5个步骤助您将分析成果转化为整个企业的成功

作者：Ryan Garrett

来源：Teradata Voice，福布斯

所有行业、各种规模的公司现在都已经能够利用大规模计算能力与海量数据完美结合，这一点彻底改变了企业的决策制定。数据科学家和业务分析师搭建了许多沙盘，并在此基础上构建模型、测试想法、明确应对挑战的解决方案并利用起每一个机会。

分析技术对业务形成了很好的补充，这一点是毋庸置疑的。然而，从数据科学家在实验室里取得的成果推广到在整个企业中可以采取的实际应用，如何缩短这两者之间的距离，仍然是我们仍待解决的一个挑战。

把实验室和业务对接，更进一步把分析技术和行动对接，这是开展数据驱动型业务的关键一步。为了更流畅地完成这个过程，我建议您采取以下5个步骤，它们将帮助您把分析成果转化为整个企业的成功。

用户们在评价业务解决方案时，必须清晰地看到在某个洞察背后做支撑的是哪些数据，数据的透明度对于获取用户信任非常关键。决策制定者不是数据科学家，但这并不意味着他们对业务没有充分的了解。决策制定者需要确保他们使用的数据有恰当的来源、后续的分析技术是基于高质量、可靠的数据。简单来说，人们需要信任并了解他们的数据。

让用户自己进行查询也同样重要。很多了解自己数据的用户都希望仅依靠自己的能力来进行查询；而另外一些客户可能还希望看到更深层次的SQL技术。用户们希望了解查询流程的细节，并记录他们走过的每一步。查询记录、包括查询过程中产生的所有中间数据，这些对于希望更深入地挖掘表面之下查询工作如何进行的管理者和决策者来说都是非常重要的。

在收集了受到信任的数据并进行分析以后，我们必须弄清楚其中所用到的分析技术。虽然不是每一个分析流程下游的用户都需要这些信息，但那些支持在全部业务中应用分析技术的超级用户和决策制定者最后还是需要在整个公司里建立一条信任的基准线，让大家能够信服分析技术产出的洞察和分析流程。通过文档来解释所运用到的分析技术，可以方便高级使用者理解信息是如何被推导出来的，从而可以通过自己的力量、按照自己的需求获取相应的信息，而不需要再和数据科学团队开会。

应用业务使用者能够理解的可视化技术与解释分析技术是紧密相关的。数据科学家们看到sigma可视化图表时也许可以获取完整的深度信息，例如通过网状图可以展现模块性和不同的场合；但对于在业务线前端、有着其他工作和其他考虑的人们来说，一张更简单的图表也许就足够了。然而另一个极端是，我们可能很容易消化一张条形图里的信息，但是这种简单的图表可能无法提供深度信息来支持业务的决策。图表不能过于简单，我们必须避免这种情况的发生。绘制正确可视化图表就是一个寻找平衡的关键步骤，它将为业务使用者提供背景信息，方便他们更充分地理解并应用分析洞察。

分析工作天然有着不断迭代的属性。没有任何一种分析是可以一劳永逸、百分之百“正确”的。不仅是洞察会随着时间的推移而发生变化，而且分析技术匹配业务的方式身就是一个有机的、不断发展的概念。企业需要建立一套反馈机制，检查不同时间上的各个流程，发现哪些流程是有用的、哪些是无用的，并找出背后的原因；这就是一次性的分析流程和不断产生成果的分析技术的关键区别。

走向分析成功的道路并不是要突然地把所有人都变成一个分析师或者数据科学家；而是要善于发现数据团队和业务团队的优势，确保建立一个平台，让这两者能够相互促进对方的成长。