[[394092]]

如果沒有合適的工具，組織將很難應對業(yè)務挑戰(zhàn)。根據(jù)一些數(shù)據(jù)分析計劃可以提供組織所需的基本見解。

即使在冠狀病毒持續(xù)蔓延期間，有些事情也不會改變。與往年一樣，在行業(yè)媒體進行的2021年首席信息官的現(xiàn)狀調(diào)查中，接受調(diào)查的1062名IT領導者中有許多人選擇“數(shù)據(jù)/業(yè)務分析”作為有望推動IT投資的主要技術計劃。不幸的是，當涉及到利益相關者的滿意度時，數(shù)據(jù)分析計劃很少做得很好。

行業(yè)專家Mary K. Pratt對數(shù)據(jù)分析計劃為何仍然失敗的原因進行了分析，其原因包括質(zhì)量低劣或孤立的數(shù)據(jù)，模糊而非有針對性的業(yè)務目標，以及“一刀切”的所有功能集。但是，許多新的方法和技術正在使這種陷入困境的可能性降低。

在行業(yè)網(wǎng)站發(fā)布的一些文章中，可以找到一些有用的建議和示例，幫助組織確保分析工作能夠交付這些產(chǎn)品。這些舉措往往類似于開發(fā)項目(即使涉及到商業(yè)產(chǎn)品)，并且具有相同的明確目標和迭代周期，可以區(qū)分成功的軟件開發(fā)成果。

要了解全局，可以從作者Bob Violino在InfoWorld發(fā)表的一篇名為 “如何在數(shù)據(jù)分析中脫穎而出”的入門文章開始。在這段簡短的文章中，Violino介紹了數(shù)據(jù)分析的基礎知識：如何建立卓越的分析中心;自助服務解決方案(如Tableau或Power BI)的好處;機器學習令人興奮的特性;以及向云計算分析解決方案的轉(zhuǎn)變。Violino在其發(fā)表的名為“云中的分析：關鍵挑戰(zhàn)以及如何克服挑戰(zhàn)”的文章中還進行了進一步闡述。正如他所指出的那樣，云計算的可擴展性和豐富的分析工具可能是無法抗拒的，但是將大量組織將數(shù)據(jù)遷移到云中并確保其安全可能是令人心悸的冒險。

新技術總是會帶來新的風險。從自動化數(shù)據(jù)準備到檢測數(shù)據(jù)中有意義的模式，如今沒有比機器學習更能對數(shù)據(jù)分析產(chǎn)生重大影響的技術進步了，但這也增加了不可預見的風險。正如CSO網(wǎng)站高級作家Lucian Constantin在其發(fā)表的一篇名為“數(shù)據(jù)中毒如何攻擊破壞機器學習模型”的文章中解釋的那樣，惡意攻擊者或黑客故意注入的不良數(shù)據(jù)會使模型趨向某些邪惡的目標，其結(jié)果可能是操縱產(chǎn)品推薦，甚至是黑客推斷機密數(shù)據(jù)的能力。

毫無疑問，正如Matthew Finnegan在Computerworld網(wǎng)站發(fā)表的一篇名為“協(xié)作分析：可以跟蹤員工”的文章中所證實的那樣，數(shù)據(jù)分析也具有陰暗的一面。收集和分析有關協(xié)作平臺上用戶交互的元數(shù)據(jù)具有其合法的好處，例如識別通信瓶頸或優(yōu)化員工體驗的能力。但是，可以將這一平臺作為員工監(jiān)控系統(tǒng)，那么將會侵犯員工隱私，并降低管理層與其他人之間的信任。

高級編輯Ann Bednarz 在Network World網(wǎng)站發(fā)表了一篇名為“美國職棒大聯(lián)盟在網(wǎng)絡可見性方面發(fā)揮的作用”的文章，這是有關數(shù)據(jù)分析以提高用戶滿意度的一篇比較出色的文章，探討了MLB公司如何在其基礎設施中使用網(wǎng)絡流量分析軟件，以確保球員和球迷享受端到端的一致的網(wǎng)絡性能。

文章指出，部署統(tǒng)一網(wǎng)絡分析以優(yōu)化用戶體驗的努力開始于兩年前，主要是因為MLB公司首席網(wǎng)絡自動化軟件工程師看到了這一必要性。他的認識突破了成功分析計劃最重要的障礙：文化慣性。

最后，成功進行數(shù)據(jù)分析的秘訣不在于選擇和實施完美的技術，而在于培養(yǎng)對普及分析可以產(chǎn)生更好決策和出眾成果的廣泛理解。通常情況下，人們可以消除技術缺陷或需求誤解。但是如果無法改變心態(tài)的話，那么就很少有人會使用剛剛構(gòu)建的分析工具。