. Balanço de seus grandes objetivos de análise de dados para permitir avanços - Tudo Sobre Tecnologia

As empresas precisam equilibrar as necessidades de seus planos de negócios com a experimentação para que eles possam obter respostas inovadoras para as perguntas que nunca tinha pensado em perguntar. 
Balance_justice.png
Visitei recentemente com Scott Gnau, presidente da Teradata Labs . Scott tem uma grande equipe de cientistas de dados sob a sua orientação, e nós estávamos falando sobre os grandes desafios da análise de dados e recebendo o valor máximo de dados grandes.
"Big data é uma oportunidade e também um desafio, porque de repente as organizações estão criando e armazenando novos tipos de dados que não são nada como os dados digitalizados em registros de transações que utilizavam no passado", disse Gnau.

Por exemplo

Os exemplos estão por toda parte. Na saúde, há novos grandes dados provenientes de EMR (prontuário eletrônico), de imagem e diagnóstico. No transporte e até mesmo no monitoramento de dispositivos industriais e domésticas, há Internet of Things (IoT), sensores e outros dados de máquina gerado que flui para repositórios de dados corporativos. Para as organizações de monitoramento clientes na Web, há registros da Web, que nada mais são do que seqüências de caracteres separados por vírgulas que a maioria de alguma forma ser analisado e, em seguida, analisados ​​e agrupados em perfis que a análise pode interrogar.
Tudo isso é "nova ciência" para a maioria das empresas. Ele é forçá-los a reformular habilidades tradicionais de mineração de data warehouse em equipes de ciência de dados que incorporam a análise estatística ea criação de algoritmos complexos que podem chegar ao ponto crucial de grandes volumes de dados.
ying_yang_mgmt.gif
No entanto, em face de toda essa mudança, uma coisa não mudou: as necessidades das empresas de saber agora por que eles estão sendo espancado por seus concorrentes em um mercado particular, ou porque eles estão perdendo dinheiro em suas operações. Isso coloca pressão sobre os cientistas de dados da empresa, porque eles não têm a mesma liberdade para experimentar (e ao fracasso, se necessário!) Com dados grandes que seus colegas acadêmicos fazer. Muita coisa está em jogo - porque se as empresas deixam de buscar novas respostas para seus problemas comerciais antigos de grandes volumes de dados, que são susceptíveis de obter as mesmas respostas sobre o desempenho das empresas que eles sempre obtido a partir de suas análises tradicionais.
Como é que as empresas equilibrar seus dados grandes abordagens para que atender às necessidades de seus processos de negócios, mas também permitir a experimentação suficiente com grandes volumes de dados para que eles possam obter respostas inovadoras para as perguntas que nunca tinha pensado em perguntar?

Quatro pilares fundamentais

º 1 Contratar tomadores de risco criativas

Gnau chama essas pessoas "artistas-exploradores". Eles olham para os dados de novas maneiras, eles são criativos, e eles não têm medo de falhar. Eles muitas vezes vêm de artes liberais e fundos de música - e eles não podem ser estatísticos hardcore.

º 2 Saber quando cortar suas perdas

Ao contrário de instituições acadêmicas, as empresas têm limites sobre quanto tempo eles podem dar ao luxo de permitir que o trabalho experimental, sem compensação retornos. "Os mais bem sucedidos cientistas de dados criativas têm um" fail fast "mentalidade", disse Gnau, "Em outras palavras, eles sabem como filtrar formulário de ruído verdadeiros símbolos de inteligência que vêm de dados e também saber quando a" puxar o plugue "quando eles podem ver que eles estão buscando uma direção que é um desperdício de tempo."
A empresa também tem de criar checkpoints realistas em projetos - para ver se eles são dignos de ser mantido ou se os novos projetos devem tomar o seu lugar.

º 3 Aceitar e aprender com os fracassos

Experimentação pura com dados pode ser gratificante, pois posiciona a empresa para a inteligência avanço que nunca poderia ter previsto. Ao mesmo tempo, no entanto, há um grau muito elevado de falha no processo de descoberta de dados. Se uma empresa é incentivar e premiar a pesquisa experimental capaz de produzir inteligência avanço, apoio para este processo de descoberta deve vir de executivos de nível C e filtrar todo o caminho através da organização. Deve entender-se e espera-se que existe uma elevada taxa de insucesso que se passa com a descoberta de dados notáveis ​​- e que a solução é para tentar de novo, e não para abandonar o esforço.

º 4 Manter uma carga de trabalho equilibrada e abordagem orçamental

Experimentação e descoberta de dados é um trabalho de P & D que deve ser equilibrada, com mais de negócios caso orientadas grandes projetos de análise de dados. A carga de trabalho ideal é uma mistura dos dois para que a empresa vê tanto de curto prazo e de longo prazo potencialmente mais profunda inteligência, que vem dentro de um ponto de vista autorização orçamental, o saldo também precisa existir - mesmo em "down" anos, quando muitos projetos são sacrificados em blocos de corte orçamentais.
Autor:
Mary Shacklett

Sobre Mary Shacklett

Mary E. Shacklett é presidente da Transworld Dados, uma empresa de pesquisa tecnológica e desenvolvimento de mercado. Antes de fundar a empresa, Mary foi Vice-Presidente Sênior de Marketing e Tecnologia da TCCU, Inc., uma empresa de serviços financeiros, o vice-presidente da ...

0 comentários Goocle+ 0 Facebook

Postar um comentário

 
Tudo Sobre Tecnologia © 2013-2020. Todos os direitos reservados. Tudo Sobre Tecnologia. Desenvolvido por TST
Topo