为什么做一家数据驱动型公司还不够

Q&AQ&A问答

为什么做一家数据驱动型公司还不够

来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-01-06

与我合作的一家大型金融公司的IT部门正在对其所有文档进行数字化和索引编制
项目的目标是消除所有文件，并将其数字化在一个可搜索的中央数据存储库中，以供整个公司的应用程序和系统链接到该数据存储库，从IT的角度来看，很容易看到逻辑，但是令我惊讶的是，该公司没有人确定可以通过此数字化数据存储库来优化的业务流程，也没有想到公司可以从该数据中获取的分析和业务洞察力，这些信息将变得可搜索，简而言之，除了数字化数据之外，没有其他战略计划或业务方向，该产品确实是“数据驱动的”，因为它正在生产数据，但它不是业务驱动的，而且该公司也没有将自己定位为看到很多个月以来任何有影响的业务成果。

许多企业正在经历类似的斗争
这些技术中的许多固有的挑战是，您不能像传统的交易系统那样插入它们，而开始编制发票，库存报告和采购订单，相反大多数AI，分析和大数据项目都经过一系列迭代的处理和测试，直到IT，数据科学家和业务用户之间达成共识，即这些项目产生的结果是“真实的”，在此过程中，其中一些项目成功了，有些却没有，风险是您正在做的项目工作变成了不是业务驱动的数据驱动的练习，那么您如何保持重点，避免陷入由数据驱动的组织而不是由业务驱动的公司的陷阱？请遵循以下三个技巧。

1.在购买技术之前确定您的业务案例
这个非常重要，如果您的公司无法可视化分析，物联网或数字化带来的可衡量的收入，成本降低，工作环境或客户满意度收益，那么您就不应该花费预算。

2.退出模式
在过去的几年中，分析，大数据和人工智能项目在产生可衡量的业务成果方面被赋予了多种选择，因为它们是在试验性实验模式下运行的新技术，并且了解项目可能会或可能不会，蜜月结束了，管理层希望大数据项目能够像交易数据系统一样产生切实的业务成果。

3.交流项目状况和方法
即使现在认为大数据项目处于成熟模式并有望产生结果，这也不会改变这样一个事实，即它们比事务性数据系统更难以实施，大数据分析和AI使用的算法必须不断完善，直到达到生产之前的至少95％的准确性，因此对于大数据项目和测试，有一种迭代的方法，直到达到可接受的准确性水平，这样的重复可以给管理层一种印象，即大数据项目由于不断的修改和重新测试而不能很好地运行，因此对于CIO和大数据来说，用通俗易懂的数据解释交易和大数据测试方法与项目之间的区别非常重要，这样管理层才能理解流程。

记住你的目标大数据项目从一开始就应该始终由业务驱动，仅仅依靠业务用例，仅靠数据收集，整理和处理数据是不够的，牢记业务目标，您将专注于真正重要的事情。

免费客服热线：400-050-6600

商业联合会数据分析专业委员会

Prev article

2021年的7大数据愿望?

返回列表

Next article

3种提高虚拟机性能并效率的方法?