有效使用數(shù)據(jù)分析工具，可以提升業(yè)務(wù)決策能力，以便更好、更快地獲得市場洞察力，這也是數(shù)字化轉(zhuǎn)型最需要的核心競爭力。

準(zhǔn)確來說，通過數(shù)據(jù)分析軟件進(jìn)一步挖掘數(shù)據(jù)價(jià)值，是企業(yè)業(yè)務(wù)能力全面提升的關(guān)鍵所在。說白了，要想真正讓數(shù)據(jù)為業(yè)務(wù)賦能，選擇最佳的數(shù)據(jù)分析軟件是關(guān)鍵。尤其是在大數(shù)據(jù)時(shí)代，數(shù)據(jù)的種類、數(shù)量正在呈爆發(fā)式趨勢增長趨勢，使得數(shù)據(jù)分析變得更具挑戰(zhàn)性。

當(dāng)然，除了數(shù)據(jù)分析平臺的選擇，方案本身是否與企業(yè)現(xiàn)有的數(shù)據(jù)源具有全面連接能力，也很重要。比如：企業(yè)在做數(shù)據(jù)分析時(shí)，不僅關(guān)注云計(jì)算本身的服務(wù)能力如何，還要關(guān)注邊緣計(jì)算的部署和監(jiān)控能力。同時(shí)，企業(yè)不僅關(guān)注企業(yè)原有的核心業(yè)務(wù)系統(tǒng)數(shù)據(jù)，還要關(guān)注和企業(yè)業(yè)務(wù)相關(guān)的整個(gè)供應(yīng)鏈的動(dòng)態(tài)數(shù)據(jù)。

正所謂，二流的解決方案提供商只關(guān)注功能，而一流的解決方案提供商，不僅提供了和數(shù)據(jù)分析相關(guān)的多種功能和特性，還要擁有全數(shù)據(jù)的理解能力，即數(shù)字孿生能力。越來越多的企業(yè)希望，核心的數(shù)據(jù)框架不僅擁有對復(fù)雜場景的理解能力，還要通過實(shí)時(shí)和可視化的數(shù)據(jù)工具準(zhǔn)確理解數(shù)據(jù)，包括借助機(jī)器學(xué)習(xí)、人工智能等先進(jìn)技術(shù)，讓數(shù)據(jù)分析變得更智能化。

問題是，放眼市場，可選擇的數(shù)據(jù)分析工具有很多，我們該如何去選型呢?

筆者認(rèn)為，數(shù)據(jù)分析軟件選型不是一件小事兒，需要多方面權(quán)衡，還要綜合利弊，充分考慮到應(yīng)用的特性和框架等等要素。以下方法，或許能為更多企業(yè)的選型帶來指導(dǎo)作用。

1. 按照業(yè)務(wù)角色分析數(shù)據(jù)需求

在選型之前，我們首先要評估企業(yè)對于數(shù)據(jù)的要求是什么，需要設(shè)定哪些目標(biāo)。重要的是，要看誰是最終使用數(shù)據(jù)的人。例如：業(yè)務(wù)線用戶與數(shù)據(jù)科學(xué)家的需求，分別是什么;您希望該平臺的使用權(quán)限如何界定?此外，還要了解構(gòu)建數(shù)據(jù)模型所需的數(shù)據(jù)源和洞察力，以及所需的分析能力類型，包括：數(shù)據(jù)可視化、統(tǒng)計(jì)分析、預(yù)測分析或其他專業(yè)需求等。

2. 分析供應(yīng)商的服務(wù)能力，要充分考慮到后期的可擴(kuò)展性

要對供應(yīng)商提供的服務(wù)能力進(jìn)行比對，對方提供的解決方案要能確保有效地管理數(shù)據(jù)，并能始終如一地交付預(yù)期結(jié)果，這點(diǎn)至關(guān)重要。

另外，還有可擴(kuò)展性問題。隨著企業(yè)業(yè)務(wù)能力、供應(yīng)鏈以及合作伙伴合作關(guān)系的不斷擴(kuò)展，數(shù)據(jù)分析工具也要與時(shí)俱進(jìn)，包括通過最新來源獲取數(shù)據(jù)，并且具備有效處理新數(shù)據(jù)的能力，讓數(shù)據(jù)具有可操作性。

3. 一旦選定方案，不要輕易切換

要知道，數(shù)據(jù)分析平臺一旦落地，就很難切換。因?yàn)椋脚_替換，既復(fù)雜，又浪費(fèi)時(shí)間，還會涉及到巨額的IT支出成本。所以，在方案設(shè)計(jì)之初，就要選擇適合的方案。有時(shí)候，為了確保方案的萬無一失，要去做很多功能。具體而言，我們要根據(jù)解決方案的性能、用戶界面 (UI) 和可用性 (UX)、靈活性、可擴(kuò)展性、安全性，以及整體服務(wù)水平，進(jìn)行綜合權(quán)衡。

需要特別注意的一點(diǎn)是，供應(yīng)商是否滿足 SLA需求，前期價(jià)格其實(shí)在總擁有成本 (TCO) 中并不重要。

附原文鏈接：https://www.eweek.com/big-data-and-analytics/data-analytics-tools/