公司正在大力投資于收購和開發人才，技術和業務流程，旨在手機和分析海量數據，是他們能夠開發旨在加強客戶價值可操作的商業洞察力。數字業務轉型的主要驅動力是提高數據轉化為知識和理解，導致有意義的和及時的行動能力。然而，企業需要什么要的數據和大數據科技為企業所帶來的還是有一定差距的，這很大程度體現在它索貝存儲到搜索和檢索的基礎架構層。為了能夠突破簡單的收集數據，為了一個漂亮的視覺故事，往往需要一個數據科學家的經驗，來真正分析總結的數據，才可以被用來獲取企業真正想要的數據見解。對于營銷組織，數據科學家的聘用是最重要的。

但是數據科學家實際上做什么？最好詢問首席鋰技術數據科學家，邁克爾.吳博士。吳博士用了大量的時間在處理數字，測試和建筑模型，并試圖了解在不同的社會渠道社會化客戶的行為來預測客戶行為及其對企業的影響。吳博士幫助我們了解企業如何使用原始數據轉化為他們實際上要做出更好的決策信息的見解。如今，市場和銷售組織正在努力征服海量數據。

5個步驟來獲得原始數據可操作性的見解

1.首先要確定你正在試圖解決的業務問題

由于作為處理所有這些數據的起點，吳博士建議企業開始業務問題。收集所有的數據是很重要的，因為你不知道在未來會出現什么問題，但是為了使用這些數據進行商務行為必須要展開一個問題。“如果你想要有一個大的數據主動權或者大數據戰略，首先確定一些問題，這樣使你手機的數據更有直接的價值，”吳博士說。在這一過程中，數據將有更多的價值和更長的保質期，這將在未來10年或20年后體現出更多增長的價值。

一旦你收集的數據用來解決特定的問題，那么你必須要看到數據是什么屬性或什么信息還有你從這個數據得到的信息。每個人都想知道如何提高在社會化媒體的識別度并且吳博士說社會媒體或人參與的社交媒體消費中有大量的數據。營銷者其實可以通過數據并做一些簡單的類型分析，使他們能夠最大限度地發揮他們的社交媒體的付出。

2.啟動描述性分析

為了將原始數據信息轉化為對數據信息的見解，吳博士說，有三個班的分析可供人們使用。第一類被稱為描述分析，這些被收集的歷史數據的摘要通常顯示為視覺星系顯示板。吳教授說，大多數公司在做的80%的分析都被歸為這一類。“你總是以描述性分析開始，然后如果你得到足夠的數據就可以變得更加復雜，那么就可以進行實際構建的預測分析。如果你是更先進的，那么你基本上是做規范性的分析”吳博士說。

3.計算機用預測分析來感受

預測性分析是最簡單的類型，是每個人都熟悉的趨勢走向。你看一下數據，然后按照一定的趨勢，你可以看到如果繼續按照這個趨勢，不管是明天還是將來，這將是一個特定的，可預測的值。吳博士說，有關預測分析的有趣的一點是，你不必只是預測未來，你其實也可以預測過去。在這種情況下，你要使用你沒有的數據去進行預測。“預測分析是非常簡單的，它基本上是你將數據放進模型并且模型的輸出就會高速你一些你不知道的”吳博士說。

在社會化媒體中，有一組人們所熟悉的夫婦類型的預測分析。例如，情感分析實際上是預測性分析。“隨著情緒的分析，沒人真正出現問題并且報告顯示他們的情緒對于蘋果和安卓或者其它的都是積極的。他們說‘我唉我的iPhone‘或’我愛我的新機器人’。使用自然語言作為已知數據，我們建構一個使用語言處理的模式，所以當人們使用這種類型的語言，它通常意味著他們有積極的情緒或負面情緒，因此情緒其實是沒有辦法衡量的”吳博士說。

4.符合關鍵績效指標與規范分析

一種規范分析的最簡單的例子是谷歌地圖，它規定你去哪里你想要去的路線。想預測分析，一旦你有一個模型，你可以去預測東西。有了規范的分析，可以去做你需要做的，并且你需要關注以便能夠得到一個特定的業務績效指標（KPI），比如實現最高的客戶滿意度和最大的收益。

5.進入可操作的結果

吳博士認為，無論是描述性的，預測性或規定性的，最終的目的是幫助企業決策者采取他們對數據的分析的行動。“行動-能力是非常重要的，很多人說，他們提供可操作性的分析，但他們實際上意味著什么？可操作性是分析的一種并且是一種可描述性分析；它告訴你行動的過程，你可以進行行動和影響的結果”吳博士。如果不能采取行動，那么它不是指令性的分析。

吳博士解釋說，規范分析也就是我們所說的預測窗，這意味著這個窗口，你在做預測的誤差范圍內，還是可以接受這個概念。當我們談論行動的能力，你必須另外的測試方式叫反應時間，那就是它需要你從哲學預測的時間內采取行動。“行動，最重要的測量標準是，你的反應時間要比以訛傳訛時間要短”吳博士說。

吳博士的結論是，“我們不缺數據，隨著大數據技術商品化后，可訪問到的數據將會增加。我們需要的是用智能數據分析將大數據的字節轉化為可操作的”。