申请专栏作者 参展
投稿发布
您的当前位置:主页 > 数据挖掘 > 正文

为什么你的数据科学项目终将失败?

来源: 时间:2019-10-08
请支持本站,点击下面的广告后浏览!

作者:Daniel Amner 译者:Sambodhi 来源:InfoQ 内容来自可思数据sykv.com

虽然数据是是推动真正数字转换的关键要素,但组织往往以错误的方式处理数据和分析项目。实际上,很多时候数据科学项目失败的原因,往往是由于人的因素,而非技术因素。技术问题,终将可以通过技术来解决,但人的问题,就没那么容易了。让我们看看数据科学家是怎么看待数据科学项目的成败与人的关系。

可思数据-AI,sykv.com人工智能,深度学习,机器学习,神经网络

你的组织要求你构建一个新的数据平台。这听上去很激动人心,对不对?只是,你失败的可能性要比成功的可能性还大。 内容来自可思数据sykv.com

据 Gartner 估计,有 60% 的数据项目取得失败,一些分析师认为这一数字是一个保守的估计。

内容来自可思数据sykv.com

下面是我认为导致数据项目失败的一些原因。

可思数据sykv.com

数据的价值没有得到重视

内容来自可思数据sykv.com

数据已经成为最重要的商业资产之一,但大多数组织并没有重视它的价值。数据常常被视为功能的一个分支,很少有人会去考虑如何利用它来推动组织中的价值。 可思数据-人工智能资讯平台sykv.com

“数据是新的石油”已经成为描述数据价值的常用语。原油是未经提炼的,虽然它有一些内在价值,但在实现其真正价值之前还需要进一步加工。有太多的组织,只满足于仅仅收集原始数据,而很少考虑将其提炼成有用的产品。 内容来自可思数据sykv.com

没有组织范围的数据策略 可思数据-www.sykv.cn,sykv.com

通常应用于软件开发的康威定律(Conway’s law)指出: 可思数据sykv.com

“设计系统的架构受制于产生这些设计的组织的沟通结构 。” 可思数据sykv.com,sykv.cn

这个定理在数据空间中适用,而且可能更加准确。对组织中的每个区域来说,将其数据存储在只适用于其用例的结构和位置,是很常见的做法,而很少会考虑组织的其他区域将如何共享或利用。

内容来自可思数据sykv.com

如果没有集中职能来定义整个组织的解决方案,很可能会出现数据孤岛:数据存储在不同的数据存储区中。即使在数据存储在集中位置的更好情况下,组织也不会以开放的心态去处理数据结构。这就导致了不那么明显、但同样有问题的数据孤岛。

本文来自可思数据(sykv.com),转载请联系本站及注明出处

技术主导的解决方案

可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

不成熟的组织总是将数据视为可以通过技术解决的技术问题,通常认为数据是由技术系统产生并存储在技术解决方案中的。 可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

带来的结果是,数据解决方案是技术团队独立于组织的其他部门来制定的。数据解决方案的架构通常由软件架构师和开发人员执行,但他们却很少了解数据的细微差别,且缺乏上下文或理解。

可思数据-www.sykv.cn,sykv.com

很自然,这会得到次优解决方案,要么导致交付的平台对大多数最终用户不适用,要么导致大量的重新设计和返工,从而造成交付过程漫长而曲折。

可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

缺乏专注力 可思数据sykv.com

组织及其领导者正被数据驱动决策所带来的提高效绩的承诺所诱惑。这会促使高层作出一些陈述,例如: 可思数据-人工智能资讯平台sykv.com

数据是我们的第一要务。

可思数据sykv.com,sykv.cn

我们组织的每个区域都必须在决策中利用数据。 可思数据sykv.com

在没有捕获数据的情况下,任何新产品或系统都不可交付。 可思数据-AI,sykv.com人工智能,深度学习,机器学习,神经网络

虽然这些听上去像是有用的法令,但它们可能会带来意想不到的后果。它往往会给组织灌输一种“数据狂热”的感觉,从而导致定义不清的需求和数据捕获,而不去考虑如何使用这些数据。 内容来自可思数据sykv.com

“数据狂热”还可能表现为要求同时处理所有事情,因为需要让人们看到自己正在“处理数据”。这样做的结果就是,在作决策的时候,很少关注这样做对组织有什么好处,而更多的是在复选框中打勾,以确保你不会被指责没有做正确的事情。

可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

忽视技能差距

可思数据-www.sykv.cn,sykv.com

组织通常已经拥有很长时间的数据存储。数据仓库已经存在很长时间了,它们经常用来交付分析。

可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

然而,用户交付这些数据并分析其中所包含的数据的技能,并不同于构建一个现代数据平台,也不同于从其中所包含的数据中提供深刻和有意义的见解。

可思数据sykv.com,sykv.cn

大多数组织都没有意识到,向现代数据平台的转型,需要现有劳动力进行大规模的技能转移,并且还难以为弥合这一差距制定计划。

可思数据sykv.com,sykv.cn

近年来,对高技能数据型人才的需求激增,大多数组织不愿投资招聘这些人才,而是满足于试图利用现有的劳动力。实际上这一做法得不偿失。假设你有一个很棒的数据平台,但没有优秀的人去使用它,那么你就将无法从中获得真正的价值。 可思数据-人工智能资讯平台sykv.com

结论 可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

数据项目经常因人员问题而失败。至于技术问题,通常可以很容易地解决,但人员是一个非常困难、微妙的问题。 可思数据sykv.com,sykv.cn

重要的是要认识到,数据项目要取得成功,就必须采取整全观,包括来自组织的所有领域的人员,以开放、协作的心态进行工作。 可思数据sykv.com,sykv.cn

如果不这样做的话,数据项目将很可能会失败。

可思数据-人工智能资讯平台sykv.com

作者介绍:Daniel Amner,是一名数据工程师,对所有数据抱有兴趣,重点关注如何利用数据来提高业务价值。 可思数据sykv.com,sykv.cn

原文链接:https://towardsdatascience.com/why-your-data-projects-will-probably-fail-3dfa6f73761c

可思数据sykv.com,sykv.cn


转发量:

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片

关于我们   免责声明   广告合作   版权声明   联系方式   原创投稿   网站地图  

Copyright©2005-2019 Sykv.com 可思数据 版权所有    ICP备案:京ICP备14056871号

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部
关闭