對(duì)于IT來(lái)說(shuō),，夸大其功效的炒作越多,，外界對(duì)其的誤解也會(huì)越大，數(shù)據(jù)分析當(dāng)然也不例外,。數(shù)據(jù)分析是當(dāng)今信息技術(shù)最熱門的領(lǐng)域之一,，可以為企業(yè)帶來(lái)顯著的業(yè)務(wù)收益，但這些誤解可能將妨礙分析過(guò)程的及時(shí),、順利交付,，并影響業(yè)務(wù)用戶和最終客戶。

隨著企業(yè)創(chuàng)建或擴(kuò)展其分析策略,，這里有12個(gè)他們需要格外注意的關(guān)于數(shù)據(jù)分析的誤解,。

如今,，似乎對(duì)每一項(xiàng)新技術(shù)的投入都必須通過(guò)嚴(yán)格的財(cái)務(wù)支出的篩選過(guò)程?！八枰嗌儋M(fèi)用,？”——是IT和業(yè)務(wù)經(jīng)理在提議啟動(dòng)項(xiàng)目或部署新工具時(shí)需要首先考慮的問(wèn)題之一。

有些人認(rèn)為數(shù)據(jù)分析本質(zhì)上是一項(xiàng)代價(jià)高昂的工作,，因此僅限于擁有大量預(yù)算或大量?jī)?nèi)部資源的企業(yè)機(jī)構(gòu),。但是事實(shí)并非如此，現(xiàn)在市場(chǎng)上有很多開(kāi)源工具和其他工具能夠幫助展示數(shù)據(jù)分析的價(jià)值,；并且基于云系統(tǒng)的大數(shù)據(jù)架構(gòu),，也會(huì)比傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)便宜得多。你只需要明確內(nèi)部數(shù)據(jù)存儲(chǔ)以及要解決的問(wèn)題,，就可以輕松的在云上使用分析來(lái)解決業(yè)務(wù)問(wèn)題,。

此外，數(shù)據(jù)分析通常用于實(shí)現(xiàn)三個(gè)結(jié)果：提高流程效率,、實(shí)現(xiàn)收入增長(zhǎng)和主動(dòng)進(jìn)行風(fēng)險(xiǎn)管理,，總的來(lái)說(shuō)，數(shù)據(jù)分析在任何公司的應(yīng)用中都帶來(lái)了巨大的成本效益,。

對(duì)于許多人來(lái)說(shuō),，大數(shù)據(jù)和分析的概念是相輔相成的，企業(yè)需要在執(zhí)行分析之前收集大量數(shù)據(jù),，以便生成業(yè)務(wù)洞察,，改進(jìn)決策制定等。

當(dāng)然,，大數(shù)據(jù)分析的優(yōu)勢(shì)也很明確,，擁有這些資源的公司利用大數(shù)據(jù)存儲(chǔ)作為促進(jìn)分析工作的一部分，獲得了顯著的競(jìng)爭(zhēng)優(yōu)勢(shì),。但是大數(shù)據(jù)卻并不是分析必不可少的搭配,。

分析師需要特定的數(shù)據(jù)，而不是更多的數(shù)據(jù),。要想更好地支持決策和提高績(jī)效,，企業(yè)必須更多的考慮業(yè)務(wù)用戶，確定他們需要訪問(wèn)哪些數(shù)據(jù),，如何呈現(xiàn)數(shù)據(jù),，而不是關(guān)注更多的數(shù)據(jù)。95%以上的用戶會(huì)尋找和他們工作相關(guān)的信息來(lái)支持他們進(jìn)行決策,，來(lái)提高業(yè)務(wù)表現(xiàn)，所以企業(yè)需要以最簡(jiǎn)單的格式向他們提供這些信息,，幫助他們快速定位重要信息,。

自動(dòng)化系統(tǒng)執(zhí)行的方式不應(yīng)該存在偏見(jiàn),，但技術(shù)是由人類建立的，因此消除所有偏見(jiàn)幾乎是不可能的,。

有些人認(rèn)為分析和機(jī)器學(xué)習(xí)消除了人類的偏見(jiàn),，不幸的是，這并沒(méi)有實(shí)現(xiàn),。算法和分析使用“訓(xùn)練數(shù)據(jù)”進(jìn)行調(diào)整,，并將重現(xiàn)“訓(xùn)練數(shù)據(jù)”所具有的任何特征，在某些情況下,，這會(huì)在分析過(guò)程中引入良性偏見(jiàn),，但也有可能帶來(lái)更嚴(yán)重的偏見(jiàn)——因?yàn)椤八惴ㄟ@么說(shuō)”并不意味著答案是公平的或者有用的。

事實(shí)證明,，有了足夠的數(shù)據(jù),，有時(shí)算法無(wú)關(guān)緊要。谷歌的工程師認(rèn)為,，數(shù)據(jù)有著不合理有效性 ,，簡(jiǎn)單的統(tǒng)計(jì)模型，加上極大量的數(shù)據(jù),，比包含大量特征和總結(jié)的“智能優(yōu)越模型”能輸出更優(yōu)質(zhì)的結(jié)果,。

因此，在某些情況下,，只需處理更大量的數(shù)據(jù)就可以獲得最佳效果,。

人們固執(zhí)地信任統(tǒng)計(jì)模型和算法，并且隨著分析程序的組織構(gòu)建,，他們會(huì)越來(lái)越依賴復(fù)雜的模型來(lái)支持決策,。這或許是因?yàn)橛脩舨⒉挥X(jué)得他們有能力挑戰(zhàn)模型，因此他們必須相信構(gòu)建它們的“聰明人”,。

比如,，在過(guò)去的50到60年里，我們反復(fù)聽(tīng)到“人工智能將在20年內(nèi)接管人類工作”的言論,，現(xiàn)在也還是有人反復(fù)強(qiáng)調(diào)這種觀點(diǎn),。在我們可以完全信任機(jī)器學(xué)習(xí)和它們輸出的結(jié)果之前，還有很多事情要做,。在那之前,，我們需要挑戰(zhàn)構(gòu)建算法和模型的人，讓他們解釋如何得到答案,。這并不是說(shuō)我們不能依賴于結(jié)果,，而是說(shuō)我們需要透明度，這樣我們才可以信任和驗(yàn)證分析結(jié)果,。

近年來(lái),，數(shù)據(jù)科學(xué)學(xué)科受到了很多關(guān)注,，有時(shí)甚至?xí)c其他學(xué)科產(chǎn)生混淆?；旧蟻?lái)說(shuō),，數(shù)據(jù)科學(xué)涉及了數(shù)據(jù)查找模式中所有算法的使用。

數(shù)據(jù)科學(xué)似乎很神秘,，因?yàn)檫@些算法能夠分析比人類能夠理解的范圍內(nèi)更多變量和更大的數(shù)據(jù)集,。但是隨著近年來(lái)計(jì)算能力和內(nèi)存的擴(kuò)大，我們現(xiàn)在能夠快速解決10年前任何技術(shù)都無(wú)法解決的問(wèn)題,，人們也隨之明白,，數(shù)據(jù)科學(xué)是統(tǒng)計(jì)推斷技術(shù)的自然演變。但一旦你理解了數(shù)學(xué),，數(shù)據(jù)科學(xué)就沒(méi)有了神秘感,。

如今,，數(shù)據(jù)科學(xué)家是所有技術(shù)專業(yè)人員中最緊缺的,。但如果他們重新定位他們正在進(jìn)行的工作，組織機(jī)構(gòu)可能會(huì)減少這些專業(yè)人員的數(shù)量,。

許多數(shù)據(jù)科學(xué)家的時(shí)間花費(fèi)在非增值活動(dòng)上,，比如查找數(shù)據(jù)集，將數(shù)據(jù)發(fā)送到可以處理的地方,，以及轉(zhuǎn)換和清理數(shù)據(jù)等,。考慮到聘請(qǐng)數(shù)據(jù)科學(xué)家的困難程度,，這些低價(jià)值的任務(wù)并不是企業(yè)想要的,。

數(shù)據(jù)科學(xué)家需要專注于特征工程，提取和分析,，而不是圍著數(shù)據(jù)打轉(zhuǎn),，這樣才能大大提高他們的工作效率和產(chǎn)出。

如今,，快速完成工作——無(wú)論是將產(chǎn)品或服務(wù)推向市場(chǎng),，還是近乎實(shí)時(shí)地響應(yīng)客戶咨詢，對(duì)于任何企業(yè)來(lái)說(shuō)都是影響核心競(jìng)爭(zhēng)力的重要因素,。

分析聽(tīng)起來(lái)似乎需要很長(zhǎng)時(shí)間才能執(zhí)行,，與實(shí)現(xiàn)速度和敏捷性的目標(biāo)背道而馳，但這仍然是一個(gè)誤區(qū),。歸根究底,，一切都與人才有關(guān)。有了正確的技能組合和敏捷方法論的應(yīng)用，大型問(wèn)題也可以在幾天或幾周內(nèi)得到回答,，而不是幾個(gè)月,。

隨著當(dāng)今可用技術(shù)的不斷增加,，選擇合適的工具組合進(jìn)行部署和集成,，可以

更好從分析團(tuán)隊(duì)獲得所需的結(jié)果，

然而,，真正困難的部分是“整合組織結(jié)構(gòu)和運(yùn)營(yíng)模式,，將人員、流程,、技術(shù)視角所需的全部?jī)?nèi)容整合在一起,。假如你認(rèn)為只有技術(shù)才能解決任何商業(yè)問(wèn)題，那么在此認(rèn)知之上建立的數(shù)據(jù)架構(gòu),，最終會(huì)將企業(yè)帶入“沼澤地”中,，或者是產(chǎn)出任何人都難以理解的信息。

技術(shù)無(wú)法解決分析問(wèn)題,，正確的流程是：先確定一個(gè)業(yè)務(wù)問(wèn)題,，然后問(wèn)，“我需要什么數(shù)據(jù)來(lái)解決這個(gè)問(wèn)題,？”這將幫有效幫助您識(shí)別企業(yè)內(nèi)數(shù)據(jù)的差距,。

在一些組織中，數(shù)據(jù)分析被劃入一個(gè)單獨(dú)的部門,，而另一些組織則將數(shù)據(jù)分析深深地融入了跨職能團(tuán)隊(duì),。

然而事實(shí)證明，以所有業(yè)務(wù)領(lǐng)域的數(shù)據(jù)爆炸和變化發(fā)生的速度,，以單獨(dú)部門存在的數(shù)據(jù)分析開(kāi)始不起作用了,。另一方面，隨著企業(yè)變得更加以客戶為中心,，應(yīng)該讓數(shù)據(jù)分析專家成為業(yè)務(wù)部門的核心,，而不是將其獨(dú)立于作為業(yè)務(wù)支持的部門。

當(dāng)今企業(yè)面臨的許多復(fù)雜問(wèn)題都存在于業(yè)務(wù)部門內(nèi),，而且這些問(wèn)題的許多解決方案都隱藏在數(shù)據(jù)中,。數(shù)據(jù)科學(xué)家和技術(shù)專家，與這些業(yè)務(wù)部門密切合作,，使用大型數(shù)據(jù)集和人工智能,，將成為孵化下一代產(chǎn)品、服務(wù)和客戶體驗(yàn)的關(guān)鍵,。

很高興我們?cè)诜治鰣F(tuán)隊(duì)中擁有了許多受過(guò)良好教育的人,，但這并不是分析成功的必要條件。

企業(yè)傾向于認(rèn)為，如果數(shù)據(jù)分析師沒(méi)有博士學(xué)位,，他們將無(wú)法進(jìn)行最佳的分析,。然而現(xiàn)代分析需要各種技能——建立具有不同技能的“分離艙”，包括那些精通新興技術(shù)和開(kāi)源軟件的人,、大數(shù)據(jù)架構(gòu)師,、數(shù)據(jù)工程師、數(shù)據(jù)科學(xué)家,、數(shù)據(jù)可視化專家等等,，才是最重要的。

歷史上新技術(shù)的引入擾亂了許多工作和行業(yè),，人們同樣擔(dān)心人工智能會(huì)消除人們執(zhí)行某些任務(wù)的必要,。

雖然AI解決方案比解決某些問(wèn)題的人要好得多，比如AI可以更快地閱讀,，記住更多,，并且比任何人都能更好地進(jìn)行復(fù)雜數(shù)學(xué)關(guān)系的計(jì)算。但是,，AI也無(wú)法應(yīng)對(duì)真正全新的變化,，這是人類擅長(zhǎng)的地方。

可以肯定的是,，某些工作已經(jīng)因AI的興起而消失或減少,，與此同時(shí)這種趨勢(shì)還在增長(zhǎng)。盡管如此,，我們理解和解決“完全不可預(yù)見(jiàn)的情況”的優(yōu)勢(shì)不會(huì)被任何目前的AI技術(shù)所取代,。在可預(yù)見(jiàn)的未來(lái)，最有效的方法是通過(guò)AI系統(tǒng)來(lái)增強(qiáng)人類的能力,，取代人工的“繁重”,。雖然人工智能正導(dǎo)致許多工作崗位發(fā)生變化，但是人們會(huì)將成為這一商業(yè)生態(tài)系統(tǒng)的重要組成部分.