为什么你的大数据项目会失败

本文列举了实施大数据项目遇到的问题，并针对这些问题提出了解决办法。

错误的使用方法

    企业往往会犯下两种错误，要么构建起一套过分激进、自己根本无法驾驭的大数据项目，要么尝试利用传统数据技术处理大数据问题。无论是哪种情况，都很有可能导致项目陷入困境。

提出错误的问题

    数据科学非常复杂，其中包含专业知识门类(需要深入了解银行、零售或者其它行业的实际业务状况)；数学与统计学经验以及编程技能等等。很多企业所雇用的数据科学家只了解数学与编程方面的知识，却欠缺最重要的技能组成部分：对相关行业的了解。Sicular的观点很对，她表示大家最好能从企业内部出发寻找数据科学家，因为“学习Hadoop比学习相关行业的知识更简单”。整理了一份适合2018年学习的大数据资料需要的加群QQ群：834325294 注明CSDN既可免费获取

缺乏必要的技能组合

    这项理由与“提出错误的问题”紧密相关。很多大数据项目之所以陷入困境甚至最终失败，正是因为不具备必要的相关技能。通常负责此类项目的都是IT技术人员——而他们往往无法向数据提出足以指导决策的正确问题。在大数据技术之外遇到了其它意外状况。数据分析仅仅是大数据项目当中的组成部分之一，访问并处理数据的能力同样重要。除此之外，常常被忽略的因素还有网络传输能力限制与人员培训等等。

与企业战略存在冲突

    要让大数据项目获得成功，大家必须摆脱将其作为单一“项目”的思路、真正把它当成企业使用数据的核心方式。问题在于，其它部门的价值或者战略目标有可能在优先级方面高于大数据，这种冲突往往会令我们有力无处使。

大数据孤岛

    大数据供应商总爱谈论“数据湖”或者“数据中枢”，但事实上很多企业建立起来的只能算是“数据水坑儿”，各个水坑儿之间存在着明显的边界——例如市场营销数据水坑儿与制造数据水坑儿等等。需要强调的是，只有尽量缓和不同部门之间的隔阂并将各方的数据流汇总起来，大数据才能真正发挥自身价值。

回避问题

    有时候我们可以肯定或者怀疑数据会迫使自身做出一些原本希望尽量避免的运营举措，例如制药行业之所以如此排斥情感分析机制、是因为他们不希望将不良副作用报告给美国食品药品管理局并承担随之而来的法律责任。

    解决问题的关键在于使用灵活而开放的数据基础设施，保证其允许企业员工不断调整实际方案、直到他们的努力获得理想的回馈。通过这种方式，企业能够消除恐惧并最终以迭代为武器顺利迈向大数据有效使用的胜利彼岸。

    1.从列出一个您所想要解决的业务问题的清单入手

    不要从解决某个大问题着手。从启动一个小的项目开始，选择一个您所亟待解决的具体的问题，并坚持下去。列出一份您所需要解答的问题的列表清单，并且不要因为被技术问题困住而忽视您的目标。确保IT团队的工作职责不会变得过于宽泛或所谓的“全方位”，这样可以尽量避免处理问题范围的改变进而导致的项目失败：即从业务部门到IT部门的需求的改变导致问题焦点的转移。确保所有利益相关方在客观上对于项目的实施和执行都是同意的，以便让每个人都能够专注于项目的完成。整理了一份适合2018年学习的大数据资料需要的加群QQ群：834325294 注明CSDN既可免费获取

    2.在您开始项目之前获得企业高层的背书

    一旦您已经确定您所要解决的业务问题，必须获得业务团队从上而下的对于您所需要的所有相关数据的支持，以保证成功完成项目。务必获得公司高层领导对于访问所有相关的业务数据的授权，以便您可以找到相关的模式和关系，进而解答业务问题。也就是说您必须获得访问、控制的权限。

    3.确保您的团队具备执行项目所需的专业知识

    理想的情况下，您的团队内部将会有成员接受过专业的训练，具备数据科学家的技能和心态，能够利用这些数据信息来生成所需的业务结果。如果不是的话，您可以利用您现有的系统来解决的问题。这是一个很好的退后一步来思考所需要解答的业务问题的时机。您可能在这时不需要经过专业的培训或NLP就能够得到您需要的答案，只是授予了合适的人员来访问企业内部的数据信息而已。

    选择一个能够创造商业价值的问题，并在您已经正确的道路上持续的坚持下去。记住，一个成功的项目与其所涉及的范围是没有太大关系的。没必要一口气吃个胖子，那样反而会带来更大的失败。毕竟，一个小项目的成功要比一个大项目的失败要好得多。