var _hmt = _hmt || []; (function() {   var hm = document.createElement("script");   hm.src = "https://hm.baidu.com/hm.js?8c9c5a8618dc4aea3be27b32962e5871";   var s = document.getElementsByTagName("script")[0];    s.parentNode.insertBefore(hm, s); })();
400 050 6600
数据分析师

手机号

验证码

30天自动登录

数据分析师怎样做才能防止大数据项目失败

来源:CPDA数据分析师网 / 作者:数据君 / 时间:2020-05-15

大数据项目可能会因许多原因而失败

包括项目无法与现有业务流程集成,数据安全和/或治理挑战,大数据项目通常会失败,因为组织正在寻求通过使用广泛的大数据解决方案来解决太多问题,而不是确定终将为企业带来价值的几个核心业务案例。

 

目前还没有一种特定的工具或平台可以确保避免大数据项目失败

那里的每个工具和平台都可能对某些组织造成失败,而对其他组织则成功,的挑战是确保数据质量和组织准备就绪,以实际集成大数据集并利用机器学习(ML)和人工智能(AI)解决实际的业务问题。因为人工智能远非解决方案,确保适当的流程到位,并且您的计划与可实现且可衡量的ROI挂钩,这是组织确保成功的方法。

 

 

假设一个组织当前有一个大数据项目

该项目正在整合大量数据,然后在这些数据上实施机器学习和AI只能确保仅从该项目中获得的价值,关键是要确定业务问题,并通过首先关注单个问题,然后扩展到其他领域来假设AI如何解决该问题,公司主要致力于改善和支出IT预算,包括:减少客户流失,提高客户满意度以及根据已确定的客户偏好(或类似流程)生成自动建议,以改善客户体验。机器学习可用于构建预测模型以快速实现这些目标。

 

仅当项目需要以传统人力流程无法实现的规模进行预测和/或决策自动化时

组织才应应用AI,仅在评估数据集对被评估用例的适合性之后,才需要决定应用机器学习模型和AI。一个主要的例子是客户互动的大型数据集,其中包括结构化的CRM数据和非结构化的通话记录,电子邮件和聊天记录,以及社交媒体数据。这代表了一个的用例,可用于自动化客户情绪和满意度得分,以及通过将数据与其他交易数据集集成来建立客户流失模型。

 

企业在利用IT进行大数据项目开发时通常会犯的错误

在评估大数据技术和机器学习算法时,并没有将期望的结果明确地与可以提供ROI的业务案例联系在一起,无论是通过产生额外收入还是通过削减成本,人工智能和大数据无法解决所有问题,在某些情况下有许多更简单或更具成本效益的方法来解决问题,但总的来说清楚地定义一项计划的业务案例,并向后求解以评估可以使用大数据和AI来解决哪些案例,并测试您的初假设,这对于避免这些计划的失败至关重要。

 

Prev article

公用事业公司可能需要如何重新思考其数据管理方法

Next article

了解和信任模型及其结果是良好科学的标志

数据分析师

报名咨询

数据分析师

报名缴费

数据分析师

客服中心

数据分析师

课程服务

数据分析师

认证服务