机器学习
这篇文章里,有三位来自不一样公司的大数据运营人员各自分享了他们运用大数据的经验。这三位是来自维亚康姆(Viacom)的Luzzi、Globys公司的Olly Downs以及知名市场顾问公司Dunnhumby的CEO Andy Hill。工具
秘诀一:目标要明确
就算一个公司拥有再多的数据,也不能表明它就必定会得到商业上的成功。只有真正懂得如何利用大数据,了解到公司利用大数据能够达到什么目标,公司最终才有可能真正成功。在公司在发展过程当中每每也会面临诸多选择,也只有目标设定明确了,才可以缩小选择范围聚焦精力去发展。企业应时刻保持头脑清醒,朝着本身定好的目标前进,才有助于公司进行持续长久的良好运做。学习
不过,Luzzi也表示,有时候,利用太复杂先进的数据分析工具每每也会带来不少问题,不过若是咱们可以经过分析大量的数据来获得最终的结果,那就不用怀疑了,你就干吧,至少方向确定是对的。大数据
秘诀二:要区分清楚“森林”和“树”
如今,企业能够作到一些他们以往没有能力作到的事。对于不少公司来讲,可供分析的数据更多,能够用来分析数据的工具和方法也比之前更先进方便。公司已经彻底有能力去分析和处理他们收集到的大量数据,这对于企业来讲或许是件好事,然而,有时候这些数据也会过于分散。数据分析
Globys公司的Olly Down表示说,如今,不少公司都倾向于收集精度较高的数据,由于得到的数据越精确,就越有利于分析受众群体,也更有利于公司进行相关战略和产品的调整。不过,公司每每须要花费大量的时间去处理大量的数据,结果却有可能不尽如人意,因此,在进行数据分析处理时,有时候没有必要执着于某一棵“树”长成什么样子,而应该注重这片“森林”,要懂得舍小取大。产品
秘诀三:作好团队的协调
在大数据的世界里,最有价值和做用的数据每每十分稀少。要想找到真正有价值的数据,就如同大海捞针同样困难。因此,为了找到这些有价值的数据,企业内部应齐心合力通力合做,要常常保持有效的沟通和协做。方法
例如,为了能更好地利用数据来分析公司的实际运营状况,数据专家们应该了解公司决策者为公司制定的战略目标。反过来也同样,公司决策者也应该知道,公司的数据团队得出的分析结果,最终能给公司带来什么收益。统计
Luzzi 表示,以大数据做为工具,他能够创建模型来帮助公司作出商业决策。因为公司决策者对公司总体运行状况及所处商业环境更加了解,当决策者看到分析结果时,确定能看到一些他看不到的地方。但同时,决策者们也不会知道他是用什么方法得出这些数据和结果的。经验
Olly Downs也说,公司的数据团队和各部门以及管理层应保持良好的沟通交流,这样公司才能良好高效的运行,有效的协调配合须要经过有效的沟通交流来实现。有一个商业智能团队为预测公司的客户流失率创建了一个模型,因为你们缺乏有效的沟通,操做团队认为这个模型“颇有趣”,可是公司却认为这个模型没有任何意义。数据
“若是你的公司雇佣了一个数据研究小组,他们宣称本身创建了一个有效的模型,但是公司别的相关部门却认为这个模型没有效果,缘由便在于两者之间缺少沟通。”Downs表示。
秘诀四:用机器代替人工
机器学习指计算机模拟或实现人类的学习行为,以获取新的知识或技能,从而对自身功能进行改进。机器学习相比人工学习,速度更快,学习规模也更大,一个公司能经过机器学习较快地发现新的问题。
好比,为了研究特定消费者的消费行为模式,企业能够研究用什么样的方式对单个消费者进行研究分析,依据不一样的消费者选择不一样的模型,进而对消费者行为进行追踪研究。公司认为,在单个消费者身上所需的分析时间是10分钟,按照这个速度,公司共有260万消费者须要调查追踪,须要416000个分析员,天天工做10小时,天天观察单个消费者8次,才能得出结果。显然,若是真经过人工分析,那就须要花费太多的时间和精力了。
因此,Downs认为,企业若是有大量的数据须要进行分析处理,最好的办法就是让机器代替人工来作,机器学习的速度很快,能在短期内同时分析大量的数据,这样一来,所需的分析时间就会大大缩短。与人工分析相比,成本也会大大下降。
秘诀五:要谨慎对待数据
有时,企业是没有能力去获取数据的,也就无法用数据去解决问题。就算公司得到了一些数据,他们每每也不清楚这些数据最终可否解决他们的问题。
在这一点上,维亚康姆集团的Luzzi的建议是,一个数据是否有效,是否能帮助公司解决问题,最好询问数据小组的意见。
Dunnhumby公司会对消费者数据进行统计和分析,这样一来公司即可以了解到哪些数据是有用的,以及这些数据有多大价值。若是公司能收集到有价值的数据,公司实际经营中遇到的相关问题就能获得有效解决。知名市场顾问公司Dunnhumby的 CEO Andy Hill表示,企业不只应该了解收集到的数据到底能解决哪些问题,更应该知道,哪些问题还不能经过这些数据获得解决。若是还有一些问题解决不了,公司便须要继续收集其余维度的数据来补充。
有时候,重要的数据可能会被忽略。好比,当Downs为他的前东家搭建交通状况模型时,你们广泛认为天气是预测交通情况的最重要因素。后来研究结果却显示,最影响那个地区交通情况的是当地学校的放学时间。当学生们放学时,堵车状况尤其严重。
Downs说,从一开始的假设来看,咱们并无预见到会得出这样的结论,因此,应谨慎认真对待数据,数据会真实客观地告诉你想要的答案。有时,数据能告诉你的会让你大吃一惊。
秘诀六:要避省得出错误的结论
因为人为主观因素和不相关数据的干扰,有时候得出的结论每每是错误的。
“不要让不相干的数据影响到整个结果,有至关一部分的数据并不重要,这些不相关的‘树’每每并不能表明整个‘森林’。”Luzzi说,“若是使用了错误的数据,得出的结论每每也是错的。”
数据选择上的错误会影响人们解决问题的过程,也会影响人们如何看待这些数据和结果。错误的数据选择可能影响到公司作出相关决策。
Dunnhumby 公司的CEO Andy Hill表示:“为了消除数据上的偏差,你须要准确找到特定的目标人群,这些人的行为每每能够准确地回答你须要解决的问题。”