400 050 6600
数据分析师

手机号

验证码

30天自动登录
当前位置:首页 - Q&A问答

Q&AQ&A问答

数据分析师怎样解决数据框给企业带来的困扰?

来源:CPDA数据分析师网 / 作者:数据君 / 时间:2020-06-02

了解您的内部数据基础架构

AIML等流行技术的早期采用者很容易成为炒作的受害者,兑现新创新承诺的根本步骤是了解您的内部数据基础架构并将其与业务需求保持一致,尽管市场在数据访问和分析结果方面支持更大的灵活性,但要利用AIML则需要了解数据,其驻留位置,需要哪些相关数据以及终存在哪些初始业务问题,否则就不可能知道所需的工具或从哪里开始从部署中获得价值的工具,而且如果没有适当的业务案例,如何将数据分析的价值传达给关键的组织决策者?首先您需要详细了解当前的基础结构,只有这样您才能提出解决方案提供商的正确问题,并确保他们支持当前和将来的要求,这些问题可能包括针对不同数据源的API支持,针对算法开发的行业专业知识以及对数据延迟的支持。

 

了解成功所需的资源

AIML常用于构建预测模型,组织可将其用于为从识别异常情况和确定概率到为消费产品和服务提出个性化建议的所有事物创建规则-这是极限,但是创建这些模型需要大量的资源(人员,时间,硬件等)投资,组织应确保它们具有开发可以随时间推移而建立的相关方案所需的数据多样性和数据量,尽管大多数企业正确地认为他们有足够的数据来进行复杂的分析,但肯定需要提前与解决方案提供商进行讨论。其次,不要低估人员。您需要合适的相关人员,他们既了解AIML的技术要求,又了解其业务要求。没有适当的人力,该技术将永远无法被利用,就可以衡量的一组结果(即初始预定义指标)达成一致,以确保AIML项目步入正轨。

 

建立切合实际的目标

如上所述至关重要的是,企业必须为AIML实施制定基准和目标,这需要了解所需的业务成果,例如销售目标以及AI/ML计划将如何支持公司的使命和愿景,组织通常会专注于技术,以确保一切正常(算法等),但忽略了所需的业务成果,并且错过了从分析中获取价值的整个过程,而且不要害怕获得帮助-外部专家可以协助客观地确定组织的需求,以正确实施AI / ML战略并设定切合实际的目标。

 

实施MLAI等新技术并不是简单地扩展当前策略或基础架构的问题,为了获得成功企业必须全面了解其数据框架,通过采取这些关键步骤,您可以使组织定位为不仅实现这些技术,而且程度地提高这些技术的商业价值。

 

Prev article

如何使公司的数据具有可行性

Next article

数据分析算法偏差会带来怎样的危险?

数据分析师

报名咨询

数据分析师

报名缴费

数据分析师

客服中心

数据分析师

课程服务

数据分析师

认证服务