避免数据分析发生灾难的6个技巧
极客时间编辑部
讲述：丁婵大小：4.45M时长：04:51
你好，欢迎收听极客视点。
数据分析是指用适当的统计分析方法，对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析对企业来说非常有价值，正因为如此，越来越多的企业开始在数据分析上投入大量预算。
不过，企业在数据分析上的投资不一定会有回报，甚至还会因种种问题而发生数据分析灾难。日前，企业网 D1Net 编译了自由撰稿人鲍勃·维奥利诺（Bob Violino）的一篇文章，他在文章中分享了 6 个技巧，可以帮助你避免发生数据分析灾难。
1. 制定全面的数据管理策略
制定全面的数据管理策略可以帮你定义数据的收集、处理和分析。
CompTIA 最近发布了一份名为“数据管理趋势”的报告，该报告显示，许多企业都处于制定数据管理战略的早期阶段。在接受调查的组织中，只有 25% 的人认为他们在公司数据管理方面正处于理想状态。
此外，只有 44% 的公司表示，他们内部已经有了专门从事数据管理或数据分析的员工。咨询公司 West Monroe 高级架构师杰里米·沃茨（Jeremy Wortz）认为，企业必须培训自己的业务员工，使其具备数据素养，否则，企业将无从知晓如何开始做数据分析。
2. 优先考虑数据集成
与数据分析相关最常见的问题就是缺乏数据集成。
CompTIA 的研究发现，整合数据将会是解决问题的关键，在技术计划上独立工作的业务部门，最终会面临集成方面的挑战。因此，企业正在试图避免影子 IT，转而采用协作性的方法。这里说的影子 IT 是指，企业员工使用没有经 IT 批准的应用程序。
除了数据源的技术集成，企业还需要在各个业务部门和 IT 职能部门之间建立数据共享流程。
3. 进行有效的 DataOps 实践
DataOps 是一种自动化的、面向流程的方法，数据分析团队可以使用它来提高分析质量和缩短分析周期。它最初只是一组最佳实践，但现在已经成为了一种新的、独立的数据分析方法。该方法适用于从数据准备到报告的整个数据生命周期。
与 DevOps 类似，DataOps 整合了敏捷方法以缩短分析开发的周期，使之能够与业务目标保持一致。DevOps 可以通过利用 IT 资源、自动化测试和部署来持续交付高质量的软件。
4. 提出正确的数据分析问题
无论你的工具和技术有多先进，你的数据本身都不会带来任何价值，除非你能获得驱动战略结果的洞察力。所有的分析，包括人工智能和机器学习，都应该产生深刻的见解。
实现这一目标的关键，是能够提出与价值创造相关的、有影响力的问题。一旦你有了基本的答案，你就可以提出与业务相关的假设，然后用新的、更简单的问题重新开始这个过程。
5. 只分析干净、准确的数据
这种做法可能是属于构建和执行总体数据管理战略的范畴，但它本身作为一种最佳实践，仍然值得一提。如果分析的数据不准确，结果和见解就会受到污染。
技术研究和咨询公司 ISG 的首席数据和分析官凯西·鲁迪（Kathy Rudy）认为，数据必须是可辩护的、可理解的和可接受的。这意味着，数据需要是干净的、最新的、有效的，并且来自可信的记录系统。
想获得干净的数据，你需要花大量时间检查和清理数据。这也是一个关键的步骤，通常被称为主数据管理。
6. 创建一个有凝聚力的协作分析团队
成功的数据分析需要团队的合作，消除部门的孤立。你需要把你的团队组织成多功能的团队，在一个团队中平衡业务分析师、数据工程师、数据科学家、软件工程师等角色，避免陷入拥有一个单独的数据科学团队的陷阱。
以上就是今天的内容，希望对你有所启发。
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