为什么数据策略很重要
大数据有一个诱人的承诺：处理所有数据并找出您以前不知道的所有非常重要的未知事物。 您会发现有关客户的各种重要信息。 您会发现他们正在购买什么，他们没有购买什么，他们喜欢什么，他们讨厌什么。 各种各样的事情听起来很战略性和重要。 一切都非常性感和吸引人。
Mo'Data Mo'问题
但是大数据有一个大问题。 那就是它通常是无方向的。 它不是针对解决特定问题。 简而言之，大数据的问题在于它是寻找问题的解决方案。
我可以告诉您一些我曾与之合作的大型公司的故事，这些公司都有自己专门的“洞察团队”，他们的唯一工作就是寻找这些战略信息。 他们通常会发现整本书中可能与某人相关的信息，但他们不知道是谁。 因此，他们发出了没有人阅读的电子表格，然后变得越来越疯狂，以至于他们的辛勤工作没有受到关注和赞赏。
我已经意识到，他们的观众对这些见解没有做出回应，原因有以下几点：
- 他们可能会表现出无能，甚至更懒惰
- 他们经常为忙碌的人创造更多的工作以实际对他们采取行动
- 有时，他们会因为让人泄露明显的信息而使人感到尴尬……但仅是回想起来。
您可能会猜到，这就像铅气球一样。 这就是某些人（Ahem，Gartner）所说的“幻灭低谷”。
我承认我完全被Big Data的承诺迷住了，我跃居第一。 但是我对刚才描述的问题不屑一顾，并且每天都在世界各地再次发生。 企业正对大数据以及有充分理由感到幻灭。 已经向他们承诺了令人震惊的事情，并且收到了他们不知道该怎么做的大量信息。
那么我们如何继续实现诺言呢？
我亲眼目睹了一些需要解决的问题：
- 发现工作需要针对业务指令
- 需要将见解传递给要审核的主题专家
- 有人需要将经过审查的见解转化为适当的行动
- 需要采取行动
- 需要跟踪结果
目前，我们所拥有的大数据解决方案还远远不够。 对大数据感兴趣的观众并没有真正理解这就是他们签约的目的。 这是很多工作，并且创造了很多工作。 人们很忙，而且大多数人没有更多的工作欲望。
我相信我们所看到的是反应式和主动式分析之间的分裂。 当前，Reactive统治着人们期望他们已经知道自己应该问的问题的答案的日子。 主动是大数据的终极希望，但是工具（以及受众）还远远不够成熟。 您需要反应性分析来告诉您原因。 您将从主动分析中受益，以帮助您确定应将精力集中在哪里。
输入：数据策略
我认为需要的是组织的内聚数据策略。 而且我认为您将开始听到更多有关此的信息，因为当前的随机方法根本行不通。
可行的数据策略应从您知道受众感兴趣的业务主题菜单开始。转化率优化，营销机会（针对特定人群），造成客户流失的因素-每个人的情况都会有所不同。 我为正在写的书整理了一份完整的清单，最多50页，描述了最常见的主题，所以其中有很多。
创建了业务需要关注的主题的重点列表之后，第一步就是处理响应位。 这就是诸如仪表盘和警报之类的传统技术的发源地。它们是您抵御未知因素侵入您的日常操作并造成严重破坏的第一道防线，它们可以告诉您什么时候发生了变化。
一旦建立了反应情报系统，您就可以开始涉足更多的“外部”工作。 我将其比喻为去皮洋葱层：
- 1级是被动的，回答您明确提出的问题（“我这一周的客户流失率是多少？”）
- 级别2开始识别趋势和模式（“新客户很可能在1个月内流失”）。
- 3级开始预测将要发生的事情以及原因（“购买通用品牌产品的新客户很可能在1个月内流失”）
- 第4级开始告诉您应该如何处理第3级中的特定情况（“您应该为购买通用品牌的新客户提供10％的优惠券，以长期保留他们”）。
- 5级自动执行5级建议的操作
问题在于大数据经常停留在2级这一事实。这是电子邮件的电子表格问题–您只是将更多的工作拖到用户的收件箱中，因此他们不太可能会感谢您。
数据策略是关于从第1级到第5级的转变。这是您的蓝图和路线图，可以自动识别需要回答的问题以及需要回答的资源，并最终采取行动。 数据策略需要解决各种各样的主题，并且需要引起注意和仔细考虑。 主题如下：
- 我们应该让模式有机地出现，还是应该使用组织已经熟悉的集合类别和标签？
- 我们应该占多少增长？
- 是否有可用的其他数据集可用于同时回答其他有意义的问题？
该列表持续了一段时间。 但是，关键是，如果您睁开眼睛看着奖品进入数据分析项目，那么您比去寻找谜团更容易成功。
顺便说一句，我目前正在写一本关于数据策略的书，我对此非常兴奋。 它在发布后的第一周将是免费的，如果您想在有免费副本可用时收到通知，只需将您的电子邮件放在右侧的侧边栏中，我们将在出现时及时通知您出来。 如果您觉得这篇文章有趣，我想您会完全喜欢这本书的。
翻译自: https://www.javacodegeeks.com/2014/05/why-data-strategy-matters.html