?

奇迹赌场

-->
大數據文化的7大支柱
Adrian Bridgwater 2017-05-16 福布斯,Teradata

大數據分析和數據科學的世界非常迷人,但同樣程度上,也可能被過度誇張。今天我們將用7個關鍵的大數據“文化元素”來提示企業應該如何包容和應對大數據所提供的潛在的業務優勢。

模糊又老生常談的概念

很多大数据分析领域的公司都有一个谜思,就是他们似乎非常喜欢讨论这些(可能)模糊但老生常谈的概念,他们管这叫业务产出、所谓的“业务变革”、还有著名的“客户体验之旅”。作为一家经营数据分析技术和服務的公司,Teradata本身也提出类似的概念;如果这些公司不这么做的话,你可能还会担心(可能还有点失望)。但事实是,表面的浮华之下还另有内容,如果你挖掘得足够深、就会了解它们的真实含义。

最近我们发布了一系列的产品、服務和授权战略,大家可以经过层层提炼,了解我们的7个重点计划,这些计划比以往更加关注如何高效利用大数据技术并建立正确的数据分析文化。

1 – 业务成果和实验

Teradata公司董事长兼CEO Victor Lund认为,所有希望在公司内部建立起大数据分析文化的企业都应该把驾驭大数据当做一种业务上的实验,并接受在未来发展的过程中发生的任何可能。

Lund 认为:“在企业开始引入大数据分析文化之前,他们应该大致了解通过这项工作可以获得什么样的业务产出”。

虽然业务目标会随着时间而改变(这是无可避免的),但企业仍然需要清楚明白自己希望获得的新市场机会、新的工作方法、新的工作效率是什么。这本质上就是一个业务实验的过程,这也就是为什么Teradata专注于规划好自己所提供的服務,纳入了完全成型、可以运行开发者版本的Teradata数据库技术、运用于评估和测试新的数据理论。

2 – 寻找可复制的解决方案

大家確實已經做了很多的大數據分析。也就是說,其實在很多相似的使用案例裏,其他的業務部門已經開展了很多大數據分析的工作。當我們在談論“自動化”這個在科技話題裏常常出現的詞彙時,我們想說的其實是:我們可以基于其他地方曾經使用過的定義好的模型,自動化地將它調試並運用到新的數據工作流。Teradata並沒有“實際共享”客戶的數據,因爲在這個過程中並不需要真實的數據值。只是我們在所謂的“數據模型”中完成了數據分析。

“这就是未来客户分析的形态。在过去的很多年里,高级分析都是最顶尖的数据科学家和程序员们所关注的领域。Teradata一直在持续提倡如何把数据分析流程在数据安全保证下相对透明化”,布鲁尔集团的创始人兼首席分析师Robin Bloor说。“Teradata正在创造可复制的分析解决方案模板,这种方法综合利用以往实施过程中积累的知识产权、结合咨询服務、程序逻辑、范式、可视化和智能接口,这种方法可以提高时间实现价值。”

3 – 围绕分析技术搭建应用

为了在这个领域获得成功,Teradata建议企业应该以数据分析为中心连接枢纽,围绕它部署其他适合的软件。如果真能这样(对,这是一个重要的假设),那么任何企业中的任何业务部门就都(可以说是)很有可能认可数据分析的重要性,从而 1)为分析平台提供数据; 2)利用分析所提供的洞察结果。

Teradata咨询及支持服務执行副总裁Dan Harrington说,“我们希望企业能够通过创造更多的销售、降低流失率、提高客户满意度从而获得增长。从最新发布的Teradata”客户体验之旅”解决方案中可以看到,Teradata把更多的分析能力交到了市场营销人员的手中,让他们能够更方便地获取分析技术、动态可视化技术、机器学习和预测性分析等信息。我们的解决方案能够集成所有必须的技术,并且附加咨询专业知识,减少客户投入市场时间。”

4 – 驾驭多元数据的运营环境

爲了讓大數據分析能夠更高效地工作,分析引擎必須能夠兼容多元數據格式、多種數據存儲(本地雲、公有雲、混合雲、以及各種不同類型的磁盤)、多種數據類型(結構化數據、半結構化數據以及淩亂的難以分類的數據、或者是數量上非結構化的數據)……所以Teradata認爲,其關鍵就是如何能夠駕馭好多元數據的運營環境。

5 – 兼容云端授权

要使用大數據分析,那自然是要能夠盡可能在所有地方都能用。從技術層面上來說,這意味著大數據分析必須也能夠支撐使用雲計算的方式,例如公有雲、私有雲和混合雲的方式。

这部分的困难来源于不同性质的云有着不一样的授权模式。因此Teradata提供客户将已经购买的数据库软件授权许可, 也能灵活部署和转移到云平台上。

Teradata的执行副总裁兼首席业务官John Dinning 介绍到,“有了灵活的数据库软件授权,Teradata的客户现在可以灵活选择、更换、拓展到重新搭建的混合云环境,随着业务需求的变化更换部署或移转已购买的授权许可。不只混合云产品能够享受这样灵活式的数据库授权,所有相关的任何工作流都可以有效地进行转移部署到新的搭建环境。这种方式开创了业内先河,也就意味着数据模型、应用和开发工作都可以在任何生态系统中迁移或转移而不受任何改变。”

6 – 厚数据

大數據分析文化也包含所謂“厚數據”的概念。

这种类型的数据被定义为能够提供针对消费群体日常感情生活的信息。这些信息通过除了数据本身意义以外, 尝试洞察解读为什么消费会有特定的偏好、为什么他们会有特定的行为、为什么一直会有某种特定的趋势等等。

“大数据已经发展得非常大,以致于让我们认为任何事物一定都是可以被衡量和量化”,Constellate 数据公司创始人Tricia Wang认为“计算机拥有相当的量化能力,而人类拥有惊人的思考深度。很多情况下,计算机无法提供‘解释型的信息含义’,所以厚数据让我们能够包容那些还没有被计算机量化的新指标。”

Wang的觀點又重申了Teradata最開始的主張,也就是我們要優先考慮業務價值的産出成果到底爲何。

Wang說,“但麻煩的是,有些數據科學家、分析師們很少和業務人員進行交流。如果一家出版技術叢書的公司想要賣出更多的書,那麽他們應該先問自己:今天的人們希望通過怎樣的方式學習?如果一家汽車公司想要賣出更多的車,他們要考慮的是:今天的人們對于交通工具的看法是什麽,一個人待在車裏的體驗(爲了更有質量的‘個人時間’)是否也是影響旅途中對汽車整體體驗的重要元素呢?記得要讓數據科學家分析師和業務人員一起交流、共同創造,這一點是非常重要的。”

7 – 拓展和协调的能力

從邏輯上說,關于拓展性我們應該遵循特定的規律,例如,當大數據技術運轉到位的時候,我們應該盡早考慮它的可拓展性。而爲了把分布在不同地點的大數據分析工作流整合起來,我們還需要一定程度的協調能力:

有些大數據分析發生在本地

有些大數據分析發生在(公有)雲端

有些大數據分析恰好就發生在物聯網(IoT)設備中,我們通常稱之爲“前端計算”

所以,不同地方裏所有的分析都需要統一協調整合到一起。

數據分析型文化的誕生

總結一下,我們給出的建議就是,如果企業能夠接受以上7點大數據分析的重點要素,那麽就可以開始利用分析技術進行更加智能化地工作,以提升業務産出成果。

同時,(如果大數據文化變革和優化成功了)這樣的企業還將開始具備優化全供應鏈工作的能力、或者開始接觸包括設備性能的預測性維護等新的領域,預測性維護將會是物聯網中最基本、最重要的一點。

誠然,這是一個駕馭數據的境界……但Teradata在這裏提出把“大數據分析文化”當做擁抱大數據的一個關鍵,這種觀點(也許)將足夠吸引人們的胃口。

via: Teradata天睿大数据分析