избранные

27.11.2017

12 мифов об аналитике данных часть 1

Что полезного Вам расскажет Wellmark?

Аналитика с Wellmark

В нашем блоге мы стараемся отслеживать интересную информацию из мира технологий. Этот контент мы с удовольствием адаптировали для вас с www.cio.com.

Миф №1: аналитика данных требует больших инвестиций

Большинство полагает, что аналитика данных сама по себе дорогостоящее удовольствие. Скорее всего это происходит потому, что многим просто не понятно, зачем это нужно и куда с этим бежать?

На самом деле, важно просто понимать, сколько данных у вас есть сейчас и какую проблему вы пытаетесь решить. В большинстве случаев облако решит вашу проблему намного дешевле, чем все, к чему вы привыкли. Современные системы аналитики построены на облачных решениях и решают три основные задачи:

  • Улучшение показателей эффективности
  • Рост прибыли
  • Учат и имплементируют проактивный подход к рискам.

Миф №2: нужно много данных, чтобы осуществить аналитику данных

Для большинства понятия биг дата и аналитика идут рука об руку, однако мнение, что сначала надо собрать кучу данных, а потом заниматься аналитикой в корне неверно!

Для крупных мастодонтов это конечно так и более того позволяет получить конкурентное преимущество и выиграть гонку, а вот для компаний поменьше — надо просто начинать работать с тем, что уже есть и тратить ресурсы в правильном направлении.

По словам Тима Джонсона, исполнительного директора компании Allegis Global Solutions, «мнение, что чем больше данных — тем лучше, а машина разберется — неверное восприятие концепции». Радоваться здесь нечему. «Важно понять, что действительно важно и как эту информацию можно донести в простом и понятном виде».

Миф №3: аналитика исключает субьективность

«К сожалению, это не так. Алгоритмы и аналитика воспроизводят то, что когда то было сохранено некоторым предвзятым образом» — говорит глава ThoughtWorks, Майк Мэйзон. Неверно подобранная аналитика или просто бездумное использование инструментов анализ и не гарантирует полезность и актуальность ответа на поставленный вопрос.

Миф №4: выигрывает лучший алгоритм, всегда

Майк считает, что «иногда алгоритм неважен», «важен объем и качество данных«. Добавим от себя, что судя по мнениям важно ориентироваться именно на задачи бизнеса. В любой ситуации можно найти правильный подход при верной настройки. Очевидно, что аналитика позволяет перейти на новый уровень, поэтому пора задуматься, а правильно ли вы занимаетесь аналитикой сегодня?

Миф №5: искусство данных — это «черное искусство»

За последние годы тема биг даты привлекла огромное внимание, хотя упрощая, это просто алгоритмы, которые выявляют закономерности в огромном количестве информации.

Шульц считает, что «мы способные решать такие проблемы, за которые было бы просто глупо браться 10 лет назад. Наука обработки данных — это нормальная ступень эволюции статистических техник, которые мы изучали годами. Здесь нет никакой загадки, если вы умеете считать».

Миф №6: чтобы было больше «науки», нужно больше ученых

«Все так гоняются за специалистами в данных, а по большому счету не все они «добавляют» стоимости продукта или компании. А все потому, что вы привыкли давать им несущественные легкие задания» — считает Мэйзон.

Например, платформа Микелянджело, позволяет ученым работать непосредственно над инженерными задачами, а не простым «играм» с информацией, когда «вы заставляете их играть в пинг понг датой».

Читайте продолжение на следующей неделе!

https://www.cio.com/article/3238088/analytics/data-analytics-myths-debunked.html