彩票走势图

在当前这个，海量数据喷薄而出，公司不再面临缺乏数据的窘境，但是如何有效利用这些海量数据，抓住数据背后的商业价值是每个公司应该不断思考的课题。本文作者法国服务初创公司 Dataiku 的 Florian Douetteau 就该问题分享了他的一些见解。

对于当今的企业来说，他们可以从各种各样的渠道中搜集海量数据，从播客到交易数据，物联网以及其中的所有渠道，我相信今天这个时代，不会再有哪个公司说他们面临数据问题。

但是，我认为很多公司，无论他们愿不愿意承认，都有着数据价值的问题，也就是说，他们不太能从搜集的数据或者所有的数据中获取真正的商业价值。

一开始，以数据发家的科技公司（如四大互联网巨头GAFA——Google，Apple，Facebook以及Amazon）本质上通过利用先进的机器学习技术，解决一些重要问题（如何使广告相关、推荐效应等），从而从数据中创造价值。他们的问题在技术上是相当有挑战性的，但是解决这些问题的方法相当简单：雇用50名博士和才华横溢的工程师，成功不是问题。

相反，传统企业的成功之路会相对复杂一些，他们得将现有产品和服务一步步转型优化，其业务问题不仅在技术上难，解决起来也难。因此，这些公司组织需要采用更为系统的方法，以提高生产率，就像工厂提高生产率使用的方法一样。

1. 确立再利用的方法。这是指建立流程，使得数据和实验结果能够在项目和项目之间共享。在一个传统公司中，80％的数据项目都是从头开始，试图控制正在发生的状况，这是因为数据再利用需要记录以及规矩。但是，没为题，你可以做到的。
2. 多方共同研究数据项目。这是当然是指数据科学家，但同样包括分析人员和商业人士。数据科学（以及影响商业的见解）并非发生在真空中。正如商界人士不太知道如何利用硬核数据，研究硬核数据的科学家同样不会接触业务，所以合作是关键。
3. 能有方式进行大规模生产。还是之前提到的，数据科学不会发生在真空中。数据团队要能够将他们的研究推进到世界中去，而不是闭门造车，无实际用途。能够快速且无缝做到这一点的公司，必定能将数据背后的价值大规模推广开来。

毫无疑问，海量数据仍会喷薄而出，而那些意识到数据背后价值的一方终会站到食物链的顶端。