大數據不僅是一個流行話題，更是企業中實實在在存在的需求。許多企業開始著手于大數據分析項目，但在此之前，我們需要一個良好的部署方案以確保最終的結果能夠為業務服務。選擇合適的技術是規劃的第一部分，當企業選擇了數據庫軟件、分析工具以及相關的技術架構之后，我們就可以進行下一步并開發一個真正成功的大數據平臺。
當然，我們也沒必要過分夸大項目管理進程的作用，成功的大數據分析項目來自于多個方面。在本文中，我們就將介紹五個技巧，企業用戶進行平臺部署的時候可以作為一定的參考：
只選擇你所需要的數據。出于其本身性質而言，大數據分析項目中我們會遇到海量的數據集。但是海量數據并不代表一個企業的所有數據，也不是相關數據源中的所有信息都需要我們來進行分析。企業需要確定哪些數據具有戰略價值，能夠為分析服務。舉例來說，什么樣的信息組合對于客戶維系起到至關重要的作用？或者股票市場中，有哪些數據隱藏著交易的模式？在規劃階段，把注意力集中在業務目標之上，將有助于企業對分析進行精準的定位，在此基礎之上我們可以也應該了解哪些數據能夠滿足這些業務目標。在一些情況下，包含所有數據的案例也會有，但畢竟還是少數。我們往往只需要大數據中的一個子集來進行分析。
構建高效的業務角色然后處理相應的復雜度。積極應對復雜性是大數據分析項目成功的關鍵之一。為了能夠最終得到正確的分析結果，我們需要讓所有相關的業務數據所有者參與到流程當中，以確保提前制定必要的業務角色。一旦業務角色制定完畢，技術人員就可以評估相應的復雜度，以及所需要做的工作。這就指向了部署的下一個階段。
以協同的方式將業務角色轉化為相關的分析。建立業務角色對于大數據分析應用來說只是第一步，接下來IT或者分析專家需要創建相應的算法。但這部分工作并不應該是獨立的，起初的查詢越準確，那么所需要的開發工作就越少。許多項目都需要持續反復的開發工作，究其原因還是因為項目執行人員和業務部門溝通出現了問題。因此，在項目開發的進程中，我們需要雙發協同并及時溝通，以便保障項目的順利進行。
確定一個維護計劃。除了項目之前的一些開發工作，我們還需要不間斷地注意變更。在業務需求變化之上的日常查詢維護固然重要，但畢竟它只是整個分析項目管理的一部分。隨著數據集的不斷增長以及業務用戶對分析過程的不斷熟悉，他們對系統的要求也會相應地增加。分析團隊必須能夠及時地滿足額外的要求。此外，在進行軟硬件選項評估的時候，其中一個必須考慮的元素就是在不斷變化的業務環境中能否支持迭代的開發過程。能夠根據需求變化而改變的分析系統，在長時間內都會體現它的價值。
牢記用戶需求，不是部分用戶，而是所有用戶。隨著自助式BI工具的流行，在大數據分析項目中把終端用戶放到考慮范疇之內就顯得并不奇怪了。當然，能夠應對不同數據類型的IT架構非常重要，但是系統的可操作性和交互性同樣是我們需要考慮的問題。這需要我們把不同類型用戶的反饋考慮在內，從高管層到操作工，從分析師到統計員都需要能夠訪問到大數據分析應用，不管是用何種方式。而他們對于工具的接受度，在很大程度上決定了項目成功與否。舉例來說，普通員工或者業務經理不需要自己去運行一個大數據分析查詢，他們只需要能夠訪問可視化的報表或者儀表盤就可以了。而分析人員以及IT部門可能就需要一些深入的功能。
并沒有一種方法能夠確保所有的大數據分析項目成功，但是了解一些最佳實踐一定能夠讓你的大數據項目規劃變得更加清晰。對于大數據分析的技術問題太過細節復雜，不是一朝一夕能夠解釋清楚，因此我們在本文中并沒有提到技術細節。但技術和業務兩方面決定著大數據項目的成敗，只注重技術而忽視業務需求將會導致項目失衡，反之亦然。
京公網安備 11010502049343號