當獲取數(shù)據(jù)不再是問題,公司需要關(guān)注數(shù)據(jù)背后的價值

責(zé)任編輯:editor006

作者:馮七七

2017-10-13 16:04:20

摘自:36kr

編者按:在當前這個大數(shù)據(jù)時代,海量數(shù)據(jù)噴薄而出,公司不再面臨缺乏數(shù)據(jù)的窘境,但是如何有效利用這些海量數(shù)據(jù),抓住數(shù)據(jù)背后的商業(yè)價值是每個公司應(yīng)該不斷思考的課題。毫無疑問,海量數(shù)據(jù)仍會噴薄而出,而那些意識到數(shù)據(jù)背后價值的一方終會站到食物鏈的頂端。

 

編者按:在當前這個大數(shù)據(jù)時代,海量數(shù)據(jù)噴薄而出,公司不再面臨缺乏數(shù)據(jù)的窘境,但是如何有效利用這些海量數(shù)據(jù),抓住數(shù)據(jù)背后的商業(yè)價值是每個公司應(yīng)該不斷思考的課題。本文作者法國大數(shù)據(jù)分析服務(wù)初創(chuàng)公司 Dataiku 的 Florian Douetteau 就該問題分享了他的一些見解。

當獲取數(shù)據(jù)不再是問題,公司需要關(guān)注數(shù)據(jù)背后的價值

對于當今的企業(yè)來說,他們可以從各種各樣的渠道中搜集海量數(shù)據(jù),從播客到交易數(shù)據(jù),物聯(lián)網(wǎng)以及其中的所有渠道,我相信今天這個時代,不會再有哪個公司說他們面臨數(shù)據(jù)問題。

但是,我認為很多公司,無論他們愿不愿意承認,都有著數(shù)據(jù)價值的問題,也就是說,他們不太能從搜集的數(shù)據(jù)或者所有的數(shù)據(jù)中獲取真正的商業(yè)價值。

一開始,以數(shù)據(jù)發(fā)家的科技公司(如四大互聯(lián)網(wǎng)巨頭GAFA——Google,Apple,F(xiàn)acebook以及Amazon)本質(zhì)上通過利用先進的機器學(xué)習(xí)技術(shù),解決一些重要問題(如何使廣告相關(guān)、推薦效應(yīng)等),從而從數(shù)據(jù)中創(chuàng)造價值。他們的問題在技術(shù)上是相當有挑戰(zhàn)性的,但是解決這些問題的方法相當簡單:雇用50名博士和才華橫溢的工程師,成功不是問題。

相反,傳統(tǒng)企業(yè)的成功之路會相對復(fù)雜一些,他們得將現(xiàn)有產(chǎn)品和服務(wù)一步步轉(zhuǎn)型優(yōu)化,其業(yè)務(wù)問題不僅在技術(shù)上難,解決起來也難。因此,這些公司組織需要采用更為系統(tǒng)的方法,以提高生產(chǎn)率,就像工廠提高生產(chǎn)率使用的方法一樣。

1. 確立再利用的方法。這是指建立流程,使得數(shù)據(jù)和實驗結(jié)果能夠在項目和項目之間共享。在一個傳統(tǒng)公司中,80%的數(shù)據(jù)項目都是從頭開始,試圖控制正在發(fā)生的狀況,這是因為數(shù)據(jù)再利用需要記錄以及規(guī)矩。但是,沒為題,你可以做到的。

2. 多方共同研究數(shù)據(jù)項目。這是當然是指數(shù)據(jù)科學(xué)家,但同樣包括分析人員和商業(yè)人士。數(shù)據(jù)科學(xué)(以及影響商業(yè)的見解)并非發(fā)生在真空中。正如商界人士不太知道如何利用硬核數(shù)據(jù),研究硬核數(shù)據(jù)的科學(xué)家同樣不會接觸業(yè)務(wù),所以合作是關(guān)鍵。

3. 能有方式進行大規(guī)模生產(chǎn)。還是之前提到的,數(shù)據(jù)科學(xué)不會發(fā)生在真空中。數(shù)據(jù)團隊要能夠?qū)⑺麄兊难芯客七M到世界中去,而不是閉門造車,無實際用途。能夠快速且無縫做到這一點的公司,必定能將數(shù)據(jù)背后的價值大規(guī)模推廣開來。

毫無疑問,海量數(shù)據(jù)仍會噴薄而出,而那些意識到數(shù)據(jù)背后價值的一方終會站到食物鏈的頂端。

原文鏈接:https://machinelearnings.co/companies-dont-have-a-data-problem-they-have-a-data-value-problem-3a8bd141bd68

編譯組出品。編輯:郝鵬程

鏈接已復(fù)制,快去分享吧

企業(yè)網(wǎng)版權(quán)所有?2010-2024 京ICP備09108050號-6京公網(wǎng)安備 11010502049343號