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。
随时间搜索数据项的兴趣
资料来源：谷歌趋势
原则1：数据需要直接连接到业务目的
数据恐慌使公司开始启动数据举措。但是，由于追求新工具，因此鲁莽的公司在没有原因的情况下推出数据项目。作者Simon Sinek的建议是额外的相关 -从原因开始。我们为什么这样做？这些信息将如何帮助我的人民不同的行为？其粗略表格中的数据在这里并不多大。企业需要的是什么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。虽然还有更多能够完成，巨大的数据量昂贵，以保持和维护昂贵。还有责任的障碍。随着公司的发展，谁不太清楚谁“拥有”关键数据考虑因素：它存储的地方，如何清洁，谁可以访问等等。相比之下，数据驱动的启动器构建其系统，其系统具有自由流量作为关键组件。
传统企业与数据驱动企业背后的技术
原则3：数据湖泊不会拯救你（并且既不是ai）
像AI和数据湖泊这样的创新可能会产生影响，但它们不是魔法子弹。公司需要将这些进步视为工具而不是坠入爱河。在他们发明时跳跃工具的诱惑是强大的。但是追求时尚可能导致战略误解和分心。涉及的复杂性和细微差别意味着一个企业的工作良好可能是令人灾难的另一个 - 即使在同行业中也可能是灾难性的。
“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（如果不是更多）一样重要
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：开始小，学习，重复。。。并不停止
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
人
透视发送到您的收件箱
数字领导的及时业务和行业见解。
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。