行数据可视化,你可能已经失去了宝贵的时间,你的竞争对手也许已经打败你。

提供有意义的数据

一个巨大的挑战是如何使有意义的数据更容易被发现,尤其是当数据集是大数据集时。例如,如果你要是显示200亿行零售数据给用户,用户会会很难发现其中有意义的部分。你可以将信息分成更小的单元和逻辑组并将其展现给用户。这样,用户可以看到他们想看的数据。

安全问题

云基础设施可以让所有人更易于访问数据,尤其是当原来越多的企业把大数据存储到云端。由于云存储可以从任何地方的网络连接范文,这是出现新的、复杂的安全挑战。由于大数据从多个来源收集,如何确保进入云的数据是安全的是一个挑战。进入云的数据可以被恶意操作主要是由于Hadoop和NoSQL这些大数据工具在最初设计时安全性考虑的不够。因此,企业在收集大数据和数据安全之间必须掌握一个平衡,以确保数据的安全性和保密性。

总结

大数据对企业是一个巨大的机会,但他们首先需要关注如何看待大数据及其应用,尤其是营销部门,他们需要摆脱惯性思维和经验决策,更多依赖于客观的信息,只有当他们这么做时,他们才能更容易克服其他的挑战。

翻译:hyde PPV课原创编译 转载请注明出处 及原文链接:http://www.ppvke.com/Blog/archives/20513

PPV课其他精彩文章:


1、回复“干货”查看干货 数据分析师完整知识结构

2、回复“答案”查看大数据Hadoop面试笔试题及答案

3、回复“设计”查看这是我见过最逆天的设计,令人惊叹叫绝

4、回复“可视化”查看数据可视化专题-数据可视化案例与工具

5、回复“禅师”查看当禅师遇到一位理科生,后来禅师疯了!!知识无极限

6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布

7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载

8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募

9、回复“每日一课”查看【每日一课】手机在线视频集锦

PPV课大数据ID: ppvke123 (长按可复制)

大数据人才的摇篮!专注大数据行业人才的培养。每日一课,大数据(EXCEL、SAS、SPSS、Hadoop、CDA)视频课程。大数据资讯,每日分享!数据咖—PPV课数据爱好者俱乐部!

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2015-08-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏华章科技

为什么你的数据分析成果总是难以落地?

为什么你的数据分析成果总是难以落地?数据分析的价值总是远远低于预期?相信看完这篇文章,每个人都能找到一个属于自己的答案。以下为从事电力、军工、金融等行业担任数据...

792
来自专栏大数据挖掘DT机器学习

【观点】数据挖掘未来研究方向及热点

1、 数据挖掘未来研究方向 当前,DMKD研究方兴未艾,其研究与开发的总体水平相当于数据库技术在70年代所处的地位,迫切需要类似于关系模式、DBMS系...

5526
来自专栏AI研习社

Python赶超R语言,成为数据科学、机器学习平台中最热门的语言?

近日,kdnuggets 做了一个关于数据科学、机器学习语言使用情况的问卷调查,他们分析了 954 个回答,得出结论——Python 已经打败 R 语言,成为分...

3097
来自专栏PPV课数据科学社区

基于大数据的线上线下电商用户数据挖掘研究

Online-to-Offline( 简称 O2O) 电子商务模式,是一个连接线上用户和线下商家的多边平台商业模式。 O2O 商业模式将实体经济与线上资源融合在...

3805
来自专栏EAWorld

浅谈利用元数管理平台自动化管理指标的方法

目录: 一、企业指标管理的三个核心问题 二、解决指标管理的问题,需要从三个方面入手 三、通过元数据管理平台,实现指标管理在技术上的自动化 四、总结 指标直接反映...

5817
来自专栏大数据文摘

业界 | 数据科学简历通关指南,一文告诉你HR青睐哪些特质

1143
来自专栏无原型不设计

5 个关键点!优化你的 UI 原型设计

当你和你的团队着手开始一个产品开发的时候,最开始的一步一般是绘制线框图,这是大部分产品项目的第一步,它不复杂但是却对整个产品的完成形态和质量有着至关重要的作用...

36610
来自专栏EAWorld

敏捷数据管理的12个技术原则

回顾整个数据平台的发展,在每一个阶段所有数据类应用都会或多或少的都会有数据质量的困扰,数据标准更是难以落地。数据管理由于难度大,涉及方面多逐步成为重要不紧急的事...

3918
来自专栏程序员笔记

团队合作

1814
来自专栏ThoughtWorks

TW洞见 | 估算的目的

我第一次与敏捷软件开发的邂逅,是在极限编程刚刚兴起时,跟Kent Beck一起工作的经历。其中让我印象深刻的事情之一,就是我们如何做计划的方式。这里面包括一种估...

37611

扫码关注云+社区

领取腾讯云代金券