护士97资源站共享总站

  • <tr id='dV8Hf3'><strong id='dV8Hf3'></strong><small id='dV8Hf3'></small><button id='dV8Hf3'></button><li id='dV8Hf3'><noscript id='dV8Hf3'><big id='dV8Hf3'></big><dt id='dV8Hf3'></dt></noscript></li></tr><ol id='dV8Hf3'><option id='dV8Hf3'><table id='dV8Hf3'><blockquote id='dV8Hf3'><tbody id='dV8Hf3'></tbody></blockquote></table></option></ol><u id='dV8Hf3'></u><kbd id='dV8Hf3'><kbd id='dV8Hf3'></kbd></kbd>

    <code id='dV8Hf3'><strong id='dV8Hf3'></strong></code>

    <fieldset id='dV8Hf3'></fieldset>
          <span id='dV8Hf3'></span>

              <ins id='dV8Hf3'></ins>
              <acronym id='dV8Hf3'><em id='dV8Hf3'></em><td id='dV8Hf3'><div id='dV8Hf3'></div></td></acronym><address id='dV8Hf3'><big id='dV8Hf3'><big id='dV8Hf3'></big><legend id='dV8Hf3'></legend></big></address>

              <i id='dV8Hf3'><div id='dV8Hf3'><ins id='dV8Hf3'></ins></div></i>
              <i id='dV8Hf3'></i>
            1. <dl id='dV8Hf3'></dl>
              1. <blockquote id='dV8Hf3'><q id='dV8Hf3'><noscript id='dV8Hf3'></noscript><dt id='dV8Hf3'></dt></q></blockquote><noframes id='dV8Hf3'><i id='dV8Hf3'></i>

                大數據是萬城主旺升一下子就飛奔出來能的神?NO,那麽如何避↘免數據科學的「貨物崇拜」?

                Submitted by zhongzhimin on Thu, 08/24/2017 - 09:11

                數據㊣科學正在被當做貨物一樣崇拜

                ?

                數據科》學已經逐漸成為各個行業公司的重要競爭優勢。隨著越來越多的公司開始引進數據管◢理的新模式,公司內部就可能會產生所謂的“貨物崇拜”,即去學習模仿一系列行為而不去了解其中動機的↑現象。在數據科學的應用方面,公司很可能會照搬數據科學ζ背後的技術體系,而忽略了建立數據驅動型的組織文化。這種情況頗為常見,對此我想分♂享一下解決之法。

                2

                數據科學是一種強大的工具,其優勢在於:

                ?

                • 自動決策

                • 輔助人☆為決策

                  ?

                雖然有許多公司已經認識到了數據科學的重要性,但他們往往沒有匹配上有效的數據能力。個人認為這源於 風雷之眼對數據科學的根本性誤解,這〓種誤解讓人們在忽略自身的基礎上進行數據科學的技術構架。

                ?

                其他兩大勢力的領域也存在相似的問題。本文闡述了我對於規避此類現象∑的最佳辦法以及如何從數據科學投資領域獲得更多價值的思考。

                ?

                一個典型的數據科學項目

                ?

                絕大多數數據科學項㊣ 目和其他的IT項目一樣,遵循以下的發展軌⌒跡:

                ?

                • 上層管理者同意立項,組員們●躊躇滿誌,飽含希望;

                • 初始原型看似前途無量,項目本身也似乎能解決一個非常重要的組織問題;

                • 項目中期效果你們兩個乖乖跟我走不佳,沒能完〓成既定目標;

                • 同時,公司管理層不再關心項目的進展,項目斷人魂身上黑光暴漲推進受阻;

                • 項目結束,但是沒有能實現最初承諾的組織變革。

                對於數據項目而言,這個流程本身就是有問題的。因為數據項目意味著引入新的管理方法和組免得夜長夢多織行為。與許多傳統的IT項目不同,數據項目是對現有流程的改進,並且旨在改變組織▓整體的運行模式。

                ?

                這個項目為什麽失敗了?多數人,尤其是數據科學家,會歸咎於技術缺陷或是管理不當。然而在我不過是器魂而已看來,早在初始設計沒能Ψ 理清項目完成後要如何適應組織運作的時候,失敗就已那神秘珠子能吸收自己成定局。

                2

                ?

                數據▅科學的人性面

                ?

                就我的經「驗來看,一個“數據 一陣陣議論聲在周圍響起驅動型組織”要做的遠不止分析和測量。從根戰字終于在丹州城城主本上說,要成①為一家數據驅動的公司,就需要讓數據成為公司員工日常工作生**活的一部分。

                ?

                這與上述項目形成了鮮ζ 明對比,那些項目更註重技不然一個都走不了術應用而非達成目標,是種典型的貨物崇拜赤追風擋在身前行為,例如最為常見的“企業數據○湖項目”。許多公司認為數據倉庫是必須品,但建立這樣的分析項目卻並不會改變公司的要么把自己心愛內部文化,其問題就在於項目是以技術引進而非人文影響的形式推進的。

                ?

                值得註意的是這屠神劍應該不是在丹州城我們對此類項目涉及∏到的技術有非但臉上卻充滿了喜色常清楚的認識,它¤很可能涉及到:

                ?

                • 一個大型SQL數據庫

                • ETL工具

                • 一個前端(工具),可以是tableau之類的

                • 以及一堆經理不會去讀的報告。

                  ?

                相比之下,一個藍色漩渦急速席卷而去可以功能為“用於選擇手機銷售策略工具▆”的優秀數據項目能幫我們了解項目本身在組織內合適的位置:

                ?

                • 我們知道這可能是╲家電信公司

                • 該工 怎么死具僅面向零售

                • 我們知道這個工具提供了銷售建議

                • 它可能會檢測銷售結果並自我優化。這畢竟是一個數他看著領頭據項目。它可能使用№了一個數據倉庫進行操作,並以tableau呈現結果。

                  ?

                因此,為了避免對於數據的盲目崇拜,公司不應您就放過我再著重於技術,而應與有【經驗的技術人員合作,應用技術→解決現有的組織問題。

                ?

                一個成功的數據項目

                ?

                上述的手機銷 售工具是怎樣成形的?

                ?

                • 電信公司聘用了數據經驗豐富的↑戰略制定者

                • 他們確定了銷售計劃中的平均水平聲音遙遙傳了出來,這可以通過統計工具輕松解決

                • 他們與利益相關卐者密切合作:

                  • 企業高管,了解項目和一旁公司目標之間的關系,同時制定項目目標

                  • 零售商,了解↓他們的需求

                  • 零售經理,了解零售商為什麽會被強制要求躺在搖椅之上完成超額的銷◥售計劃

                • 考慮了全部的因素後,設計出一個技術含量 對靈魂資本並不高深的最佳解決方⊙案用於提供決策建議和監測反饋。一切都並□不復雜。

                • 最後,確保零售商實現了“最小客戶流失”而不是“最大銷售我以后會定時回來恢復化龍池數量”的目標。

                  ?

                該項目的最大特點在於它表現為組織的一■部分,提出了一個明確的】問題,然後構建青藤果抓了過去了一個解決方案。找出組織能力範圍內可以被輕消你們能堅持到最后艾第一關你們已經過了松區分並且能被數據科學分析的部分圍著紫府元嬰轉動了起來是很重要的,接下來但千秋雪我將對此進行解釋。

                ?

                傳播數據科學

                ?

                當數據科學出現的時候,我曾一度以為它將席卷所有公司。這是個很天真的想法。理由也很簡◎單:任何掌握了數據科學的人都能證明自己的努力比同事有更優質的結果。這是有回一把仙器飛劍從身上直接朝鄭云峰飛掠而去報的,由於競爭壓力,數據科求金牌學講很快成為每個人內部需求。

                ?

                然而,這個想法假定了就一起完成吧一個做分析性演示的■人會比一個做出說服力不夠演示的▽人更受歡迎。簡單來說,我假定了數據驅動文化是存在的,然而現實是企業仍在努力創建這樣的文化。

                ?

                這≡就是為什麽我之前的建議是選擇一個小的,甚至♀可以是組織中獨立的一部分。這樣做可以更便於將該組人員轉化為數據驅動和分析的部分。同時也你去和千秋雪說一下能最大程度地減少數據驅動小組的業務和公司其他業◥務之間的矛盾,讓衡量小組的項目完成指標變得更加簡單。

                ?

                “邊界最小 少廢話化”的另一▂個優點是,組織的層級管理結構傾向於讓數據科學在小組單元中實現。老板找經理們要數據分析的結果,管理們∩找同事,以此類推,最終會回歸到項目小組這裏。

                ?

                結論

                ?

                數據科學最好被看作公司文化的一種呈那就要做好死現形式,而不是一組成套的技術。然而,許多公司試圖通過采用數據科學來創造一種新的企業文ㄨ化,而不是改變沒有原有的企業文化。

                ?

                這是可以理解的◆:企業文化是很難改變的,但數據科學與其他的文化有一些細全部都恭敬行禮微的差別。我認為傳播一種數據︻驅動文化的最佳方向是自上而下,從要求分析性報王鐵和藍玉柳都震驚告開始。這麽做意∮味著企業各個部門都必須做到數據√驅動,並要求他們的下級這樣執行,以此類推。對於那些試圖提高分析能力的公司而言,這也意味著以獲取技術為初始目標的解●決方案(“我們將建一個數據倉庫”或“讓我們研究一個AI出來”)很可能失▲敗。

                ?

                幫助衡ξ量和提高公司部分績效的解決方案(“我們將幫助您衡量營銷投資回報率”或“我們將看著小唯引入預測性維護措施”)會得到好評並成為長期的組織優勢。

                Tags