2022 年将是大数据、人工智能和分析的分水岭，更多公司期待切实的业务成果。但从 IT 的角度来看，还有很多工作要做。以下是 IT 部门的 10 个新年大数据解决方案。

1. 建立数据保留政策

许多组织刚刚放弃了这个领域，完全避免了大数据保留的讨论。这可能是因为担心如果公司被迫为诉讼进行法律发现可能需要什么——但最有可能的是，由于没有人为它腾出时间，因此缺乏数据保留。

预计到 2025 年，全球数据将增长到 180 泽字节，而大数据占该数据的 80%，因此 2022 年是制定大数据保留政策并消除您不需要的数据的时候。

2. 定义大数据在数据结构中的作用

为了打破部门系统孤岛并将跨组织的数据提供给每个人进行分析和决策，IT 应该专注于将大数据以及更传统的结构化数据引入其构建的数据结构，以连接所有这些孤岛和存储库.

3. 开发更多无代码和低代码分析应用程序

为分析实施无代码和低代码报告工具可以更快地将更多分析报告交到最终用户手中，同时减轻 IT 工作量。

4. 重新评估已部署应用程序的商业价值

将分析应用程序投入生产是一件很棒的事情，但它现在是否像两年前首次部署时一样适用于业务？

业务不断变化。分析解决方案继续关注的内容与业务现在需要的内容之间必然存在“偏差”。

在 2022 年，有必要审查您当前部署的分析应用程序的有效性，以了解它们的性能以及它们是否仍能满足其设计的业务用例的需求。

5. 制定应用程序和数据维护策略

与结构化数据和应用程序一样，使用大数据和分析的那些也需要维护。然而，许多部署分析和大数据的组织并没有为维护锁定适当的程序。生产中的大数据和分析已经达到一定水平，应该开发和实践维护程序。

6. 提升 IT 技能

为了支持大数据运营和分析，员工需要新的 IT 技能。这可能需要数据分析、数据科学、大数据存储和处理管理方面的额外培训，以及使用新开发工具（如低代码和无代码分析）的能力。

7. 审查安全、隐私和可信来源

尤其是大数据可以从各种第三方来源获取。应定期审查这些来源是否符合公司安全和隐私标准，您自己的内部大数据也应如此。

8. 评估供应商对大数据和分析的支持

许多供应商提供用于大数据和分析的工具，但并非所有供应商都在您需要时提供相同程度的支持。与那些在使用大数据和分析工具方面为您的员工提供积极支持以及在关键项目期间提供指导的供应商合作非常重要。如果您正在与不提供您正在寻找的支持级别的供应商合作，建议找到提供支持的供应商。

9. 改进支持客户体验的大数据和分析

几乎每家公司都希望改善其客户的体验。这个过程的核心是开发面向客户的自动化和帮助帮助客户获取请求、问题和问题的答案。

使用 NLP（自然语言处理）和 AI（人工智能）来解释客户情绪和参与对话的面向客户的系统（例如聊天、电话服务员等）的自动化还远未成熟。

专注于在这些领域提高 NLP 和 AI 性能的公司将受益。

10. 更新顶部的大数据和分析讨论

当大数据和分析开始在组织中实施时，就开始了关于大数据和分析的第一次主要讨论。现在这些技术更加成熟，正在走向企业系统主流。 2022 年是 CIO 与其他 C 级高管和利益相关者重新召开会议以回顾 AI 和分析进展并确保他们对后续步骤的支持的好年头。

原文：https://www.techrepublic.com/article/10-big-data-and-analytics-resoluti…

本文

对于从金融服务和零售到制造和能源的几乎所有行业的企业来说，数据已成为最有价值的资产之一。在一项针对行业领导者的调查中，48.5% 的受访者表示，他们将在 2021 年利用数据推动所在行业的创新。

大数据是这一趋势的中心。该领域的重点是为传统数据处理软件无法处理的太大或复杂的数据集开发分析方法。

到 2022 年，全球大数据和商业分析市场的年收入预计将达到 2743 亿美元。

对于希望跟上数字经济和快速变化的市场现实的企业而言，大数据分析正在成为真正的游戏规则改变者。

为什么大数据数据分析如此重要？

1. 数据（和分析）的规模正在上升

每天，人类产生 2.5 万亿字节的新数据——移动性或物联网 (IoT) 等趋势推动了这一趋势。一个典型的组织在其运营中包括多个数字渠道——不仅是面向客户的渠道，如电子商务应用程序，还包括在生产和交付中发挥关键作用的后台系统。所有这些渠道都会产生数据。

为了利用这些数据，企业需要投资能够处理如此海量数据的专业大数据解决方案。否则，他们可能会错失建立竞争优势的机会（例如，为客户提供个性化体验）。

2. 数据是数据驱动业务转型的核心支柱

为了在市场上竞争并满足快速变化的客户需求，企业需要建立新的数字能力以提高数据驱动的成熟度。而每一次数据驱动的业务转型都依赖于组织收集、清理、处理和分析数据的能力。

根据 BCG 研究，2020 年，成功的数字化转型带来的收益增长比落后公司高出 180%。

3. 数据是 21 世纪的黄金

无论收入是如何产生的，企业都需要可靠的方法来收集、存储和管理。否则，他们无法改进业务流程以提供更好的结果。

不使用数据来深入了解其业务运作的公司将不会在现代数据驱动的世界中取得成功。他们需要了解数据才能在现代经济中蓬勃发展。

实施大数据分析的关键考虑因素

驾驭众多大数据技术具有挑战性

专家们使用三个带有独特技术挑战的“V”术语来定义大数据：

容量——海量数据集对处理、监控和存储提出了重大的技术要求。
速度——许多组织快速生成新数据，需要实时响应活动。大数据需要这种速度，尤其是涉及社交媒体平台、物联网和电子商务技术的公司。
多样性——在大数据中，数据格式的多样性带来了另一个挑战。大数据存储包括文字处理文档、电子邮件、演示文稿、图像、视频和其他格式。

云与本地数据生态系统

大数据采用计划涉及许多费用。其中之一是支持大数据分析的基础设施设置成本极高。

选择本地解决方案的组织需要承担硬件、劳动力（例如新的管理员和开发人员角色）、用于维护数据中心的实用程序以及新软件开发的成本。具有严格安全要求的组织通常会选择本地设置。

基于云的大数据解决方案需要聘请专家并为云服务付费，以及设置和维护大数据解决方案开发所需的框架。需要灵活性的公司通常会选择云。

混合选项可能是一种具有成本效益的解决方案。一些数据将在云中存储和处理，而其他数据则在本地。

通过适当的数据治理利用自助服务

在您的运营中实施自助数据分析而不考虑治理框架可能会成为一个代价高昂的错误。

如今，随着越来越多的政府通过新的法律来规范访问和处理，数据合规性已成为每家公司都感兴趣的问题。 GDPR 是关于数据访问和使用的最全面的法律之一。

如果没有明确的数据治理标准，很难验证企业是否违反合规法律。数据治理也会影响整体数据质量。如果没有适当的治理框架，自助数据分析平台最终可能会处理质量较差的数据。

大数据分析对组织意味着什么？

以下是企业如何利用大数据分析的潜力来提高运营效率并提高员工的生产力：

• 创造推动力——任何部门的任何团队都可以使用数据分析洞察力，为决策制定和采取行动奠定坚实的基础。
• 利用数据平台——团队可以通过用户友好的平台访问数据，从而实现数据驱动的业务转型。
• 开发分析环境——大数据分析可以成为企业分析环境的核心要素。
• 可视化洞察力——分析解决方案附带强大的可视化工具，可让非技术团队和利益相关者获得洞察力。

在每个支柱中提升您的团队的技能——数据分析为支持您的员工的专业发展提供了机会。

从大处着眼，从小处着手

忽略此类数据驱动的解决方案会关闭许多机会的大门——最重要的是，重新定义您的竞争优势。

了解您在数据分析之旅中的当前状况是重要的第一步。您的数据生态系统的成熟度是您当前在各个领域（从财务业绩到客户服务）取得成功的一个缩影。

由大数据分析领域的主题专家创建的数据驱动成熟度模型提供了数据成熟度级别的全面视图，使您能够确定数据生态系统中需要改进的关键领域。对于希望在所有团队中实施数据驱动决策的组织来说，这是必不可少的。

数据驱动成熟度模型的好处

了解高质量、全面的数据生态系统的组成部分。

• 从上到下调查数据驱动战略的每个基石。
• 确定重要的变革领域，以实现重大的短期收益。
• 进行差距分析并专注于满足完美框架的要求。

数据驱动成熟度模型带来的新机遇

智能数据管理

• 您的员工能否正确存储、交换和理解数据？
• 您的数据环境安全可靠吗？

了解有关您的数据保护计划的更多信息，并确保您的数据环境安全且符合您的政策和标准。

加强您的治理

• 您的企业准备好做出数据驱动的决策了吗？
• 数据故事团队是否可以访问安全且有弹性的 IT 生态系统？

检查您的生态系统中的政策、流程、任务和参与者是否可以帮助您避免数据沼泽。

提高团队的效率

• 员工是否有可能在评估数据的同时仍有创造力？
• 您的数据计划是否有助于他们提高工作效率？

检查您的员工是否可以自由、独立地访问、监控甚至更改数据，以便利用机器学习等尖端技术。

获得利益相关者的支持

• 是否所有利益相关者都同意数据管理策略？
• 团队对您的数据管理计划的信心如何？

确保数据环境​​具有一致的愿景和路径。允许数据驱动的决策并易于访问。

总结起来

大数据分析是现代组织数据驱动战略的基石。通过仔细查看您当前的数据成熟度级别，顺应这一趋势并拥抱数据的力量。

原文：https://bluesoft.com/big-data-is-dead-long-live-big-data-analytics/

本文：https://jiagoushi.pro/node/1838

主要组织如何使用数据和分析来指导战略和运营决策？高级领导层提供了对挑战和机遇的洞察。

组织的数据比以往任何时候都有更多的争议。但是实际上从这些数据中获得有意义的见解，并将知识转化为行动 - 说起来容易一些。我们与主要机构的六位高级领导人进行了交谈，并询问了采用先进分析技术的挑战和机遇：AIG首席科学官Murli Buluswar。 GE软件首席信息官Vince Campisi;美国运通首席风险官Ash Gupta; eBay全球客户优化和数据副总裁Zoher Karu; AT＆T大数据高级副总裁Victor Nilson;和凯撒娱乐公司首席分析官Ruben Sigala。他们的评论的编辑记录如下。

访谈剧本

组织在采用分析方面面临的挑战

AIG首席科学官Murli Buluswar：从知识文化向学习文化演变的最大挑战 - 从一种文化来看，这种文化在很大程度上取决于对决策的启发式，这种文化更客观和数据驱动，并拥抱数据和技术的力量真的不是成本。最初，它主要是想象力和惯性。

过去几年我学到的是，恐惧的力量在演变自己的思想和行为方面是非常巨大的，今天提出问题，我们以前没有问我们的角色。而这是一种思维方式的改变 - 从一个以专家为本的思维方式变得更加活跃，更加注重学习，而不是一种固定的思维方式 - 我认为这对任何公司的可持续健康至关重要，大，小或中等。

凯撒娱乐公司首席分析官Ruben Sigala：我们发现具有挑战性的是什么，在与许多我仍然面临挑战的同行讨论中，我发现了一些工具，使组织能够通过过程高效地产生价值。在某些应用中，我听到个人的胜利，但是拥有更多类型的凝聚力的生态系统，这完全融合在一起，是我认为我们都在努力的一部分，部分原因在于它还处于早期阶段。虽然在过去几年中我们一直在谈论似乎相当多，但技术仍在变化中。消息来源仍在不断发展。

全球客户优化和数据副总裁Zoher Karu，eBay：最大的挑战之一就是数据隐私，什么是共享的，而不是共享的。而我的观点是消费者愿意分享，如果有回报的价值。单向共享不会再飞了。那么我们如何保护我们如何利用这些信息，并成为与消费者的合作伙伴，而不仅仅是一个供应商呢？

从分析中获取影响

Ruben Sigala：你必须从组织的章程开始。您必须非常具体地了解组织内功能的目标以及如何与更广泛的业务进行互动。有一些组织从关于传统功能，如营销，定价和其他具体领域的支持开始。此外，还有其他组织对业务有更广泛的认识。我想你必须首先定义该元素。

这有助于最佳地通知适当的结构，论坛，然后最终设置更细致的操作水平，如培训，招聘等。但是，如何开展业务，以及与更广泛的组织进行互动的方式是绝对关键的。从那里，一切都应该排队。这就是我们如何开始我们的道路。

通用电气软件首席信息官文斯·坎皮西（Vince Campisi）：我们学到的其中之一就是当我们开始关注结果时，这是快速实现价值并让人们兴奋的机会的好方法。而且我们把我们带到了前所未有的地方。所以我们可以去一个特定的结果，并尝试组织一个数据集来完成这个结果。一旦你这样做，人们开始带来其他数据源和其他想要连接的东西。而且，真正需要你去一个你以后没有预料到的下一个结果的地方。你必须愿意在你对事物的想法上有一点敏捷和流动。但是，如果你从一个结果开始并提供它，你会惊讶于下一步需要什么。

美国运通首席风险官Ash Gupta：我们必须做的第一个改变就是使我们的数据质量更高。我们有很多数据，有时我们只是没有使用这些数据，而且我们现在不需要像现在那样对其质量给予太多的关注。那就是一个，以确保数据具有正确的血统，数据具有正确的允许目的来为客户服务。在我看来，这是一个旅程。我们取得了很大的进步，我们期望在我们的系统上继续取得进展。

第二个领域是与我们的人民合作，确定我们正在集中我们业务的某些方面。我们正在集中我们的能力，我们正在使其使用民主化。我认为另一方面是我们将自己认为是一个团队，而作为一个公司，我们自己没有足够的技能，我们需要在美国运通以外的各种实体进行合作。这种合作来自技术创新者，来自数据提供商，来自分析公司。我们需要为我们的业务同事和合作伙伴提供一个完整的包装，这是一个令人信服的论据，我们正在共同开发的东西，我们正在学习，我们正在相互依托。

影响的例子

AT＆T高级副总裁Victor Nilson表示：我们始终以顾客的经验开始。这是最重要的。在我们的客户服务中心，我们有很多非常复杂的产品。即使简单的产品有时候也有非常复杂的潜在问题或解决方案，所以工作流程非常复杂。那么，当有交互作用的时候，我们如何同时简化客户关怀代理和客户的流程呢？

我们使用大数据技术分析所有不同的排列，以增加体验，以更快地解决或增强特定情况。我们把复杂的东西变成一个简单和可操作的东西。同时，我们可以分析这些数据，然后回头说：“我们是否在这种特殊情况下主动优化网络？”因此，我们不仅要优化客户服务，还要优化网络，在一起也是。

文斯·坎皮西（Vince Campisi）：我会给你一个内部的观点和一个外部的观点。一个是我们在所谓的数字线程中做了很多工作，如何通过工程，制造和一切方式将创新连接到服务产品。 [更多关于公司“数字线”的方法，请参见“GE的杰夫·伊梅尔特（Jeff Immelt）在工业领域的数字化”。在此之前，我们重点关注辉煌的工厂。所以以驱动供应链优化为例。我们已经能够收集60多个与直接材料采购有关的信息，利用分析来查看新的关系，并使用机器学习来确定如何采购直接材料进入我们的产品的巨大的效率。

外部的例子是我们如何利用分析来真正使资产表现更好。我们称之为资产绩效管理。而且，我们开始启用数字行业，如数字风电场，您可以利用分析来帮助机器优化自身。因此，您可以帮助一个发电厂商，他们使用相同的风力，通过让风力发电机正确调整并了解如何优化风力，我们已经展示出能够生产高达10％的风力生产能量相当的风量。这是使用分析来帮助客户从现有资本投资中获得更多收益和更高生产力的一个例子。

赢得人才战争

Ruben Sigala：分析人才的竞争是极端的。在组织内维护和维护人才的基础是困难的，特别是如果你认为这是一个核心竞争力。我们主要关注的是开发一个平台，说明我们认为是一个价值主张，对于正在开始职业或维持这一领域职业生涯的个人来说，这是一个重要的。

当我们谈论价值主张时，我们使用一些术语，如有机会真正影响业务成果，进行广泛的分析练习，定期受到挑战。但总的来说，要成为组织的一部分，认为这是组织在市场竞争中的关键部分，然后定期执行。在一定程度上，要做到这一点，你必须有良好的培训计划，你必须有一个非常具体的形式与高级团队的互动。而且您也必须是组织的一部分，实际上是推动公司的战略。

Murli Buluswar：我发现，专注于科学创造的基本原理，我们的愿望是什么，以及如何成为这个团队的一部分将塑造团队成员的职业发展已经相当深刻地吸引了人才的素质，关心。那么当然，在日常生活中，承诺的日子更加艰巨。

是的，钱很重要。我对金钱的理念是我想要在第75百分位数范围内;我不想在第99百分位数。因为无论你身在何方，大多数人 - 特别是数据科学界的人 - 如果他们选择采取行动，他们有能力增加20％到30％的薪酬。我的意图不是试图减少差距。我的意图是创造一个环境和文化，他们看到他们正在学习;他们看到他们正在努力解决对公司，行业和社会影响更广泛的问题。他们是一个充满活力的团队的一部分，其灵感来自于为什么它存在，以及它如何界定成功。关注这一点，对我而言，是吸引我所需要的人才素质的绝对关键的推动因素，对于这个问题，任何其他人都需要。

发展正确的专业知识

维克多尼尔森：人才是一切，对吧？你必须拥有数据，显然，AT＆T拥有丰富的数据。但没有天赋，没有意义。人才是区分者。合适的人才会找到正确的技术;正确的人才会解决问题。

我们已经帮助开发许多在开源社区中出现的新技术做出了贡献。我们拥有来自实验室的先进技术，我们拥有新兴的硅谷。但我们也拥有全国各地的主流人才，我们拥有非常先进的工程师，我们拥有各级管理人员，我们希望进一步发展人才。

所以我们今年仅提供了超过50,000个大数据相关的培训课程。我们正在继续前进。这是一个整体的连续体。这可能只是一个星期的新兵训练营，或者可能是先进的PhD级数据科学。但是，我们希望继续发展那些有能力和兴趣的人才。我们希望确保他们能够发展自己的技能，然后将其与工具结合起来，以最大限度地提高生产力。

Zoher Karu：人才在任何数据和分析之旅中至关重要。在我看来，分析人才本身已经不够了。我们不能有单一技能的人。我建立组织的方式是寻找有大，小的人。你可以专业的分析，但你可以在营销策略中很少。因为如果你没有未成年人，你将如何与组织的其他部分沟通？否则，纯粹的数据科学家将无法与数据库管理员谈话，例如谁无法与市场研究人员谈话，谁将无法与电子邮件渠道所有者谈话。您需要根据可以扩展的分析做出正确的业务决策。