毫无疑问，大数据分析为企业提供了新的洞察力，可以帮助其更好的应对竞争对手，同时，也为企业带来了新的收入增长点。然而，如果数据分析项目失败了，也可能会给企业带来巨大损失，特别是大量资金和时间的浪费。
如何避免数据分析项目失败？从企业管理角度出发，有一些基础准备工作是必须的：首先，一定是由公司的管理层推进并购买相关服务或工具，以确保能够获得足够的技术和资金支持；另外，企业需要对员工进行专业技能培训。如果这两项基础工作没有做好，那么其他一切都无从谈起。
假设这些基础工作已经完成，而您正打算选择一款数据分析工具部署到业务系统中，这时，需要注意哪些问题呢？以下是 Computerworld 特约撰稿人 Bob Violino 给您的六条忠告，希望对准备使用大数据分析产品的小伙伴有所帮助。
谨慎选择数据分析工具
任何供应商都会将“大数据”或“高级分析”一词放在他们的产品介绍中，试图利用这些术语进行炒作。但往往很多产品在功能和效率上有着很大的不同。即便选择一款功能强大的产品，它也未必能够满足你的需求。
几乎所有的大数据产品都会有一些基本特性，比如数据转换和存储架构（想想 Hadoop 和 Apache Spark），但在数据分析方面，还是有很多不同，比如在数据挖掘、预测分析、实时分析、人工智能以及智能仪表盘等方面。
在决定购买任何大数据分析产品或存储平台之前，你需要真正了解公司的业务体系和需求，以便选择能够有效解决问题的产品。
比如，如果有处理大量的复杂数据（文本、音频、视频等）的需求，那么你需要选择一款能够分析非结构化数据的产品；反之，你只需要一款性价比较高的产品就足够了（大部分数据分析产品都支持结构化、标准化数据）。此外，在进行产品选型时，至少需要对比两种产品，还要注意该产品是否可以与企业内部的系统进行对接。
每款大数据分析产品都会在系统中建立数据模型，这也是项目实施过程中最重要的环节，而此环节必须确保是由供应商和企业业务负责人共同完成，尽管这会浪费一些时间，但绝对没错。
另外需要注意的是，优秀的产品会将数据分析结果呈现并翻译成“商业语言”，业务人员可以完全看明白，从而根据这些信息改进业务流程或寻找新的商业机会。
确保分析工具简单易用
大数据分析是一项非常复杂的技术，但是对于企业业务人来说，根本无需知道产品是如何访问并分析数据的。企业所需要的就是一款简单高效、用于数据采集、分析以及可视化的工具。
“找到合适的数据分析工具确实很困难”，域名注册商 GoDaddy 负责 BI 分析的 Sharon Graves 表示，“它必须简单并可以快速可视化，而且还能够进行深度分析。”
此外，更重要的是，一定不要向非技术人员（业务人员）提供“程序员”级别的工具，他们会疯的！
项目、数据与实际业务需要相结合
正如之前所提到的，数据建模环节需要由软件供应商与企业业务负责人共同完成。Experian 首席科学家、高级副总裁 Shanji Xiong 博士也认为，“导致数据分析项目失败的一个重要原因就是，企业最终并没有解决业务中所存在的真实问题。关键在于，在项目早期一定让具有专业背景的数据科学家参与进来。”
据 Shanji Xiong 博士介绍，之前 Experian 公司在做数据分析项目时就碰到了一个这样的例子。“当时，我们需要一套数据分析解决方案来打击身份欺诈，其中存在两个技术挑战：第一是分析客户姓名、地址和 PII（社会保障号）等这些个人信息；第二是分析客户申请贷款的相关信息。”最初 Experian 认为这两种情况可以被看过同一个问题去解决，但实际上，它们需要创建不同的数据分析模型。
建立数据湖泊，千万不要“吝惜”带宽
过去，很少有企业可以存储如此多的数据，更不要提进行有效的组织和分析了。而在今天，不管是在云端还是本地，高性能存储和大规模并行处理技术已经被广泛应用。
但是，光靠存储还远远不够，你需要能够处理不同类型的数据，从而再进行大数据分析。这也就是 Hadoop 的最大优势，它支持存储和处理巨大的不同类型的数据集，这些数据集我们称之为“数据湖泊”。真实的湖泊会包含许多种动植物，而数据湖泊则包括众多数据源，以及不同类型的数据。
“数据湖泊绝不是堆积数据的场所，你需要考虑如何以有价值的方式聚合数据、扩展其属性。创建数据湖泊，并进行采集、索引、标准化，是大数据分析策略中非常重要的一环。”亚利桑那州立大学计算研究主任 Jay Etchings 说。
“同样，拥有足够的带宽也至关重要。否则，会严重影响数据湖泊从数据源提取数据的速度，以及业务人员进行数据分析的流畅度。” Jay Etchings 认为，“从社交媒体趋势到交通状况，都非常依赖实时分析，而这就要求你的数据湖泊要有足够的带宽。”
每一个环节都要考虑安全性
大数据分析让企业拥有了从数据中获取有价值信息的能力，“但有一个问题是，系统管理和安全会变得更加复杂”，Jay Etchings说。在大数据分析系统等关键任务上，如果未采取足够的防护措施，那么无疑会产生大规模问题。
众所周知，企业采集、存储、分析和共享的大部分数据都是客户信息——其中一些信息更涉及到个人隐私，如果这些数据落入他人之手，结果将是：企业可能会面临法律诉讼和监管部门罚款、品牌和声誉受损以及客户的不满。
对于准备部署大数据分析的企业来说，安全措施不仅要包含一些基本的工具，例如实时数据加密、身份和访问管理、网络安全等，还应包括对员工进行如何正确访问和使用数据的相关培训。
数据管理和质量是“头等大事”
良好的数据管理和质量控制，已成为所有大数据分析项目成败的关键因素。企业需要确保数据的及时更新，准确并实时进行传送。
在 GoDaddy 公司的大数据分析项目中，如果数据更新延迟或失败，系统都会自动报警并通知给系统管理员。此外，系统也会对针对一些关键指标进行数据质量检查，如果出现不符合预期的指标，系统也会发送警报。
为确保数据管理和质量控制，企业最好雇佣专业的数据管理人员（数据管理总监）或由管理层人员进行监督。
注：本文由 DataHunter 编译自 Computerworld《How to avoid big data analytics failures》，作者Bob Violino。