精品国产一级在线观看,国产成人综合久久精品亚洲,免费一级欧美大片在线观看

當前位置:大數據業界動態 → 正文

部門有界 數據無界 大數據需要大胸懷

責任編輯:editor005 |來源:企業網D1Net  2017-08-21 14:23:56 本文摘自:數據分析網

最近在推進一些跨域的事情,聆聽了一些教誨,獲得了一些新的感悟,作為大數據管理者,擁有技術是遠遠不夠的,更需要有大胸懷,特此分享于你。

1、 在架構層面,大數據平臺要是企業級的

大數據平臺從技術層面講沒有太多的秘密,無論有多大的難度,大家都可以從小做起,但平臺的定位企業則要想清楚,這是由你決定的,因為這決定了平臺的內涵。

比如對于運營商,大數據平臺如果沒有管理層的背書,極有可能建成一個僅面向市場的專業集市,傳統的經分雖然號稱也整合多域數據,但實際上它就是市場的集市,然而當前運營商的數據創新大多發生在了O+B領域。

在TOGAF里,提到了企業架構在預備階段就要確立一些原則,這些原則是未來決策和行動的依據,不能動搖,現在想來,這太需要了,如果我是一個企業大數據平臺的首席架構師,第一條原則就應該是“平臺是企業級的,負責整個企業的數據整合。”

雖然在后續數據采集和整合過程中,會有大量的溝通協調問題,甚至爭論,這些都很正常,不同專業的人員,面對不同域的數據,要采用統一的技術標準來進行采集和管理,最終顯然是妥協的結果。

一個真正企業級大數據平臺能建立起來,不僅僅是技術問題,更多是管理問題,在公司大數據平臺建設的前期,筆者參加了不少技術討論會,技術層面的爭論是非常多的,因為一旦確認,意味著現在還好用的技術就可能被廢棄。

也正因為有了企業級的原則,才能有理有據的去采集所有的數據,多少企業內部的數據管理人員由于缺乏上層明確的一個說法而讓數據整合舉步維艱。

2、 在運營層面,要勇于打破部門的邊界

即使采集到了企業級的數據,但企業的大數據管理者往往不知覺陷入“數據是全域的,但心態仍是部門的”境況,為什么

首先是自身定位問題,硬件更新了,但軟件還沒更新,在企業數據貫通的前期,其實很難有懂全域數據,高屋建瓴的數據管理人員,在大量條線分割明確的企業,往往不自覺的是以部門利益為導向的,現在要求以全局利益為導向,這個轉變的挑戰很大。

比如以前部門的資源自己用,現在平臺需要為企業各個部門服務,資源如何分配,優先級如何定,跨部門流程如何貫通,這些都是問題,企業級大數據平臺建設完成可不是終結,恰恰是艱難運營的開始。

其次是不確定問題,前期筆者談過企業要建立搭臺唱戲的運營方式,通過企業級PaaS平臺為各個部門提供能力支撐,但對熟悉的業務支撐相對容易,對不熟悉的業務的就變得舉步維艱了。

以建模大賽為例,針對B域可能駕輕就熟,不就是精確營銷嗎,我們懂,但一旦換到了O域,就有畏難情緒,認為這個事情不確定強,比如網絡的不熟悉,課題不知道怎么定,別人不配合怎么辦,總之是一堆的問題,這對于企業的數據管理團隊是巨大的挑戰。

總喜歡做熟悉的事情,對于陌生的領域躲之不及,但這恰恰是企業級大數據運營的關鍵,不突破原有自身所在的業務領域,談何企業級大數據,做大數據要解決大意識的問題。

當我們打造出了企業級大數據平臺,應該接著問問自己的內心是否已經做好準備,去嘗試一個自己從未接觸的領域,我們在感嘆大數據對內變現不易的時候,是否想到過是由于自身的思想禁錮而導致停滯不前

3、在數據層面,要努力掌握跨界的信息

你在某個域是數據權威,但在另一個域往往還沒入門,因為數據帶著天然的業務屬性,所謂無業務不數據,但真的是這樣嗎

對于數據管理人員,如果將數據當成資產,則理解資產是第一要務,現在人工智能,機器學習很熱,但再好的算法,也不如一個好的數據。

舉個例子,我們舉辦的一次建模大賽中發現有個地市找到了一個數據,即基于信令切換可以判斷是否換成WIFI上網,這可以較為準確的判斷是否是異網寬帶用戶,而這個數據其實早已經躺在我們的平臺上了,僅僅因為這個數據不屬于傳統的領域,我們的數據管理人員還不熟悉,但大家都知道,靠算法去判斷一個異網用戶是多么艱難。

重劍無鋒,大巧不工,大數據的精髓往往在于去做那些樸實無華的事情,就好比我們以前理解B域數據那樣,要通過不停的問,不停的取,不停的修,最終我們對于數據的理解才能達到一個新的境界,直到足以挖掘出這個數據的全部潛力,這才是企業級數據管理團隊存在的價值。

4、在算法層面,要敢于去嘗試一些新東西

人工智能,深度學習興起代表了一種趨勢,雖然業務為王,但也要相信算法推動業務的力量,我們在尊重業務人員的經驗時候,也要想想有哪些更好的算法能服務好業務,兩者是相輔相成的。

很多人估計跟筆者一樣困惑吧,一方面感嘆于深度學習在人機交互領域的突飛猛進,另一方面卻覺得這個東西跟公司的業務相距甚遠,真的是這樣嗎

如何讓深度學習服務于自己的企業是當前每個數據管理者需要考慮的問題,總有些業務場景特征是不明顯的,需要用深度網絡來抽象出特征變量,總有些場景識別問題可以轉換成圖像識別問題,企業特別需要有能連接業務和深度學習的人,我們不能對業務人員有更多要求, 這是用技術改變業務的真正機會。

尋找的過程很痛苦,但值得去嘗試,即使失敗了,也積累了經驗,至少理解了深度學習,搞懂了TensorFlow, 這對團隊有好處,也為下一次沖鋒集聚了能量。

部門有界,數據無界,是突然閃現在面前的字眼,大數據博大精深,既是技術,也是業務,更是管理,既是術,也是道,我們在羨慕互聯網的跨界創新時,其實企業的跨界創新就在身邊,關鍵在于自己是否擁有更廣闊的視野和胸襟,能勇敢的往前邁出一步。

關鍵字:數據平臺TOGAFPaaS

本文摘自:數據分析網

x 部門有界 數據無界 大數據需要大胸懷 掃一掃
分享本文到朋友圈
當前位置:大數據業界動態 → 正文

部門有界 數據無界 大數據需要大胸懷

責任編輯:editor005 |來源:企業網D1Net  2017-08-21 14:23:56 本文摘自:數據分析網

最近在推進一些跨域的事情,聆聽了一些教誨,獲得了一些新的感悟,作為大數據管理者,擁有技術是遠遠不夠的,更需要有大胸懷,特此分享于你。

1、 在架構層面,大數據平臺要是企業級的

大數據平臺從技術層面講沒有太多的秘密,無論有多大的難度,大家都可以從小做起,但平臺的定位企業則要想清楚,這是由你決定的,因為這決定了平臺的內涵。

比如對于運營商,大數據平臺如果沒有管理層的背書,極有可能建成一個僅面向市場的專業集市,傳統的經分雖然號稱也整合多域數據,但實際上它就是市場的集市,然而當前運營商的數據創新大多發生在了O+B領域。

在TOGAF里,提到了企業架構在預備階段就要確立一些原則,這些原則是未來決策和行動的依據,不能動搖,現在想來,這太需要了,如果我是一個企業大數據平臺的首席架構師,第一條原則就應該是“平臺是企業級的,負責整個企業的數據整合。”

雖然在后續數據采集和整合過程中,會有大量的溝通協調問題,甚至爭論,這些都很正常,不同專業的人員,面對不同域的數據,要采用統一的技術標準來進行采集和管理,最終顯然是妥協的結果。

一個真正企業級大數據平臺能建立起來,不僅僅是技術問題,更多是管理問題,在公司大數據平臺建設的前期,筆者參加了不少技術討論會,技術層面的爭論是非常多的,因為一旦確認,意味著現在還好用的技術就可能被廢棄。

也正因為有了企業級的原則,才能有理有據的去采集所有的數據,多少企業內部的數據管理人員由于缺乏上層明確的一個說法而讓數據整合舉步維艱。

2、 在運營層面,要勇于打破部門的邊界

即使采集到了企業級的數據,但企業的大數據管理者往往不知覺陷入“數據是全域的,但心態仍是部門的”境況,為什么

首先是自身定位問題,硬件更新了,但軟件還沒更新,在企業數據貫通的前期,其實很難有懂全域數據,高屋建瓴的數據管理人員,在大量條線分割明確的企業,往往不自覺的是以部門利益為導向的,現在要求以全局利益為導向,這個轉變的挑戰很大。

比如以前部門的資源自己用,現在平臺需要為企業各個部門服務,資源如何分配,優先級如何定,跨部門流程如何貫通,這些都是問題,企業級大數據平臺建設完成可不是終結,恰恰是艱難運營的開始。

其次是不確定問題,前期筆者談過企業要建立搭臺唱戲的運營方式,通過企業級PaaS平臺為各個部門提供能力支撐,但對熟悉的業務支撐相對容易,對不熟悉的業務的就變得舉步維艱了。

以建模大賽為例,針對B域可能駕輕就熟,不就是精確營銷嗎,我們懂,但一旦換到了O域,就有畏難情緒,認為這個事情不確定強,比如網絡的不熟悉,課題不知道怎么定,別人不配合怎么辦,總之是一堆的問題,這對于企業的數據管理團隊是巨大的挑戰。

總喜歡做熟悉的事情,對于陌生的領域躲之不及,但這恰恰是企業級大數據運營的關鍵,不突破原有自身所在的業務領域,談何企業級大數據,做大數據要解決大意識的問題。

當我們打造出了企業級大數據平臺,應該接著問問自己的內心是否已經做好準備,去嘗試一個自己從未接觸的領域,我們在感嘆大數據對內變現不易的時候,是否想到過是由于自身的思想禁錮而導致停滯不前

3、在數據層面,要努力掌握跨界的信息

你在某個域是數據權威,但在另一個域往往還沒入門,因為數據帶著天然的業務屬性,所謂無業務不數據,但真的是這樣嗎

對于數據管理人員,如果將數據當成資產,則理解資產是第一要務,現在人工智能,機器學習很熱,但再好的算法,也不如一個好的數據。

舉個例子,我們舉辦的一次建模大賽中發現有個地市找到了一個數據,即基于信令切換可以判斷是否換成WIFI上網,這可以較為準確的判斷是否是異網寬帶用戶,而這個數據其實早已經躺在我們的平臺上了,僅僅因為這個數據不屬于傳統的領域,我們的數據管理人員還不熟悉,但大家都知道,靠算法去判斷一個異網用戶是多么艱難。

重劍無鋒,大巧不工,大數據的精髓往往在于去做那些樸實無華的事情,就好比我們以前理解B域數據那樣,要通過不停的問,不停的取,不停的修,最終我們對于數據的理解才能達到一個新的境界,直到足以挖掘出這個數據的全部潛力,這才是企業級數據管理團隊存在的價值。

4、在算法層面,要敢于去嘗試一些新東西

人工智能,深度學習興起代表了一種趨勢,雖然業務為王,但也要相信算法推動業務的力量,我們在尊重業務人員的經驗時候,也要想想有哪些更好的算法能服務好業務,兩者是相輔相成的。

很多人估計跟筆者一樣困惑吧,一方面感嘆于深度學習在人機交互領域的突飛猛進,另一方面卻覺得這個東西跟公司的業務相距甚遠,真的是這樣嗎

如何讓深度學習服務于自己的企業是當前每個數據管理者需要考慮的問題,總有些業務場景特征是不明顯的,需要用深度網絡來抽象出特征變量,總有些場景識別問題可以轉換成圖像識別問題,企業特別需要有能連接業務和深度學習的人,我們不能對業務人員有更多要求, 這是用技術改變業務的真正機會。

尋找的過程很痛苦,但值得去嘗試,即使失敗了,也積累了經驗,至少理解了深度學習,搞懂了TensorFlow, 這對團隊有好處,也為下一次沖鋒集聚了能量。

部門有界,數據無界,是突然閃現在面前的字眼,大數據博大精深,既是技術,也是業務,更是管理,既是術,也是道,我們在羨慕互聯網的跨界創新時,其實企業的跨界創新就在身邊,關鍵在于自己是否擁有更廣闊的視野和胸襟,能勇敢的往前邁出一步。

關鍵字:數據平臺TOGAFPaaS

本文摘自:數據分析網

電子周刊
回到頂部

關于我們聯系我們版權聲明隱私條款廣告服務友情鏈接投稿中心招賢納士

企業網版權所有 ©2010-2024 京ICP備09108050號-6 京公網安備 11010502049343號

^
  • <menuitem id="jw4sk"></menuitem>

    1. <form id="jw4sk"><tbody id="jw4sk"><dfn id="jw4sk"></dfn></tbody></form>
      主站蜘蛛池模板: 明溪县| 手游| 星座| 康乐县| 南江县| 聂拉木县| 郎溪县| 宿松县| 鹤峰县| 大关县| 锦屏县| 龙川县| 杨浦区| 安康市| 杨浦区| 恭城| 县级市| 武乡县| 拉孜县| 保康县| 南郑县| 霞浦县| 闽侯县| 哈尔滨市| 德兴市| 宝丰县| 栾川县| 星子县| 徐州市| 临汾市| 安塞县| 都匀市| 寻乌县| 油尖旺区| 贵阳市| 广灵县| 新干县| 邵阳县| 西昌市| 陵水| 广东省|