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。

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