撇開(kāi)炒作，利用大數(shù)據(jù)和分析法將會(huì)對(duì)企業(yè)未來(lái)業(yè)績(jī)產(chǎn)生重大影響，重整整個(gè)行業(yè)并孕育新的產(chǎn)業(yè)。然而，還面臨著很多挑戰(zhàn)。它們從眾所周知的缺乏數(shù)據(jù)科學(xué)人員來(lái)處理大數(shù)據(jù)，到更加棘手且很少提及的根源于人性的問(wèn)題。
后者之一是人類(lèi)聚積數(shù)據(jù)的傾向。另一個(gè)是人類(lèi)仍然固守先入為主的傾向，即使數(shù)據(jù)結(jié)果明顯不同。最近舉辦的麻省理工斯隆學(xué)院CIO研討會(huì)就大數(shù)據(jù)和分析法發(fā)言的數(shù)據(jù)專家們?nèi)〉昧斯沧R(shí)。發(fā)現(xiàn)地雷？希望落空？那些已經(jīng)取得進(jìn)展的企業(yè)已經(jīng)知道，大數(shù)據(jù)和分析法沒(méi)有最終真理。迭代就是全部，專家們也同意。
不僅如此，除了迭代的價(jià)值， CIO們可以將最佳實(shí)踐拋于腦后。正在興起的未來(lái)實(shí)踐才是深入研究大數(shù)據(jù)的公司最可以依靠的， 在舊金山工作的計(jì)算機(jī)科學(xué)家Michael Chui說(shuō)。他是麥肯錫全球研究院高級(jí)研究員,該研究院是位于紐約的麥肯錫咨詢公司的研究機(jī)構(gòu)。
“我們知道這不可行：等到5年后完美的數(shù)據(jù)倉(cāng)庫(kù)出現(xiàn)。”Chui說(shuō)，他是去年重大麥肯錫大數(shù)據(jù)價(jià)值報(bào)告的作者。
相對(duì)地看待數(shù)據(jù)質(zhì)量
Chui說(shuō)，事實(shí)上，沉迷于數(shù)據(jù)質(zhì)量是很多公司需要克服的第一個(gè)障礙，如果他們希望有效的使用大數(shù)據(jù)。數(shù)據(jù)的精確性對(duì)銀行財(cái)務(wù)報(bào)告是至關(guān)重要的。然而，不精確的數(shù)據(jù)包含了模式可以突出業(yè)務(wù)問(wèn)題或者提供可以產(chǎn)生重要價(jià)值的洞察力，比如另一個(gè)研討會(huì)專家小組的相關(guān)新聞報(bào)道的，“抓住大數(shù)據(jù)和分析法，否則將落伍，MIT專家小組稱”
專門(mén)小組成員Shvetank Shah說(shuō)，相對(duì)那些快馬加鞭以取得最佳質(zhì)量數(shù)據(jù)的組織，那些“了解數(shù)據(jù)質(zhì)量”的組織，即使使用元標(biāo)簽或顏色編碼來(lái)標(biāo)識(shí)數(shù)據(jù)質(zhì)量—，對(duì)大數(shù)據(jù)的進(jìn)展更快。他是華盛頓特區(qū)的咨詢公司（CEB）的執(zhí)行董事，一家位于。
Shah提醒道，然而大數(shù)據(jù)結(jié)構(gòu)的混亂性使得商業(yè)才智至關(guān)重要：重視經(jīng)理了解何時(shí)值得去追求這些數(shù)據(jù)的能力。他說(shuō)：“你雇傭經(jīng)理的原因就是：去分析，去聯(lián)系和迭代。”
在科學(xué)研究中，理解每一個(gè)變量的所有情況是不可能的，所以“迭代很重要”James Noga說(shuō)。他是波士頓的醫(yī)療保健非營(yíng)利性組織Partners HealthCare System的CIO. 他說(shuō)，那些擅長(zhǎng)大數(shù)據(jù)處理的人必須能夠挑選出有代表性的關(guān)鍵點(diǎn)，并且“在當(dāng)時(shí)作出最好的推測(cè)”。
不管怎樣這一點(diǎn)可以被推而廣之，不僅是在關(guān)注數(shù)據(jù)質(zhì)量的公司，而且那些習(xí)慣于結(jié)構(gòu)化IT流程的IT公司中也可以推廣。
消除舊觀念和成見(jiàn)不易
專家組成員說(shuō)，那些擁有模式識(shí)別技能、好奇心，并理解實(shí)驗(yàn)價(jià)值的人是有效使用大數(shù)據(jù)和分析法的關(guān)鍵。然而，CEB的Shah發(fā)現(xiàn)，使科學(xué)方法成為公司文化的一部分極其困難。“你可以讓所有聰明的數(shù)據(jù)分析專家聚集在企業(yè)核心，做出很多聰明的決定。但是如果做不到這樣的話，客服代表、經(jīng)理們以及其它外圍人員做出的決定就更加重要。”因?yàn)榇蠖鄶?shù)公司沒(méi)辦法雇傭足夠的數(shù)據(jù)科學(xué)人員去研究大數(shù)據(jù)，另一個(gè)挑戰(zhàn)是尋找培訓(xùn)人才。
CEB發(fā)現(xiàn)很少公司能夠使用大數(shù)據(jù)和分析法法去驅(qū)動(dòng)業(yè)務(wù)決策。最新對(duì)近500家企業(yè)的研究發(fā)現(xiàn)，20%的調(diào)查對(duì)象使用直覺(jué)做決定；49%想要更多數(shù)據(jù)，另有38%被CEB稱為”知情的懷疑論者”，也就是那些可以進(jìn)行模糊數(shù)據(jù)，并推動(dòng)業(yè)務(wù)向前發(fā)展。不僅如此，Shah說(shuō)，人們傾向于堅(jiān)持成見(jiàn)，“技術(shù)數(shù)據(jù)顯示的恰恰相反”。“消除成見(jiàn)非常困難。”
聚積數(shù)據(jù)是另一個(gè)開(kāi)發(fā)大數(shù)據(jù)的障礙。麥肯錫研究的一個(gè)發(fā)現(xiàn)是金融服務(wù)（其收集和分析數(shù)據(jù)的歷史悠久）在使用大數(shù)據(jù)上滯后。Chui說(shuō)：“我們發(fā)現(xiàn)很多西方銀行的業(yè)務(wù)豎井的界限已經(jīng)變得如此之大，以至于分享數(shù)據(jù)的想法非常，非常之弱。”
京公網(wǎng)安備 11010502049343號(hào)