大資料項目目遭遇失敗的八個理由

大資料目前已經成為萬眾矚目的焦點，已經有眾多企業在拼命把自己的資料投付使用、希望借此為重要決策提供支援。 儘管大資料宣傳與炒作可謂如火如荼，但仍有 92%的企業始終保持中立態度，即計畫在「合適的時間」著手實施或者表示不打算接觸大資料項目目。 而在那些已經親身實踐大資料項目目的企業中，多數遭遇失敗、而且往往是掉進了同樣的幾個陷阱當中。

取得大資料項目目成功的關鍵在於構建一套反覆運算型方案，鼓勵現有員工參與並使用，從而在一系列無關緊要的失敗中學習知識並積累經驗。

從眾心理

大資料絕對是項轉折性的偉大技術成果。 根據Gartner公司的調查，2013年中64%的受訪企業表示已經購買或者正計畫在大資料系統領域進行投資，這一比例高於2012年調查中的58%。 越來越多的企業開始深入探索自己的資料，嘗試利用蘊藏在其中的資訊最大程度減少客戶流失、分析財務風險並改善客戶體驗。

在這64%認同大資料思路的受訪者中，又有30%已經在大資料技術方面投入資金、19%計畫在未來一年中進行投資、另外15%則計畫在未來兩年內進行投資。 不過在Gartner的全部720位調查物件中，只有不到8%已經實際部署了大資料技術方案。

這樣的結果實在很糟糕，不過造成專案失敗的理由明顯更加糟糕：大多數企業根本不知道自己在邁入大資料領域後應該做些什麼。

難怪現在有那麼多企業開出可觀的薪酬數位來招徠並雇用資料科學家，目前其平均收入已經達到每年12萬3千美元。

八種導致失敗的理由

由於眾多企業在探索自有資料的過程中完全是在胡打誤撞，因此在意識到這一點後、他們決定向能帶來更具可預測性方案的專業人士求援(包括認為資料科學家能夠奇跡般地隨手化解他們面臨的現實難題，甚至還有不少更誇張的預期)。 Gartnerwngr Svetlana Sicular為我們匯總出八種導致大資料項目目失敗的常見原因，它們分別是：

·管理層阻力。 儘管資料當中包含大量重要資訊，但Fortune Knowledge公司發現有62%的企業領導者仍然傾向于相信自己的直覺，更有61%的受訪者認為領導者的實際洞察力在決策過程中擁有高於資料分析結論的優先參考價值。

·選擇錯誤的使用方法。 企業往往會犯下兩種錯誤，要麼構建起一套過分激進、自己根本無法駕馭的大資料項目目，要麼嘗試利用傳統資料技術處理大資料問題。 無論是哪種情況，都很有可能導致專案陷入困境。

·提出錯誤的問題。 資料科學非常複雜，其中包含專業知識門類(需要深入瞭解銀行、零售或者其它行業的實際業務狀況);數學與統計學經驗以及程式設計技能等等。 很多企業所雇用的資料科學家只瞭解數學與程式設計方面的知識，卻欠缺最重要的技能組成部分：對相關行業的瞭解。 Sicular的觀點很對，她表示大家最好能從企業內部出發尋找資料科學家，因為「學習Hadoop比學習相關行業的知識更簡單」。

·缺乏必要的技能組合。 這項理由與「提出錯誤的問題」緊密相關。 很多大資料項目目之所以陷入困境甚至最終失敗，正是因為不具備必要的相關技能。 通常負責此類專案的都是IT技術人員——而他們往往無法向資料提出足以指導決策的正確問題。

·在大資料技術之外遇到了其它意外狀況。 資料分析僅僅是大資料項目目當中的組成部分之一，訪問並處理資料的能力同樣重要。 除此之外，常常被忽略的因素還有網路傳輸能力限制與人員培訓等等。

· 與企業戰略存在衝突。 要讓大資料項目目獲得成功，大家必須擺脫將其作為單一「專案」的思路、真正把它當成企業使用資料的核心方式。 問題在於，其它部門的價值或者戰略目標有可能在優先順序方面高於大資料，這種衝突往往會令我們有力無處使。

·大資料孤島。 大資料供應商總愛談論「資料湖」或者「資料中樞」，但事實上很多企業建立起來的只能算是「資料水坑兒」，各個水坑兒之間存在著明顯的邊界——例如市場行銷資料水坑兒與製造資料水坑兒等等。 需要強調的是，只有儘量緩和不同部門之間的隔閡並將各方的資料流程匯總起來，大資料才能真正發揮自身價值。

·回避問題。 有時候我們可以肯定或者懷疑資料會迫使自身做出一些原本希望儘量避免的運營舉措，例如製藥行業之所以如此排斥情感分析機制、是因為他們不希望將不良副作用報告給美國食品藥品管理局並承擔隨之而來的法律責任。

在這份理由清單中，大家可能已經發現了一個共同的主題：無論我們如何高度關注資料本身，都會有人為因素介入進來。 即使我們努力希望獲取對資料的全面控制權，大資料處理流程最終還是由人來打理的，其中包括眾多初始決策——例如選擇哪些資料進行收集與分析、向分析結論提出哪些問題等等。

通過反覆運算實現創新

由於很多企業似乎根本無力建立起自己的大資料項目目，再加上大多數大資料項目目往往最終遭遇失敗，因此將反覆運算機制引入大資料是非常必要的。 這不會迫使企業向諮詢企業或者供應商支付大量費用，大家最好能構建起由內部員工參與的免費資料實驗方案。

鑒於幾乎所有主要大資料技術都屬於開源成果，因此建立起一套「初始規模較小、能夠快速發現問題」的方案其實完全可行。 更重要的是，很多平臺都能像雲服務那樣立即起效且成本低廉，從而進一步降低了進行專案實驗與發現錯誤的資金投入。

大資料的關注重點在於提出正確的問題，這也是讓企業內部員工參與專案如此重要的理由。 但即使擁有卓越的相關行業知識，如果根本無法開始提出問題的流程、企業仍然無法收集到正確的資料。 這類問題也應該被納入預期並作好相應準備。

解決問題的關鍵在於使用靈活而開放的資料基礎設施，保證其允許企業員工不斷調整實際方案、直到他們的努力獲得理想的回饋。 通過這種方式，企業能夠消除恐懼並最終以反覆運算為武器順利邁向大資料有效使用的勝利彼岸。