大数据的障碍：数据质量和旧观念成见

在科学研究中，理解每一个变量的所有情况是不可能的，所以“迭代很重要”James Noga说。他是波士顿的医疗保健非营利性组织Partners HealthCare System的CIO. 他说，那些擅长大数据处理的人必须能够挑选出有代表性的关键点，并且“在当时作出最好的推测”.

不管怎样这一点可以被推而广之，不仅是在关注数据质量的公司，而且那些习惯于结构化IT流程的IT公司中也可以推广。

消除旧观念和成见不易

专家组成员说，那些拥有模式识别技能、好奇心，并理解实验价值的人是有效使用大数据和分析法的关键。然而，CEB的Shah发现，使科学方法成为公 司文化的一部分极其困难。“你可以让所有聪明的数据分析专家聚集在企业核心，做出很多聪明的决定。但是如果做不到这样的话，客服代表、经理们以及其它外围 人员做出的决定就更加重要。”因为大多数公司没办法雇佣足够的数据科学人员去研究大数据，另一个挑战是寻找培训人才。

CEB发现很少公司能够使用大数据和分析法法去驱动业务决策。最新对近500家企业的研究发现，20%的调查对象使用直觉做决定;49%想要更多数 据，另有38%被CEB称为“知情的怀疑论者”,也就是那些可以进行模糊数据，并推动业务向前发展。不仅如此，Shah说，人们倾向于坚持成见，“技术数 据显示的恰恰相反”.“消除成见非常困难。”

聚积数据是另一个开发大数据的障碍。麦肯锡研究的一个发现是金融服务(其收集和分析数据的历史悠久)在使用大数据上滞后。Chui说：“我们发现很多西方银行的业务竖井的界限已经变得如此之大，以至于分享数据的想法非常，非常之弱。”

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友