为什么你的数据科学项目终将失败？
极客时间编辑部
讲述：初明明大小：4.13M时长：04:31
虽然数据是推动真正数字转换的关键要素，但组织往往以错误的方式处理数据和分析项目。实际上，很多时候数据科学项目失败的原因，往往是由于人的因素，而非技术因素。技术问题，终将可以通过技术来解决，但人的问题，就没那么容易了。
1. 数据的价值没有得到重视
数据已经成为最重要的商业资产之一，但大多数组织并没有重视它的价值。数据常常被视为功能的一个分支，很少有人会去考虑如何利用它来推动组织中的价值。
“数据是新的石油”已经成为描述数据价值的常用语。原油是未经提炼的，虽然它有一些内在价值，但在实现其真正价值之前还需要进一步加工。有太多的组织，只满足于仅仅收集原始数据，而很少考虑将其提炼成有用的产品。
2. 没有组织范围的数据策略
这个定理在数据空间中适用，而且可能更加准确。对组织中的每个区域来说，将其数据存储在只适用于其用例的结构和位置，是很常见的做法，而很少会考虑组织的其他区域将如何共享或利用。
如果没有集中职能来定义整个组织的解决方案，很可能会出现数据孤岛：数据存储在不同的数据存储区中。即使在数据存储于集中位置的更好情况下，组织也不会以开放的心态去处理数据结构。这就导致了不那么明显、但同样有问题的数据孤岛。
3. 技术主导的解决方案
不成熟的组织总是将数据视为可以通过技术解决的技术问题，通常认为数据是由技术系统产生并存储在技术解决方案中的。
带来的结果是，数据解决方案是技术团队独立于组织的其他部门来制定的。数据解决方案的架构通常由软件架构师和开发人员执行，但他们却很少了解数据的细微差别，且缺乏上下文或理解。
很自然，这会得到次优解决方案，要么导致交付的平台对大多数最终用户不适用，要么导致大量的重新设计和返工，从而造成交付过程漫长而曲折。
4. 缺乏专注力
组织及其领导者正被数据驱动决策所带来的提高效绩的承诺所诱惑。这会促使高层作出一些陈述，例如：数据是我们的第一要务、我们组织的每个区域都必须在决策中利用数据等等。
虽然这些听上去像是有用的法令，但它们可能会带来意想不到的后果。它往往会给组织灌输一种“数据狂热”的感觉，从而导致定义不清的需求和数据捕获，而不去考虑如何使用这些数据。
“数据狂热”还可能表现为要求同时处理所有事情，因为需要让人们看到自己正在“处理数据”。这样做的结果就是，在作决策的时候，很少关注这样做对组织有什么好处，而更多的是在复选框中打勾，以确保你不会被指责没有做正确的事情。
5. 忽视技能差距
组织通常已经拥有很长时间的数据存储。数据仓库已经存在很长时间了，它们经常用来交付分析。
然而，用户交付这些数据并分析其中所包含的数据的技能，并不同于构建一个现代数据平台，也不同于从其中所包含的数据中提供深刻和有意义的见解。
大多数组织都没有意识到，向现代数据平台的转型，需要现有劳动力进行大规模的技能转移，并且还难以为弥合这一差距制定计划。
近年来，对高技能数据型人才的需求激增，大多数组织不愿投资招聘这些人才，而是满足于试图利用现有的劳动力。实际上这一做法得不偿失。假设你有一个很棒的数据平台，但没有优秀的人去使用它，那么你就将无法从中获得真正的价值。
总而言之，数据项目经常因人员问题而失败。重要的是要认识到，数据项目要取得成功，就必须采取全局观，包括来自组织的所有领域的人员，以开放、协作的心态进行工作。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论