当前位置: 主页 > M生活派 >如何成为一家真正发挥大数据作用的「数据驱动型公司」? >

如何成为一家真正发挥大数据作用的「数据驱动型公司」?

2020-07-02 05:05:03 来源:M生活派 浏览:912次
如何成为一家真正发挥大数据作用的「数据驱动型公司」?
概述:作者是业界资深的数据分析师,人工智慧投资人,他在文章里给我们介绍了什幺是大数据的来源,目前在数据领域的初创公司与现有巨头的竞争现状,各自在数据领域所採取的不同做法,数据分析工作的外包,为什幺有关大数据分析软体的项目总是会失败?
在本章节中,我想试着描述、分享一下大数据在公司商业运营情境当中所扮演的角色。
大数据的能力是从何处而来?
首先,我想先花一点时间来谈谈有关数据的价值,数据所发挥的作用,它是从何处而来的。
我认为「企业专家中心「各自独立,各自为战是一种法子,相互独立的 BU 为了某些具体的项目相互协作也是一种法子,企业内部治理是一种途径,外部中心也是一种途径。
数据初创公司与数据垄断型公司的对决
到底是数据初创公司胜出?还是数据垄断型公司胜出?这个答案不可能清楚地给出,里面有太多需要考虑到的变数,尤其跟公司本身所处的行业,还有所持有的竞争优势有关。最重要的一点是,商业策略的制定,跟公司处于哪个成长阶段有着莫大的关係。
儘管从历史经验上我们可以看出:很多小公司在结构上比大公司要有着明显的优势,但是这并不能说:公司越是初期,在数据处理和应用上的成熟度更高。
更準确的说法是:因为小公司本身的灵活性,它们在这方面行动会非常迅速,而且因为本身基数小,所以很容易在增长比例上大幅超越大公司。
在这里,我想要强调的重点是:初创公司和大公司,在面对数据问题,儘管目标一样,但是採取的路径和方式方法是截然不同的。这里将这两种方法分别称之为:回溯型方式和前瞻型方式。
前瞻型方式:一般适用于小型初创公司,更準确的说,是那些刚刚进入行业不久,短期内还无法产出大量的数据,但是很快就会实现。正因为这一点,决定了它们从一开始就要制定一个高效实用数据的战略。
回溯型方式:更适合于已经在行业里扎根多年的大公司,它手上握有海量数据,但是它们不知道怎幺使用,比如如何将数据向某个中心枢纽集中。
前瞻型方式
採取这种方式的初创公司不拘泥于过去既定的任何组织架构,而且从一开始,为了某种长期的愿景,它就制定出非常严格的数据政策,以避免未来在数据领域出现任何的突髮状况。而且,它一开始就投入大量的资源和时间,如果做对了的话,那幺它会绕开接下来运营发展中的种种不便。
一开始就制定好一个完善的数据政策,能够很好地满足初创公司在接下来发展中,处于各个不同发展阶段时的需要。更重要的是,年轻的公司所受的约束较少,这种约束不仅体现在内部,比如官僚层级还没有形成;更体现在外部,比如政策法规上面扶持鼓励远远多过约束限制。而且它们往往对风险的接受度较高,使得它们愿意去测试和应用很多前沿科技,它们更愿意关注高质量的数据,而不是追求数据量的积累以便获得研发的基础。
回溯型方式
大公司往往会遇到下面的两个问题:
1. 它拥有的数据量确实非常大,但是它们不知道该如何是好。
2. 它们手里有数据,而且头脑中已经存在着明确的目的,但是因为数据质量达不到标準,数据整合方式上面并不完善,以及配套技能上不过关,连启动这个项目都做不到。
先说第一种情况。这样的公司往往是刚试着转型到数据驱动领域,它是有数据,但是不知道如何从中提取出有价值的东西出来。鑒于很多大公司的工作岗位要求都很明确,工作任务都被塞的很满,要求也比较高,所以某些时候它是无法做到公司内部进行创新的,也就是说,它们太忙了,根本抽不出时间。有些行业,比如银行业、金融科技行业,这个问题体现的尤其明显。
关于这个问题,我认为一开始就要聘请一名专门在商业智慧想法、战略上做创新的人进来。这个人富有经验,能够成为「数据驱动」理念的传道者,哪怕他不具备非常强大的计算机技术背景,他也能够为整个公司带来非常宝贵的建议和想法。
有了这样一个角色的存在之后,再去考虑找一名合格的数据分析师。
再来看第二种情况。他们手上有数据,也有明确的目的,但是不知道如何利用它们。我认为这存在着两种解决方案:
1. 公司从「一张白纸」出发,建立某种全新的数据平台,团队,以及以数据为核心的文化;
2. 公司直接将数据分析工作以及与数据有关的问题外包出去。
第一种方式如果一切进展如预期一样,肯定会带来更加稳健强劲的发展,但是成本也比较高。所以这个时候决策者是需要权衡成本收益谁大谁小的。
第二种方式是数据分析工作的外包。大公司一般倾向于选择某些大学作为数据分析工作的外包方。理由很简单:大学一般来说都比较缺钱,也需要数据来进行一些研究,从而方便最终形成论文报告。一般它们的报价也比专注于做数据分析的初创公司要低很多,更何况大学机构中不缺人才,不缺时间,不缺意愿,有足够多的理想条件来收拾整理一堆乱七八糟的数据。
相比之下,初创公司以盈利为目标,选择它就意味着较高的成本,但是它也是有优势的。往往这样的公司里聚集着世界最顶尖的数据分析人才,而它本身就掌握着很多非常有价值的应用研究案例和资料库,这些东西都是大学机构所比拟不了的。
但无论你是选择大学机构还是初创公司,都存在着一个绕不开的问题:数据的隐私安全性。你需要问下面的这些问题:公司外包出去的数据都是什幺?第三方机构是如何保证这些数据的安全性的?它们是怎幺存储数据,决策机制又是怎样的?
除了这两种办法之外,其实还有一些「旁门左道」,能够让你近乎于免费的得到数据分析结构。这就是科技圈里日趋流行起来的黑客马拉松和某些行业内聚会。你在这其中可以看到很多人有数据分析的才能,也能通过公开自己的数据,免费地拿到数据分析结果。
为什幺大数据项目很容易失败?
原因来自各个方面:
1、缺少商业目标和规划;
2、无法正确的找出需要解决的问题,缺少解决方案规模化的路径;
3、缺少 C 级管理人员或者高管的认可及支援;
4、过度投入大量时间和金钱,尤其是队伍中人才组成不合理,这一点尤其常见;
5、不合理的预期;
6、公司内部的屏障:比如存在很多数据走不出来的 「深坑」,团队内部糟糕的沟通机制,基础设施问题等等;
7、将这项工作看作是一时的项目,而不是持续性的学习过程;
8、数据管理、保护、隐私方面做的不到位。
上一篇:
下一篇:
相关资讯