更新数据战略的原则
人们对数据的兴趣以及可以用它做什么已经达到了历史最高水平，这并不令人惊讶。特别有趣的数据爆炸式增长，加上工具和技术使之有意义。兴趣的高涨引发了一波企业恐慌。由于担心被甩在后面，公司们争相吸纳越来越多的人。欢迎来到数据过剩的时代。
随着时间的推移，搜索对数据项的兴趣
资料来源：谷歌趋势
原则1：数据需要直接连接到业务目的
数据恐慌使得公司争相启动数据计划。但这股热潮让许多公司无缘无故推出数据项目，以试用新工具。作者Simon Sinek的建议特别相关-从为什么开始。我们为什么要这样做？这些信息将如何帮助我的员工采取不同的行动？最粗糙形式的数据在这里没有多大帮助。企业需要的是洞察力这有助于人们做出不同的行为，并根据业务目标做出决策。但是好的信息不仅仅能神奇地产生洞察力，所以即使是最容易消化的信息也需要经过广泛的处理才能有价值。
“永远不要做纯粹的基础设施项目—如果没有即时的商业价值，它几乎肯定会失败。”
Christoph Windheuser博士，Thoughtworks人工智能全球主管188bet宝金博app下载
原则2：更多并不总是更好（或者，创业公司可以教你一两件事）
成熟的公司可能有更多的数据可供使用。但在有效利用数据的竞争中，简单性和文化往往会给初创企业带来优势。
举个例子，越大越好。大企业的数据量意味着更大的可能性，但这种潜力被孤立的系统所束缚，往往难以访问或难以理解。虽然还有更多能够要做到这一点，海量数据的保存和维护成本很高。还有问责的障碍。随着公司的发展，谁“拥有”关键数据的问题变得越来越不明确：数据存储在哪里、如何清理、谁有权访问等等。相比之下，数据驱动的初创公司将信息自由流动作为其系统的关键组成部分。
传统企业与数据驱动企业背后的技术
原则3：数据湖不会拯救你（AI也不会）
像人工智能和数据湖这样的创新可能会产生影响，但它们不是灵丹妙药。公司需要将这些进步视为工具，而不是坠入爱河。当工具被发明的时候，人们很容易跃跃欲试。但追求时尚会导致战略失误和分心。所涉及的复杂性和细微差别意味着，即使在同一行业中，对一个企业行之有效的做法，对另一个企业也可能是灾难性的。
“我担心的是，我们即将迎来下一个人工智能冬天。在所有这些炒作消退之后……突然间，人工智能将因没有达到一些不切实际的期望而受到恶名的谴责。”
肯·科利尔，作家—敏捷分析
原则4：文化和设计与技术一样重要（如果不是更重要的话）
数据过剩使得许多公司争先恐后地雇佣数据科学家，并设立专门关注数据和数据的部门。但是，企业是否知道在数据科学家被发现的情况下以及何时如何处理他们？
按城市划分的美国数据科学家短缺情况
原则5：从小处开始，学习，重复。永远不要停止
对于许多传统公司来说，一个不方便的事实是，查找数据、提取信息并将其转化为行动需要数月或数年的时间。这导致了“迟做总比不做好”但是弄清楚如何在关键的敏捷开发实践（如持续集成和交付）中插入数据有助于缩短信息和行动之间的时间。
智力循环
将敏捷和连续交付与数据科学相结合
视角发送到您的收件箱
为数字领导者提供及时的商业和行业见解。
透视图订阅为您带来了我们专家的最佳播客、文章、视频和活动，以扩展我们流行的透视图出版物。