1704274045
1704274046
在没有技术支撑的情况下进行数据分析，就像是游泳时没有水一样。每一项大数据技术都有其存在的价值，能够在合适的情况下正确地应用这些技术，可以使在10年前还如科幻小说般的市场营销幻想变为现实。但是这些技术也存在一些问题，当数据科学家们尝试独自埋头研发这些技术时，成本支出可能会得不到有效控制，就像世界顶级建筑师建设柏林勃兰登堡国际机场时发生的情况一样。
1704274047
1704274048
对智能数据冠军企业而言，什么才是合适的技术？这个问题不是某一个应用技术、一个编程方法、一个电子产品能够回答的。我们需要采取正确的行动，促进信息技术真正为我们创造实惠，同时显著降低投资失败的风险。
1704274049
1704274050
这样做行不通
1704274051
1704274052
有一家企业，刚刚确立了一个复杂的数字化战略。它认为，它的同业竞争者都已经掌握了数据分析能力，它必须用最快的速度赶超。公司的首席营销官已经意识到了客户数据的潜在价值，因此他提倡这种赶超行为。企业的高管层并没有对这个问题进行深入的研究，而是去征求了首席技术官或者技术部门负责人的意见，询问公司如何能够在短时间内成为大数据巨头企业。这种情况下，答案往往是，那我们首先必须要使数字化战略切实落地，然后我们需要丰富我们的大数据应用程序（云服务使这点变得更便捷和经济）。然后，首席营销官和技术官会设法去游说财务部门，为此增加必要的预算。
1704274053
1704274054
如果预算到位了，首席技术官就会接手这个项目，首席营销官也会为此感到高兴，从此以后营销人员可以采用技术手段经营目标客户了。首席技术官很快就会构想出企业理想的大数据公共设施，这些设施在技术方面无所不能，并且能够对现有的技术设施提供完美的补充。基于这种理想化的图景，技术团队会制定冗长的任务书，涵盖对未来系统情况的详细描述。当我们把这些梳理清楚，使其具有逻辑和理性后，就着手进行编程。然后我们会询问客户，是否同意我们继续使用他们的客户信息，虽然这时客户根本不知道我们将他们的信息用来做什么。之后，一系列的市场营销和企业管理工具就会问世，我们还会开始对员工进行技术培训。在应用过这些工具后，营销人员会发现，其实这些工具不是特别适合解决他们面临的问题。
1704274055
1704274056
这听起来像是一种讽刺吗？我们不禁反问，有多少大型的IT项目是可以在限定的预算内完成的，又有多少能够实现预想的效果？研究表明，只有10%~30%。
1704274057
1704274058
技术尤为重要，我们需要依靠技术专家去发掘技术解决方案，一般情况下，技术本身不是问题。
1704274059
1704274060
这样做行得通
1704274061
1704274062
技术尤为重要，我们需要依靠技术专家去发掘技术解决方案，一般情况下，技术本身不是问题。
1704274063
1704274064
让我们回顾一下智能数据循环流程。市场营销和企业运营的任务目标没有改变。我们可以采取五种手段去提升客户价值，即发掘新客户、提升口袋份额、长期客户关系管理、持续推荐和提升市场营销和运营效率。数据和分析只是帮助我们更好地去运用这五种手段。如果一家企业计划增加在信息技术方面的投入，就必须要认识到这一点。
1704274065
1704274066
在引进技术时，要遵循五个基本原则：
1704274067
1704274068
☆要弄清楚我们具体要解决哪些商业问题。我们首先要明确回答这个问题，然后再弄清楚未来的使用者（比如市场营销和运营人员）对技术系统有哪些要求，之后再考虑引进哪项技术。
1704274069
1704274070
☆管理部门、技术专家和市场营销部门必须合作寻求适宜的解决方案。管理和市场营销部门需要培养一些技术人员，目的是为了更好地针对技术的功能和效用发问。技术专家也需要学会用营销人员能够理解的话术去沟通表达。
1704274071
1704274072
☆不要固执地寻求最理想的数字化战略。即便是在大数据时代，也不存在所谓最理想的方案，更不要说是在一个技术尚不成熟的时代了。
1704274073
1704274074
☆当我们还不了解一项技术的时候，就暂时先不要引进，这跟投资股票是一个道理。提供技术解决方案的一方必须要证明这个解决方案如何能够具体地解决我们面临的商业问题，或者已经解决了其他用户提出的需求。换句话说，我们不要引进尚未经过验证的技术。智能数据企业不是科技进步的试验品，而应该是明智的新技术追随者。
1704274075
1704274076
☆现在存储设备便宜了，云技术得到发展，我们能够从非结构化的数据中获得需要的信息，即便是在这种大环境下，我们在引进一项新技术前，仍需要考虑三个方面的问题：
1704274077
1704274078
•新引进的技术是否能够与现行系统中的数据源兼容？尤其是企业数据库。
1704274079
1704274080
•是不是必须兼容才行？
1704274081
1704274082
•如果不兼容，新技术如何获取数据？
1704274083
1704274084
这三个问题的答案决定了新技术是否能够在新环境中创造出预期的增值效果。
1704274085
1704274086
迭代增量，小步快跑！
1704274087
1704274088
智能化地引进数据分析技术意味着，不断接近敏捷编程方法中的迭代开发逻辑，Scrum是这其中最常见的一种方法。当项目负责人喊出“迭代增量，小步快跑”这一口号时，他的意思是，将原来列出的项目任务书扔进垃圾桶，不再考虑了。原因是现在用户的需求变化太快，原来的计划缺乏时效性，不能再发挥其作用了。通过小步快跑的方式，迭代开发技术应用以满足客户需求是更好的选择。这些小应用可能不能够满足客户的全部需要，但是它们能够满足最核心的需求。它们应该具备简单易学的特点。如果效果好，那么我们就会对其进行优化，拓展其功能，如果运行效果不好也可以承受，毕竟我们的投入还不算很大。
1704274089
1704274090
虽然我们知道，上面所描述的情况不能百分之百地应用于大企业的数字化战略，但是敏捷编程方法的核心思想可以作为智能数据企业投资决策的指导性原则。我们不要尝试一次性转动技术的巨轮，我们应逐步去实现。哪些小项目最终能够带来预期的增值，在这方面也是遵循“二八法则”。
1704274091
1704274092
1704274093
1704274094
[
上一页 ]
[ :1.704274045e+09 ]
[
下一页 ]