数据分析的挑战和最佳实践

正文

请到「今天看啥」查看全文

所以真的很有趣。 就人工智能和机器学习的使用而言，这很有趣。 像Stitch Fix这样的公司正在为消费者做一些令人惊奇的事情，但是甚至像Nordstrom这样的公司已经成功地将他们的供应链和购买数据联系起来，并且实际上预测了人们想要什么产品。 因此，有些公司正在取得成功，

Davenpor： 国际分析学会对不同组织的分析成熟度进行了基准测试。指出，所有的成熟度模型都应该有五个层次，通常，最低的第一层通常是一团糟，而第五层是非常复杂的。但到目前为止，所有被评估公司的平均成熟度才达到2.25层。

Iansiti： 实际上，很多的组织已经做了很多工作，我认为在很大程度上取决于其所处的行业。因此，所以我完全认同Davenpor的分析。实际上，无论是在AWS云平台还是在零售领域，亚马逊的出色表现令人赞叹。我认为它们非常先进。例如，美国运通这样的公司已经做了很多事情，或者一些信用卡公司不得不在某些方面采取行动，他们往往在不同的阶段都很先进。如果金融服务机构不在这方面进行投资，就会知道很快就会倒闭。此外，今年发生的疫情正在加快事态的发展。

Hinchcliffe： 我对一些公司的首席信息官进行了调查，在过去的几年里，数据分析一直是推动信息技术发展的五大优先事项之一。而在我们进行的另一个调查中，数据分析排名第二，数字化转型名列第一。

但就像所有强大的技术一样，数据分析将领导者和落后者区分开来。我们看到，大多数组织都处于发展阶段。

数据分析的挑战和最佳实践

Iansiti： 我认为现在要把事情做好，扩大规模，而且要跨越各种不同的流程。因此，并不是要建立一种很酷的算法来进行市场预测。从根本上讲，市场上有数百种这样的算法。例如， Fidelity公司有大约120个不同的项目负责人，他们致力于大规模部署一些数字化的流程。

Hinchcliffe： 有一位首席信息官说，“我的梦想就是能够掌握我们所知道的一切，并比我们的竞争对手做得更好更快。”

Suer： 在原有世界中，通常要求企业自己构建平台。他们购买产品，然后进行部署。在此过程中，大多数项目开展的并不顺利。所以我认为最大的问题是，组织需要数据科学家的帮助，当然也可以获得数据工程师的帮助，或者需要某种方式使组织从数据管道初始阶段清理原始数据。

请到「今天看啥」查看全文