数字化转型 数字意识
每个管理大数据，使用IoT设备或从不同的信息流中提取信息的组织都在寻找方法，以使他们从各种数字转换项目中闪现出来的所有数据都得到充分利用。 但是，将从各种数字转换项目中获得的基本数据转化为实际见解并不是一件容易的事。 许多陷阱，障碍和误解会导致数字化转型项目失败。 在实施数字转换项目时，企业会犯以下七个常见错误。
＃1没有明确目标的数字转换项目
没有业务决策者的专门支持，也没有数字化转型项目的明确目标，任何人工智能或分析尝试从一开始就注定要失败。 Dell-EMC数据分析产品和业务负责人Sai Devulapalli表示：“我看到太多的Hadoop项目由于没有与业务成果挂钩而被搁置然后停滞不前。” 为了使数字转换项目向前发展，如果没有成功，它应该至少有两个清晰的用例。 它还应获得组织内部业务部门的赞助，这些赞助将直接从项目结果中受益。 牢记最终目标至关重要。 “不要建立数据湖，而是去钓鱼用例。 坚持创建的范围。”
＃2组织尚未意识到问题会导致分析
高管和高层管理人员习惯于根据业务直觉做出决策。 除非有更好的选择，否则一切都很好。 数据科学家Neeraj Madan提供了以下观察。 “在各种数据科学活动中，我注意到客户并不总是意识到使用数据可以解决或无法解决的业务问题。 我始终鼓励客户使用经验数据为他们的业务问题找到解决方案。 您的直觉可能会给您一个起点。 但是，如果您要根据直觉做出决定，最好有证据或数据作为后盾。” 与可信赖的数据顾问合作并使用诸如CRISP-DM之类的适当方法，有助于将议程驱动的叙述与客观现实区分开来。
＃3数字转换项目使用脏乱，杂乱无章的数据
从分析中获得的见解仅与它们所基于的数据一样好。 可悲的是，数据质量通常不合格。 NVIDIA企业销售全球客户经理Alex Sabatier指出，第一个挑战是清理和标记数据。 “企业希望创建一个数据湖，但是最终他们由于不知道如何组织数据沼泽而创建了一个数据沼泽。 如果这不是一个真实的表示，那么您将得到一个错误的模型。” 当业务决策者与现实世界不一致时，很难学会信任分析和AI。
＃4数据科学团队不遵守规则
如果不遵循数据科学项目中以及周围组织层次结构中的最佳实践，可能会造成灾难。 洛杉矶市长办公室运营创新团队的通信和数据分析师Juan Vasquez揭示了他从一项重大分析计划中获得的发现。 “我对后续流程的重要性感到惊讶。 如果您没有采取正确的步骤，那么您最终会错过结果，或者结果根本无关紧要。” 遵循此过程不仅适用于技术方面，在此方面，跳过重要的准备工作（如清理和组织数据）会导致分析质量较差。 同样重要的是不要让利益相关者脱离流程。 如果资助，批准和使用该系统的人员不在圈中，则数字转换项目可能会被放弃，或者采用率可能太低而无法实现所需的ROI 。
＃5企业对数据的期望过高
尽管有些组织没有意识到他们的数字化转换项目已经获得的数据的力量，但其他组织却高估了它的能力。 顾问梅尔特姆·巴拉恩（Meltem Ballan）博士透露了她与客户的斗争，这些客户太过早了。 “他们认为我们拥有魔杖，可以通过数据洞察力非常Swift地改变他们的组织。 但是他们通常没有数据库来提取这些数据。” 她的工作是耐心和清楚地向客户显示出哪些地方不起作用，以便他们得出更现实的结论并探索他们的选择。
＃6内部IT拒绝外部专家的协助
据Ballan称，率先开展数据科学项目的咨询公司也发现，弄清另一个误解也很重要：“甚至有人聘请顾问来提供帮助，也会使某些人感到威胁。 我们不是在那里接受他们的工作。 我们在那里改善他们的业务。” 一旦顾问收拾行装回家，这些员工就需要知道如何保持分析的运行，从而证明他们对组织的持续价值。 与顾问合作具有良好的商业和职业意义。
＃7组织基于一厢情愿的误解数据
即使有了良好的数据，当人们开始追逐下一个有光泽的物体而不是使用常识时，愚蠢也会发挥作用。 根据数据怀疑论者Kyle Polich的说法，“ 查询是一回事，解释是另一回事。” 仅仅因为一个在线零售网站在午夜到凌晨6点之间受到失业者的欢迎，并不意味着这是一个新的商机。 “容易欺骗自己，并认为这是要追求的目标市场。 我不希望那个时候有其他观众在线。”
数字化转型 数字意识
1990
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
