Enable javascript in your browser for better experience. Need to know to enable it? Go here.
Perspectives by Thoughtworks - Edition 2 banner
Perspectives by Thoughtworks - Edition 2 banner
第 2 期 | 发布于 2018 年 12 月

数据沉迷的结果

阅读完整报告

 

恢复数据策略活力的原则

人们对数据以及用途产生了前所未有的浓厚兴趣,这并不奇怪。更多有趣的数据以及用于理解数据的工具和技术大量涌现。高涨的兴趣使企业感到恐慌。企业担心落后,因此急于收集越来越多的数据。欢迎来到数据沉迷时代。

对数据的搜索兴趣随时间推移的变化

Diagram - Search interest in data terms over time via Google Trends Diagram - Search interest in data terms over time via Google Trends


来源: Google Trends

 

原则 1:数据需要与业务目的直接相关

数据恐慌使各企业争相启动数据倡议。然而,这股热潮也使得许多企业仅仅为了使用新工具而启动大量数据项目。作者 Simon Sinek 提出了一条非常重要的建议:从原因开始。为什么要这么做这些信息如何帮助我的员工采取不同行动?对企业来说,最粗糙的数据并没有多大帮助。企业需要的是见解,这种见解要能帮助人们采取不同行动并做出符合业务目标的决策。但是好的信息并不能直接奇迹般地生成见解。因此,即使是最容易消化的信息也需要经过大量工作才能创造出价值。

 

“永远不要做纯粹的基础设施项目,这种项目无法立即创造商业价值,几乎注定会失败。”

 

Thoughtworks 全球人工智能负责人 Christoph Windheuser 博士

 

原则 2:越多并不总是越好(或者,初创企业可以教你一点东西)

成熟企业可能拥有更多可用数据。但在有效利用数据的竞争中,简单和文化往往能为初创企业带来优势。


恰当的例子——不一定越大越好。大型企业拥有大量数据能为这些企业带来更多可能性,但数据的这种潜力被禁锢在孤立的系统中,而且这类系统通常难以访问或难以理解。而且,尽管可能取得的成果还有很多,但是保存和维护海量数据成本高昂。同时,问责制也会造成障碍。随着企业的发展,数据存储在哪里,如何清洁,谁有访问权等有关数据“所有权”的问题变得更模糊。相比之下,数据驱动的初创企业以信息自由流通为关键点来构建系统。

传统企业背后的技术与数据驱动业务

Diagram by Thoughtworks - Tech behind Legacy entreprises v data-driven businesses Diagram by Thoughtworks - Tech behind Legacy entreprises v data-driven businesses

 

原则 3:数据湖不能拯救你(人工智能也不能)

人工智能和数据湖等创新可能会产生影响,但非灵丹妙药。企业需要把这些进步看作工具,而非沉迷其中。新发明的工具很有吸引力。但追求潮流可能会导致失策和分心。其中的复杂性和细微差别意味着同样的方式对于不同企业来说可能产生甲之蜜糖,乙之砒霜的效果,即使是这些企业身处同一个行业。

“我担心的是,我们将迎来下一个人工智能的寒冬。所有热潮退去后,人工智能就会突然之间因为没有达到某些不切实际的期望而遭到无端指责。”

 

《敏捷分析》作者 Ken Collier

 

 

原则 4:文化和设计与技术同样重要(如果不是更重要)

数据沉迷使许多企业急于聘请数据科学家和额外设立专门处理数据的部门。但是企业是否知道如何处理挖掘到的数据呢?

美国各城市数据科学家缺口

Diagram - Data scientist shortages in the US by city according to Linkedin report 2018 Diagram - Data scientist shortages in the US by city according to Linkedin report 2018

来源: Linkedin Workforce Report, August 2018

 

原则 5:从小事做起,学习,重复 .……不要停下脚步

在许多传统企业中,寻找数据、提取信息并将其转化为行动需要数月或数年。这种不便的情况让企业认为“迟做总比不做好”。但是,找到将数据与持续集成和交付等关键敏捷开发实践相结合的方法有助于缩短获得信息与采取行动之间的时间差。

数据周期

将敏捷和持续交付与数据科学相结合



Diagram - Continuous Intelligence Diagram - Continuous Intelligence

在收件箱中获取《视野》

 

为数字领导者提供及时的商业和行业洞察。

 

《视野》订阅为您提供我们专家的最佳播客、文章、视频和活动,以扩展我们广受欢迎的《视野》出版物。

Marketo Form ID is invalid !!!