1700434112
10.2 传统的方法阻碍了创新
1700434113
1700434114
今天的企业，特别是比较大的企业，往往都有内在的官僚主义文化。官僚主义的大部分内容是长期形成的关于企业如何做事、如何不做事的方针和政策。如果想做一些新的尝试，过程往往很耗时、很痛苦。创新性地使用数据和分析时尤其如此，因为许多人还不习惯使用分析。所有的这一切都阻碍了创新。
1700434115
1700434116
如果企业想要调查一个新想法是否可行，这个过程通常会拖得很久。充分地论证项目需要花费很多时间，进一步实现该想法需要花费更多的时间。这是一个漫长的、不愿意承担风险的、极其常规的过程。这样的过程会涉及很多文件。如果一个人想着手研究大数据源，他需要提供以下材料：商业案例、项目计划、财务预测、人员配备计划、分析计划、应急计划、风险评估。也许还需要提供其他材料！
1700434117
1700434118
不过，如果你想做一些创新的事情，你应该不会了解得太多，因此不能很自信地给出通常要求的所有文件和数字。如果一种可以推动新分析的不同的数据使用方式能够被充分地理解，那么这个想法就不可能是创新的。如果不在标准化的过程之外另外建立一种机制，那么想使分析创新的项目获得批准将会非常困难。
1700434119
1700434120
最主要的障碍是，没法说服所有人你的想法是没有风险的。但毫无疑问，你的想法确实是有风险的。这才是重点！分析创新项目不可能没有风险。按照传统的、标准化的批准流程，新想法可能都会被否决。随着时间的推移，提出超前想法但总是被否决的员工要么离开公司，要么不再尝试新想法。如果企业不能在标准化的、无风险的审批流程之外提供另一种审批流程，那么它将难以在分析领域进行创新。
1700434121
1700434122
创新需要冒险
1700434123
1700434124
使用大数据进行新的分析创新不可能没有风险。想让人们接受一种无法理解的新想法是一个很大的挑战。大数据源将无法被理解，在开始时不可能彻底地搞明白大数据的使用方式。但是，这并不意味着不值得冒险去搞明白它。
1700434125
1700434126
想象一下，在公司中，分析项目组在会议上向公司主管提出了一个新想法。他们讨论了一种以前从来没有被收集过的、新的大数据源，并表示希望开始收集数据。分析项目组不确定大数据里面有什么，他们甚至不确定公司该如何使用这些大数据，但是他们有很多想法可以去尝试。他们坚信，只要他们获得了数据，分析并理解了其中的有用信息，他们就能获得许多有价值的信息。经过一番努力，从哪里得到有价值的信息将会变得清晰。项目组需要用努力和计划来使公司主管同意对这些数据分析的投入。有没有别的办法能使这个过程更容易一些？当然有，下面我们来看几个例子。
1700434127
1700434129
10.3 定义分析创新
1700434130
1700434131
我们把分析创新定义为一种全新的、独一无二的、不限定类型的分析方法。假设企业以前从未涉足过这个领域，而且也许任何人任何地方以前都没有做过这样的事情。一个想法要想配得上创新的称谓，就必须与众不同，而不能只是对旧想法改头换面。调整现有算法的设置或者修改一些指标不能算是创新。尝试使用一种完全不同于以往的建模技术，同时还能对一些新数据源提供支持，这才是创新。
1700434132
1700434133
创新不是轻而易举地从现有的软件或者提供的服务中提取出的成品。那些软件和提供的服务对企业来说可能比较新颖，但是它们仍不算是创新。换言之，有的东西对企业来说可能是高度创新的方法，但如果它是一种有大量文件记载的产品或者是一种许多其他公司已经实现过的流程，那么对其的实施也不是真正的创新，而是缩小与市场的差距。
1700434134
1700434135
我们需要革新，而不是小修小补
1700434136
1700434137
分析创新需要尝试一些新的、与众不同的东西。它不是在现有的过程或方法基础上进行小规模的扩展。分析创新需要着眼于分析新的数据源、解决新的问题，或两者的结合。当然，分析需要针对公司拥有很大机会的领域。
1700434138
1700434139
具体来说，创新不同于常见的特定问题分析。这不是说特定问题和分析的价值不大。对销量突然出现下滑的原因进行挖掘可以得到很多有价值的信息。但标准的特定需求分析应当遵循分析团队做事的常规流程。对于多数特定需求，即便它们着眼的是一个新问题，通常也不需要使用创新分析。
1700434140
1700434142
10.4 在创新分析中使用迭代方法
1700434143
1700434144
为了进行创新分析和探索大数据，使用一些不同的迭代方法是必要的，它们能更好地帮助达成目标。这些方法强调合作和灵活性。一个思路是，使一个小团队每天在一起工作，以弄清楚如何让一个想法变成现实。这个团队致力于解决那些突然出现的问题，能够根据需求灵活地改变方向、推进工作。对于一种允许创新的方法，它需要能够对反馈进行评估以便做出修正，同时能够坚持预定的计划。如果需要做出改变，但是偏离最初的计划也合理，那么这就是创新分析。
1700434145
1700434146
例如，一个团队开始分析一个新的大数据源。在数据内容和结构中肯定会遇到没被预料到的问题。一旦发现这些问题，团队应根据需要对计划做出调整。工作的着眼点在于，获取某种状态下的数据使其可以用于分析，而不是死板地坚持最初的计划。也有一些指标不太合理，但其他的指标已经被验证是可行的。那么，分析团队需要做出适当的改变。如果在第一阶段的最后，数据的状态已经可以用于后续的分析，那就成功了，而不用关注成功的具体步骤。
1700434147
1700434148
为了在准备好数据之后继续向成功迈进，需要着眼于快速构建工作原型。分析团队的目标是得到一个能证明某个想法可行的东西。原型需要有足够多的细节，以便企业认真地实施该想法时，人们可以从整体上理解该想法可能的目的。回到我们的例子，最开始使用数据的时候没必要进行完美的分析。初始的分析不需要很严谨，但初始的工作需要做得足够扎实才能体现出该方法的优点，以后有足够多的时间使分析的过程变得更加严谨。在人们认为该方法具有优点之前，不要在严谨方面花太多时间。快速的原型可以使人们接受该方法。
1700434149
1700434150
所有这一切的关键是短小的迭代周期和分而治之的思想。这样设计的原因是由于两个方面，一方面是可以不断地显示进展，另一方面是过程中还存在一些不确定性。每次解决一点问题有助于更方便地解决不确定性问题，也能够更好地掌握在每个步骤中了解到的新东西。
1700434151
1700434152
灵活一些
1700434153
1700434154
探索分析的创新想法时，不可能总是100％地理解所有内容。制订计划时不用面面俱到，项目组在起步阶段不可能解决了所有问题。因此使用一种迭代的、灵活的方法探索创新的想法非常关键。在获得更多的信息之后，可以对计划进行调整，在这个过程中也能得到一些乐趣。
1700434155
1700434156
在我们的例子中，分析专家对大数据进行挖掘时需要非常灵活。那些数据可能不像我们所希望的那么干净，也不像我们所期待的那么完整。这些数据可能也没有达到计划中的预期价值。这都没关系。一旦分析专家就位并开始研究数据了，他们可能会认识到计划中的几个后续步骤并不完全正确。如果他们使用的是一种灵活的、迭代的方法，并且没有死板地按照最初的项目计划开展工作，那么他们随时可以调整计划并继续前进。只要团队知道分析努力的目标和他们试图证明的结果，他们就可以确保调整后一切都能步入正轨。
1700434157
1700434159
10.5 考虑换个角度
1700434160
[
上一页 ]
[ :1.700434111e+09 ]
[
下一页 ]