܄

猿家编译丨人人都知道的大数据企业为什么总做不成?

【数据猿导读】 公司不应该把注意力集中在如何用大数据解决单一问题点上,而应该搞清楚公司为什么要解决这个问题,想清楚问题背后的原因。只有设立了清晰的商业目标,公司才可以确保自己的大数据项目不会走偏,才能真正解决企业的根本问题

猿家编译丨人人都知道的大数据企业为什么总做不成?

本文作者为美国商业和科技领域的资深自由撰稿人Rick Delgado,对大数据、云计算等相关技术领域有着多年的深入研究。

很多公司已意识到大数据的价值,都想利用大数据实现公司更高的发展目标,但实际上,多数企业推出的大数据项目最终都是失败的。有相关调查数据显示,很多公司已承认自己推出的大数据项目结果是失败的,根本没有达到预期的效果跟目标。这对于那些正打算开发大数据项目的公司而言,或许是给他们泼了一盆碰冷水。

数据猿注:这也像很多国内的公司一样,不管是BAT巨头,还是创业公司,虽然都看到了大数据的价值,但大多都停留在畅想未来的阶段,真正能让大数据发挥作用的案例还很少。

不管结果怎样,现在大数据已无处不在,遍布各行业,正在深刻改变着企业的生产与人们的生活方式,这是无法改变的事实。企业如果不能有效地利用这些大数据,将来就有可能会在激烈的竞争中淘汰。

企业的大数据项目很容易中途夭折,是因为他们往往不知道最终失败的原因是什么。只要能准确找出这些失败的原因并能有效实施,就能取得成功。

失败原因一: 没有清晰确定的商业目标

很多公司一开始都这么想:“大数据一定有利于公司的发展。”有这样的想法是一个很好的开始,可这种思维模式有时候却会让企业的大数据项目走进死胡同。会让企业单纯的只是为了使用大数据而推出大数据项目,那就变成了死循环。因此,公司应该设立清晰的商业目标。

公司不应该把注意力集中在如何用大数据解决单一问题点上,而应该搞清楚公司为什么要解决这个问题,想清楚问题背后的原因。只有设立了清晰的商业目标,公司才可以确保自己的大数据项目不会走偏,才能真正解决企业的根本问题。

失败原因二:缺乏大数据人才

都说大数据未来会比现在的石油都要金贵,是相当有用宝贵的资源,不过很多企业却没有能力去有效地使用它,眼睁睁看着这么一座大金矿却不知道怎么用,最终肯定会面临很高的失败风险。

现在,市场上优秀的大数据人才供给也远远小于需求,人才是所有企业发展的根本,对企业而言,招聘到合适的大数据专业人才也是一项艰巨的挑战。所以,即使会花大量的精力,企业也一定要寻找到合适的人才,帮助公司开发大数据项目。

另外还要注意到一点,光有专业的技术人才是不够的,想要确保大数据项目的顺利进行,想要最终获得成功,往往还需要更多具备多种技能的复合型人才。

失败原因三:过分依赖数据

实际上,如果大数据仅仅是单一地依赖于数据,那大数据项目失败的可能性还是会很大。以目前的行业发展情况来看,大数据如果想真正发挥它应有的价值,那就不应只包含数据,如果大数据只是意味着数据,那理论上只要通过优秀的技术算法就能使大数据项目获得成功,但从实际来看这显然是不现实的。

大数据的最终有效实施还需要有合适的行业专业人员来引导,这些专业人员既有丰富的行业从业经验又带有真实的人类情感,能在项目进行的关键阶段从人的角度提出问题与解决方案,尤其是在公司处理消费者交互数据时,这些具有丰富经验专业人员尤为重要。

失败原因四:得不到高管的有效支持

公司里最有话语权的决策者往往都是非大数据专业出身,无法很好理解大数据给公司带来什么具体价值的人。企业要想确保大数据项目的成功,公司的这些领导决策者们就必须坚定地确信大数据项目可以给公司带来好处的。

如何说服决策者积极地接受、配合并有效地支持推动公司的大数据项目,最好的办法就是要明确、具体并毫无保留地告诉他们,公司完全可以依靠大数据一步步实现公司重大的战略性目标,可以与公司当下的实际发展有效结合,能解决遇到的阶段性问题。

失败原因五:实施计划不周

大数据往往是动态演进的,有时候可能只是实施了一个小项目,慢慢地却演变得越来越大,小项目中的小问题在项目规模越来越大的同时,也慢慢演变成更为复杂的大问题。若是计划不当,这些由小积大的问题就会摧毁整个项目,致使大数据项目最终流产失败。因此,在推进项目实施之前,就应该做好详细规划,设想实施过程中会出现的各种可能性,配备多种解决方案。

确实有很多企业的大数据项目继续不下去,不得不中途放弃。但也有很多企业成功地推出了自己的大数据项目,并从中获益。如果能牢记以上五点并能有效实施,公司就可以更好地管理大数据项目,项目的成功之日也近在咫尺。

注:本文为数据猿独家外电编译稿件


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

我要评论

精品栏目

[2017/12/19]

大数据24小时

More>

[2017/12/18-22]

大数据周周看

More>

[2017/12/18-22]

大数据投融资

More>

[2017/12/18-22]

大咖周语录

More>

[2017/12/13-20]

大数据周聘汇

More>

[2017/12/12-19]

每周一本书

More>

返回顶部