大數據分析項目中的「最差」實踐

在這裏仍是要推薦下我本身建的大數據學習交流羣:784557197，羣裏都是學大數據開發的，若是你正在學習大數據 ，小編歡迎你加入,你們都是軟件開發黨，不按期分享乾貨（只有大數據軟件開發相關的），包括我本身整理的一份2018最新的大數據進階資料和高級開發教程，歡迎進階中和進想深刻大數據的小夥伴加入。

大數據分析如今很火。只要你瀏覽任何IT出版物或者網站，你都能看到商務智能供應商和他們的系統集成合做夥伴推銷幫助企業實施和管理大數據分析系統的產品和服務。這些廣告和大數據分析的新聞以及供應商匆匆提供的案例研究可能會使你誤認爲大數據是很容易的事，誤認爲要成功部署只須要一種特別的技術。 若是它是那麼簡單就行了。當BI供應商樂呵呵地告訴你他們的客戶已經成功部署大數據分析項目時，他們不會告訴你還有那麼多失敗的案例。大數據分析項目令 人失望是有一些潛在緣由的。你能夠找到大量關於大數據分析最佳實踐的建議。但下面是一些大數據分析項目的最差實踐，你須要瞭解如何避免它們。

盲目跟風 這種觀點重複犯了經典的錯誤，組織開發他們的第一套數據倉庫或者BI系統時常常會犯這樣的錯誤。太多時候，IT和BI以及分析項目管理者被技術炒做所迷 惑，忘記了他們首要任務的商業價值;數據分析技術僅僅是一個用來產生商業價值的工具。大數據分析的支持者們不該該盲目地採用產品，他們首先須要判斷該技術 所服務的業務目標，以便創建業務案例，——而後爲手頭工做選擇正確的分析工具。沒有對業務需求的深入理解，會存在很大風險，項目團隊最終可能將建立出一個 「大數據磁盤場」，而不是真正對組織有價值的東西，獲得的是一個不想要的「數據狗窩」。

誤認爲軟件能夠回答全部問題 構建一個分析系統，尤爲是涉及大數據的分析系統是很是複雜的，也是資源密集的。所以，許多組織但願他們部署的軟件將成爲銀彈，神奇地實現一切。固然，人 們應該明白但願老是比現實更美好。軟件確實會帶來幫助，有時幫助還會很大。可是大數據分析的效果取決於被分析的數據和使用工具的分析技能。

思路太過僵硬 一般，人們老是不斷嘗試他們過去的作法，即使當他們面對不一樣的場景時也會這樣。在大數據狀況下，一些組織會想固然地認爲所謂「大」只是意味着更多的交易 和更大的數據量。這種觀點多是正確的，可是許多大數據分析策略會涉及非結構化和半結構化信息，須要以徹底不一樣於企業應用程序和數據倉庫中結構化數據的方 式管理和分析。所以，咱們須要一套新的方法和工具來進行大數據捕獲、清洗、存儲、集成和訪問。

忘記過去全部的教訓 有時企業會走向另外一個極端，認爲大數據中的一切都是徹底不一樣的，他們必須從頭開始。對於大數據分析項目的成功，這種錯誤可能甚至比認爲沒有不一樣更要命。只是由於你但願分析的數據結構不一樣，並不意味着咱們已有的數據管理基本原則須要重寫。

沒有必備的業務和分析專業知識 誤認爲該技術能夠實現一切的必然結果就是，相信全部你須要的只是讓IT員工實施大數據分析軟件。首先，與上述產生商業價值主題相符合，有效的大數據分析 項目必須在系統設計階段以及持續運營過程當中結合普遍的業務和行業知識。其次，許多組織低估了他們須要分析技能的程度。若是大數據分析僅僅是構建報表和儀表 盤，企業可能能夠利用他們現有的BI專業技能。然而，大數據分析一般涉及更高級的過程，好比數據挖掘和預測分析。這須要具有統計、決算以及其它高級技能的 分析專業人士，這可能意味着組織須要新聘請人員來邁出向高級分析進軍的第一步。

把項目看成科學實驗 太多時候，公司衡量大數據分析項目的成功僅僅是經過數據收集和分析來進行。而事實上，收集和分析數據只是開始。若是結合了業務流程，並促使業務經理們和用戶們爲改善組織績效和業績而付諸行動以後，分析才能產生商業價值。要得到真正的效率，就須要把分析項目歸入反饋閉環，以便交流分析結果，而後基於經營業績提煉分析模型。

承諾太多，想作的太多 許多大數據分析項目陷入了一個大誤區：支持者過分宣揚他們部署的系統會有多麼快，業務會得到多麼重大的益處。過分的承諾和交付的不足必然致使業務與技術的 分離，這樣組織通常會很長時間都推遲特定技術的選用——即使其它許多公司已經使用該技術得到了成功。此外，當你設定了很輕鬆很快就能獲益的預期，業務主管 就有一種認識傾向，容易低估了須要參與和承擔義務的程度。當足夠資源不能兌現的話，預期的收益一般不會來的容易或者迅速，那麼項目基本就貼上了失敗的標 籤。

大數據分析能夠給組織帶來很大的商業價值，可是若是你不當心，不從其它公司犯的錯誤中吸收教訓的話，它也能夠帶來災難。謹記上述的幾點問題，切莫成爲大數據分析項目的反面典型。