你如果沒有正確的工具,就無法帶領事業通過各種挑戰。只要做得對,分析方案能帶給你真正需要的深度知識,就像以下提到的四篇文章所說明的。
文/Eric Knorr 譯/高忠義
即使在疫情蔓延時,有些事也不會改變。與前幾年的情況一樣的,在《CIO雜誌》進行的「2021年CIO現狀調查」中,受訪的1,062位受訪IT主管中多數選了「資料/商業分析」作為預期驅動IT投資的第一名科技方案。
不幸地,就利害關係人的滿意程度來說,分析方案很少符合期望。
2020年,《CIO》的撰稿人 Mary K. Pratt 對於資料分析方案為什麼仍然失敗提出絕佳的分析,包括資料品質低劣或不連貫,事業目標模糊而不特定,以及拙劣的一招半式闖江湖的套裝功能。但還是有些新穎的方法與科技讓這些難堪的失敗減少。
從《CIO》的文章選集,包括《CSO》、《InfoWorld》與《Network World》,讀者可以找到能有助於確保貴公司分析專案投入獲得正面效果的建議與範例。這些方案類似於研發專案,甚至可能涉及商業產品,而且同樣以成功軟體開發專案的妥善界定目標與反覆循環為其特性。
為了瞭解全盤情況,我們先從《InfoWorld》的入門說明〈如何用資料分析獲得卓越成果〉,該文作者是Bob Violino。在這篇說理清楚的文章中,Violino討論了所有基本問題:建立卓越分析中心、自助解決方案的優點(例如Tableau或Power BI)、機器學習讓人興奮的可能性,以及轉向雲端分析解決方案的趨勢。Violino在第二篇文章詳細闡述最後一點,那是為CIO撰寫的〈雲端分析:關鍵挑戰與如何克服〉。依照他的看法,雲端的可擴展性與豐富的分析工具可能是難以抗拒的,但要將大量的公司資料搬到雲端,並維護其安全性可能是個耗費心力的工作。
新科技必然帶來新的風險。對分析造成最大影響的科技發展就是機器學習,從自動化的資料準備到偵測資料中有意義的模式,此外它也帶來新的未見災難。就像《CSO》資深作家 Lucian Constantin 在〈資料病毒攻擊如何破壞機器學習模式〉這篇文章中解釋的,惡意的駭客故意灌入精心設計的偏差資料可能傾覆模型而促成惡意的目的。例如說,結果可能造成受人為操縱的產品評論,或者甚至使駭客得以推算出機密的基礎資料。
另一個較不那麼沉重的問題,看看這項有關分析工具如何提升用戶滿意度的優秀案例研究〈美國職棒大聯盟推動網路可視化專案〉。資深編輯Ann Bednarz 為《Network World》撰文檢視職棒大聯盟如何在其全部的基礎設施採用網路流量分析軟體以確保球員與球迷享有穩定的端到端網路,從座位的Wi-Fi到雲端服務。
部署統整的網路分析工具以優化用戶體驗之做法在兩年前才剛開始,主要是因為職棒大聯盟新的首席網路自動化軟體工程師認為有此必要性。他的洞見或許打破了成功分析方案最重要的障礙:文化惰性。
最後,成功的分析方案之秘訣並不在於選擇並實施完美的科技,而是深耕建立廣泛的共識,讓人瞭解全面的分析能得出更好的決策與優越的成效。通常,你有能力排除技術狂熱或者對需求的誤解。但如果你不改變心態,沒有幾個人能善用你剛剛建立完美的分析機器。
關於現代資料分析的4個觀點
●如何用資料分析獲得卓越成果/《InfoWorld》
●雲端分析 — 關鍵挑戰與如何克服/《CIO》
●資料下毒攻擊如何癱瘓機器學習模型/《CSO》
●美國職棒大聯盟在網路可視性先馳得點/《Network World》
(本文授權非營利轉載,請註明出處:CIO Taiwan)