数据分析失败的原因是什么？想做好数据分析师就要避免这些

一、数据分析失败的原因是什么——很想试水，但不知道我在找什么

如果您不知道需要在数据中检查哪些特定的趋势或信号，您如何期望它们的实际价值?

德勤分析公司(Deloitte analytics)高级顾问、《鹿群分析：新的赢家之道》(deer race analysis:The new way to win)一书的作者汤姆•达文波特(Tom Davenport)说：“分析中最大的问题是，你不知道自己在寻找什么样的数据。”

达文波特说：“数据挖掘允许系统在数据中发现有趣的东西，这种想法让许多公司误入歧途。”。即使有了机器学习，从数据关系的角度理解您正在寻找的东西也很有帮助。”

天气网站天气网Todd Eaton，质量保证经理天气网重点寻找“知道如何查询数据，能够完整准确地说出数据含义的人”

伊顿说：“合适的人热衷于用数据来回答问题，然后愿意不断质疑他们的发现，以确保数据不仅适合叙述，而且还可以解释我们看到的情况，帮助预测未来的发展目标。”。重要的是，每个人都知道，我们正在努力寻找数据和总体目标，并收集一致的测量和数据。”

在开始分析时，缺乏关注必然会导致失败。”通用电气首席数据官克里斯蒂娜•克拉克(Christina Clark)表示：“当数据团队专注于优先结果时，他们将是最成功的。团队往往会失败，因为他们想立即满足许多业务需求，最终因为他们太分心，无法产生有意义的影响，无法保持兴趣或维持资金来源。”

二、数据分析失败的原因是什么——建立(维护)自己的基础设施

构建和维护自己的大数据基础设施可能是一个巨大的诱惑。但这会危及你的分析任务。

网络安全公司Vectra的首席技术官奥利弗•塔瓦科利(Oliver Tavakoli)表示：“这通常会浪费大量时间给数据科学家，而不是实际开发出更好的分析方法。”

塔瓦科利说：“我们知道我们需要很多数据来分析。我们开始按照每个人的要求去做：我们买了一堆具有大量磁盘容量的服务器，把它们放在托管设施中，我们用Apache spark创建了自己的Hadoop集群，并让我们的数据科学家编写Scala代码与集群交互。”

有时由于硬件故障，集群会被中断，更多的时候是由于软件故障。包可能过期，有时几个小时后，群集处于不可用状态。

塔瓦科利说：“我们终于有足够的资源，决定将这部分问题外包出去。”。他说，自从与外部供应商合作以来，Vectra在这些基本问题上花的时间很少，“我们几乎所有的时间都用于向系统提供数据和分析其中的数据。”。

三、数据分析失败的原因是什么——成为数据分割器，而不是数据统一器

长期以来，企业一直在努力解决阻碍部门信息共享的“数据孤岛”问题，以利于整个组织。在分析中也遇到了同样的挑战。

客户生命周期管理营销公司zeta global的首席信息官Jeffry nimeroff说，统一不同的数据是一个很好的最佳实践。

尼米罗夫说：“每一个数据孤岛都在产生价值的相互连接之间制造了一道屏障。例如，考虑使用富用户配置文件连接或断开站点活动数据。您可以互连的数据越多越好，因为您可以在这些互连中找到预测能力。”

尼米罗夫说，这并不意味着所有数据都必须从最初的系统移动到一个整体。”相反，我们使用一种现代集成技术来提供数据的统一视图，这都在当前系统中。”

四、数据分析失败的原因是什么——避免良好的数据卫生

如果您正在分析的数据不准确、不及时且杂乱无章，那么分析的价值可能会直线下降。

尼米罗夫说：“垃圾输入、垃圾输出是扩大原始业务数据容量和范围的问题。最好的数据分析团队需要质量渗透，因此建立流程和使用技术实施质量标准是一个成功的组合。”

尼米罗夫说，就过程而言，确保过程的可重复性和结果的可审计性非常重要。在技术方面，他说，部署数据质量工具，包括分析、元数据管理、清理和采购，将有助于确保更好地获得高质量数据。

塔瓦科利说：组织需要使用工具来“清理碎片”——不完整和损坏的数据——并从不同来源获取数据，以使其兼容和易于理解，并尽可能简化分析。使数据尽可能清楚，以便团队所有成员都理解数据的含义。”

技术服务公司incedo的首席执行官TP Miglani说，高质量的数据“是有用洞察力的关键驱动力”你需要建立数据仓库和数据池，将结构化和非结构化数据汇集在一起。成功的组织将通过清理、计算丢失的值和准确地标记数据来确保提高数据质量。”

良好的数据卫生也意味着尽可能保持数据最新。尼米罗夫说，数据需要更新，“数据宇宙”需要扩展，这样企业才能从分析中获得价值。

尼米罗夫说：“数据的新鲜度要求了解当前数据收集过程的及时性。显然，一个系统越实时，就越新鲜。您还可以使用第三方服务来支持新鲜感，从而增强现有的技术和流程。”

五、数据分析失败的原因是什么——放弃分析项目的行政赞助

与其他类型的大型IT项目一样，没有数据分析项目的高级管理人员的领导可能不利于成功。

米格拉尼说：“分析团队的目标是将数据与公司的战术和战略决策结合起来，产生洞察力。”。失败的一个例子是，如果一个数据科学团队做了大量的数据分析，并开发了一个准确的预测模型，但结果没有得到实施，因为它需要组织和文化变革。”

克拉克说建立数据管理基金会需要数年的持续努力。数据和分析团队正在努力推动的一些工作不会立即取得成果，这可能与商业伙伴的预期不符。”。这需要强有力的领导支持和努力，教育业务合作伙伴实现更加数据驱动的未来。”

六、数据分析失败的原因是什么——忽视中下级管理者

由真空中的数据科学家和其他没有从最接近分析需要的业务经理那里获得可靠输入的老师进行的分析不太可能成功。

服务管理软件提供商ASTA international首席运营官戴维詹内托(David giannetto)表示：“没有中低级管理人员的积极参与，分析团队提供的信息并不能真正帮助管理团队更好地完成工作。”

詹内托说：“信息将是有针对性的，它将指向更大的流程缺陷或需要改进的领域，但管理层迟早会处理这些问题——当他们有时间的时候。”。大多数经理从来没有多余的时间。只有当团队由真正了解业务的人组成，而且业务部门每天都需要访问这些信息时，所提供的信息才足以对业务产生积极影响。”

Giannetto说，如果分析能告诉用户真正的问题在哪里，可能在哪里，他们有足够的时间阻止它，并且每天都在使用它，那么这项计划将是成功的。

七、数据分析失败的原因是什么——缺乏支持良好数据分析的文化和技能

这对企业来说是一个普遍的问题，主要是因为数据科学等技术很难获得。然而，如果数据素养不是企业文化的核心，那么分析就更有可能失败。

米格拉尼说：“对于不熟悉分析的人来说，数据科学被认为是解决问题的神奇方法。”。预测和自学的概念很难理解。很难说服你的商业伙伴对不透明的算法做出决定。你需要先教育他们。”

各组织继续努力寻找具有分析能力的数据科学家和其他专业人员。”培养这种能力的最好方法之一就是培养这种能力，而不是成为组织之外的超级明星，”米格拉尼说。由于公司无法按时雇佣或流失大量分析师，许多项目失败或延误。”

以上就是《数据分析失败的原因是什么？想做好数据分析师就要避免这些》的全部内容，从文字中我们可以看到，如果您不知道需要在数据中检查哪些特定的趋势或信号，您如何期望它们的实际价值，这对企业来说是一个普遍的问题。如果你想学习更多数据分析知识，可以点击下方资料下载链接。