怎樣能做好大數據？

　1

　　做大數據項目的do&don"t分別是哪些？請看下圖。

　　若企業沒有挖掘出大數據的特殊價值，用小數據也可以做到的話，那這個項目本身就失去了意義。規劃大數據項目時，不要用傳統老辦法去做，應該用快速迭代的方法來做，進行快速測試，內部市場、外部市場都測試，然後就可以循序漸進。通過迅速的試錯，及時調整錯誤的開發內容或功能，這樣的試錯代價會比較低。

　　商業用例，指的是大數據項目能夠怎麼幫助各項業務達成所需要的功能和目標，或者叫目的。商業用例不清晰的話，會直接影響數據的選擇、挖掘與應用，以至於應用後怎麼支持企業的業務，這都十分關鍵。想要做好大數據項目，應當明晰用例（目標/實用價值），讓企業上下都明白這個大數據是要做什麼的。

　　大數據不是誰都能玩得起的，如果缺乏核心技術，達不到企業的預期目標，錢也是白花。應該怎樣選擇核心技術呢？關鍵在於適合，而非一味追求高大上。選擇高大上的技術，可能會影響到各個方面的整合和所需要的數據量，預算會很大，成本也會較高，難以實現盈利的目標。反而像SAS軟體、JAVA程序這種簡單的技術，如果是符合大數據項目的技術要求的話，用又何妨。

　　大數據技術就像企業做的任何一款創新產品和項目一樣，需要團隊，需要僱傭、調動所有對這個項目有貢獻的資源。若企業內部對大數據項目無共識，是很難順利推進的，畢竟各部門間的利益和工作重點是不一樣的，這需要統籌協調好。要是項目團隊擁有各方面的專業知識和技能，那是錦上添花。當上面有領導的支持，中間有大家的共識，最下面的一線執行人員也很清楚自己要做什麼，這樣離成功會更近。

　　一個項目的開始，應該謹慎而非腦門一熱。沒有利用好大數據把該做的項目和企業的商業戰略、科技戰略等各個方面結合起來，等於項目無法與戰略協調。大數據項目與企業戰略脫節，便無法在戰略的指導下做一款產品或服務項目，這樣失敗的可能性會非常大。新的項目做了三個月、六個月做出來了，能否獲得業務用例期望的結果，是一個非常重要的標誌。根據業界的標準，到了50%基本上算比較成功了，到了80%那是相當好了。

　　2

　　衡量大數據項目是否成功的因素有5點。概括來說，就是實現目標、凸顯價值、可複製性、提高效率、轉型升級。

　　3

　　做好大數據項目的6steps：

　　在大數據產業中，有很多精彩的實戰案例，如美國福特公司去年以來做的一個大數據項目。福特基本上是按照以上總結的幾步來做的。

　　確定大數據用例，是福特的第一步。企業需要界定的是——一切影響銷售業務的大數據。一般汽車銷售商的普通做法是投放廣告，花錢很多，收效未明。大數據技術不太一樣，它可以對某個地區的房屋市場、新建住宅、庫存和銷售數據、這個地區的就業率等各種相關的、可能會影響購買汽車意願的原數據進行分析和收集，還可能會到跟汽車所有相關的網站上搜索，客戶搜索的汽車種類、模式、款式、價格、車型配置、功能、顏色等等這些客戶喜好的數據。

　　把項目交一個差不多200人的大數據分析專業團隊，是福特汽車的第二步。用上述方法把所有的數據都界定好了以後，他們獲取和搜索所需的外部數據，比方說第三方合同網站，區域經濟數據、就業數據等等。

　　當團隊獲得數據以後，開始對數據進行建模分析、挖掘，這是第三步。這樣，可以為銷售和決策部門提供精準可靠的角色選擇和效果分析。對於可能獲得怎樣的營銷效果，他們做了大概幾十種分析。

　　第四步，營銷部門和運營部門根據這些數據策劃和實施有針對性地執行促銷計劃。比方說在某些需求量特別旺盛的州或地區，他們有專門的促銷計劃，基本上這些促銷計劃都是根據某一個個體的需求量身訂做的，非常非常精準。所以，不需要花五、六百萬美金，花出去了也不知道誰感興趣；而採用大數據技術，只需要花五、六十萬美金，就知道誰對這個汽車感興趣，並把廣告發送到他的電子郵箱和地區的報紙上，非常精準。

　　大數據營銷的創新效果衡量，是最後一步。跟傳統的廣告促銷相比，福特花了很少的錢做大數據分析產品（我們稱為大數據的模型和分析工具），運用這種方法，大幅度地提高了汽車的銷售業績。福特不僅在汽車的銷售方面運用了大數據，比較成功，在其它方面的應用——汽車的整車質量、保險費用、汽車運輸狀況、汽車的智能和駕駛模式等等也挺成功。他們希望這些數據能夠幫助駕駛員降低保險成本，這樣的話可以促進更多銷售者對福特這個品牌的認可，並擴大了福特的市場佔有率，一舉多得。

如果什麼都不懂，就直接找專家。比如阿里雲，騰訊雲、華為雲。

　　目前，很多中小型企業都習慣領導直接做決策的方式。領導的決定對企業決策會造成極大影響，這種現象非常普遍。中小企業面對的這種問題，需要進行思維觀念的轉變，培養企業領導及員工的大數據思維。企業決策時要能夠充分使用企業數據，合理理性的面對數據及其分析結果，真正做到能夠讓真實的數據說話。

　　在很多情況下，大數據都非常適合企業使用。但是如果你的公司無法靈活地採取行動，即使再高明的見解也變得毫無價值。

　　正如分析服務供應商Teradata數據科學主管鄧肯·羅斯（Duncan Ross）去年接受BBC採訪時所說：「大數據代表著許多企業機遇，但是你必須準備好支點，並關注哪些數據能為你帶來利益。「

　　但這也是一柄雙刃劍：若太過依賴大數據，我們也許會忽略強大（而且通常十分準確）的直覺。利用大數據，不盲從數字，不至於所有商業決策都任憑大數據的擺布。

　　大數據固然不錯，但在為品牌做決策時，我們不能唯大數據馬首是瞻。肯定有一種綜合的解決方案，能將大數據和「直覺判斷」有效結合起來。我得以在數據的指引下，為品牌吸引到新的客戶，但我和讀者聯絡、互動的方式是由我自己裁量的，不會受制於大數據的擺布。

　　人孰無過，但數據有時也能誤人。這種現實主義融入了我所有的決策之中。這樣一來，我在對數據負責的同時，也能對數據的真正含義保持適當的懷疑態度。——曼佩里·辛格（Manpreet Singh），TalkLocal

　　如何利用好大數據

　　讓大數據充當嚮導,而非指揮官

　　大數據固然不錯,但在為品牌做決策時,我們不能唯大數據馬首是瞻.肯定有一種綜合的解決方案,能將大數據和覺判斷有效結合起來.我得以在數據的指引下,為品牌吸引到新的客戶,但我和讀者聯絡、互動的方式是由我自己裁量的,不會受制於大數據的擺布.

　　目標明確

　　就算一個公司擁有再多的數據，也不能代表它就一定會獲得商業上的成功。只有真正懂得如何利用大數據，了解到公司利用大數據可以達到什麼目標，公司最終才有可能真正成功。不過，有時候，利用太複雜先進的數據分析工具往往也會帶來很多問題，不過如果我們能夠通過分析大量的數據來得到最終的結果，那就不用懷疑了，你就干吧，至少方向肯定是對的。

　　要謹慎對待數據

　　有時，企業是沒有能力去獲取數據的，也就沒法用數據去解決問題。就算公司獲得了一些數據，他們往往也不清楚這些數據最終能否解決他們的問題。

　　一個數據是否有效，是否能幫助公司解決問題，最好詢問數據小組的意見。