大数据分析不仅仅是编制报告和仪表盘数据,更在于能够获得洞察力和机会,并回答用户未知的问题。大数据分析需要用户重视当前需要解决的问题,才能获得成功。
然而在部署大数据取得成功的道路上,三大误区却一直困扰着企业。这些与技术无关,而在于企业文化和企业使用数据的方式。
误区一:大数据使企业更加灵活
如果不了解数据治理、数据存储、数据质量等大数据使用的基本原则,那么将对用户没有什么好处。如果用户不擅长处理小数据,那么部署大数据只能使情况越来越糟。
例如,数据堆积是目前最被低估的问题之一。企业不同部门由于不知道需要寻找什么信息,因此他们请求使用所有可能组合下的所有数据。于是,为企业各部门分发多个数据拷贝。
这导致不同部门得出不同结果,或将时间浪费在同一个问题上。而管理层四分之三的时间都用来解决数据堆积所带来的问题。更糟的是,重复劳动将导致拙劣的决策。
又如,依靠大数据获得行为洞察力但却忽略交易业务洞察力这种本末倒置的错误。行为数据记录个体数据点之间的相互影响和路径。而许多人认为,行为数据是改善业务的强大工具,但实际上,只有建立在交易业务数据的基础上,才能真正发挥行为数据的重要性。
行为数据不是非此即彼的数据源类型,其最终目标是提升客户体验,并引导其完成交易。换言之,如果客户未完成交易,那么行为洞察力则毫无用处。只有基于通过业务数据获得的洞察力,才能体现行为数据的价值,但行为数据本身毫无意义。
误区二:Hadoop技术将能够解决一切问题
另一个大数据技术的误区也属于非此即彼的错误。在过去二十年间,关于大数据的讨论大多与企业级数据仓库(EDW)有关。而当Hadoop技术兴起时,这一讨论话题又转向Hadoop这一开源技术黑马是否应取代当前的企业级数据仓库,并接管数据分析领域。
EDW和Hadoop用户缺一不可。“流动的”分析能力能够在同一个统一、互联、优势互补的架构中迅速处理查询请求,使大数据价值得到充分体现。信息是否存储在Hadoop框架下无关紧要,数据只有经过分析才能发挥作用。作为解决方案的重要组成部分,Hadoop的技术优势毋庸置疑,但它仅仅是解决方案的一部分。
误区三:数据科学家非常重要
但实际上,一家公司最多只有远低于1%的员工是数据科学家。这是一条重要的企业准则,但数据科学家又必须尽力帮助企业实现充分利用数据这一创新愿景。这一愿景将帮助业务和IT部门员工开辟新的分析功能使用途径,为企业提供业务洞察力。
企业里每一名员工必须有能力运用大数据技术。这不仅仅关乎技术能力或分析技能,更关乎企业文化。如果企业文化并未重视分析技术,即使使用最好的技术平台也将无法发挥其全部潜力。仅依靠数据科学家无法实现这一愿景。
当我们有能力运用社交众包协作平台,使企业每一名员工都能够协同合作,共享信息时,大数据分析的重要性将显著提升。部署该平台,将帮助用户共享并依靠其他用户的成果和信息,帮助包括数据科学家在内的所有员工共同参与数据分析过程。
总之,大数据技术的意义不仅仅在于神奇的数据科学家、数据平台或新数据源,而在于帮助杰出的团队,运用最先进的技术和所有可用数据,帮助企业达到新的高度。
来源:美商天睿Teradata大数据分析
原文作者:Oliver Ratzesberge,Teradata天睿公司软件高级副总裁