大数据势在必行：推动大行动

00:00– 01:15 介绍。我最喜欢的数据来自肯尼亚农民Zack Matere。

01:15 – 04:05 第1部分。当前存在缺陷的数据组织结构，其挑战以及新的最佳组织结构，以真正为大数据带来大动作。

04:05 – 06:20 第2部分。受Donald Rumsfeld启发，一个框架，供大数据供应商在创建解决方案时考虑，以及大数据分析师应实际参与的独特空间（仅适用于"unknown unknowns!").

06:20– 10:25 第3A部分。我的第一个战术示例：如何 神奇地自动 解决了拥有数百万行数据的问题，并且不知道如何找到可能对业务产生巨大影响的15个有价值的行。借力 有趣！

10:25– 15:00 第3B部分。我的第二个战略示例：利用杠杆 预测，挖掘，关联 从数据采集转移到更多 神奇地自动, 在数据中找到真正未知的趋势 和 确定那些趋势的因果关系，以便我们能够以轻快的速度从数据转移到行动。

将您的决策预算的15％分配给一个真正非常聪明的人（忍者！好吧，数据科学家），让该人可以自由地在云中进行实验，为您的公司提供大数据。

很便宜你可以做 脏数据仓库 真是太快了。您可以找到所有丑陋的疣和问题。开始学习时，您可以变得更加聪明 主流 大数据 into your company, while preserving the data awesomeness that already exists in your company.

至少在最初阶段，将大数据工作安排为 失败时更快地失败。唐'在32个月内构建了最大，最糟糕的大数据环境，却意识到这是您最大，最糟糕的错误。

我可以'别想我们生活中的其他任何时刻，我们可以无休止地在数据的海洋中畅游，而无所作为。大数据就是那个世界。如果你不这样做'不知道你要去哪里，你会到达那里，你'会很痛苦的（如果您的公司还没有解雇您，在这种情况下，您'会很悲惨和悲伤）。

I've提倡利用诸如 数字营销& Measurement Model在网络环境中，以确保我们进行的分析深入而有力地基于'对业务很重要。即使您的高级管理层粗略地定义了该页面，您也必须拥有该页面。有些东西。

如果您的管理层拒绝或没有足够的远见卓识为您提供甚至是基本的出发点，那么请自己建立一个。它所要做的只是一点业务分析。这里's my post: 找到分析目的的五个步骤.

当您访问所有这些数据时，发现的答案将是令人惊讶的，您提供的见解将是出色的，并且您对业务的影响将是巨大的。但这只有在有一个模型可以定义您的大数据冒险目标时才能发生。

您每100美元可用于做出明智决策的投资，10美元可用于工具和供应商服务的投资，以及90美元可用于大智慧的投资（又名“人”，又名“分析忍者”，也就是您！）。

我承认Oracle和IBM以及SAS和固态驱动器非常昂贵。投资大脑的九倍似乎太过惊人了。也许是。让10/90规则成为简单地对人员进行过度投资（过度投资）的灵感，因为没有这种投资，大数据绝对绝对会给您的公司带来巨大的失望。

计算机和人工智能根本还不存在。因此，您的BFF是自然智慧。 :)

实时数据几乎是不可思议的，因为即使是最小的决策，您也可以 '我们将必须先做大量分析（5小时），然后将其呈现给您的上级（1小时），后者将添加两个项目符号并将其发送给一组人员（20小时），他们将依次辩论优先级以及错误的数据量（16天），但最终达成协议，因为做出决定的截止日期是7天前（20秒），然后将数据发送到 大老板 who'我将只阅读执行摘要的第一部分（三天），并确定数据正在告诉她与她一直知道的作品相反的东西，而她'会根据自己的直觉（5秒）做出决定，并会采取一些行动（14天）。

总计这些数字。实时数据具有任何实际价值吗？

好的，那是最重要的。但是每个公司都有复杂的决策结构，这很耗时，因此无法实时做出反应。如果你可以的话'不能实时做出反应，为什么需要实时数据？

了解何时是您组织中数据的正确时间。拍摄与数据传递相匹配的系统和流程（更好， 见解 ）到该时间范围。您'会减轻压力。您'将重点放在重要的重要战略事务上（实时数据确实擅长促使最好的公司做战术上愚蠢的事情）。你呢'会节省很多钱，因为实时的一切真的很昂贵！

这里'一种检查您是否真的需要实时数据的方法：从数据接收到采取行动，是否必须涉及人员？如果答案是肯定的，那你就不要'不需要实时数据，就需要正确的时间数据。如果答案是否定的（例如，您拥有由情报/规则驱动的自动化系统），则您需要实时数据。

那是我自2006年6月以来的职位的标题。've come. :)

我的帖子的核心意图是，网络上的数据永远不会达到95％的整洁度，并且会有很大的漏洞，并且在某些区域是稀疏的。我们的目标应该是尽可能人性化地收集，处理和存储数据，但是此后，我们应该继续使用这些数据，因为与神相比，我们将拥有更多有关网络的数据'祝福其他任何渠道。让'不会成为那种继续浪费时间去追求质量，而不是不断减少回报的人。让'不会成为持久的javascript黑客和sprop变量调整者，而现在却要从数据中传递价值。

在大数据方面，所有这些乘以一百万倍。我们将有 脏数据 。我们将不知道该如何处理视频或语音文字或（omg！）社交媒体超载。我们将缺少主键。我们将缺少干净的元数据（有时甚至是任何元数据！）。我们将意识到情感分析的底线。我们将为痛苦的业务流程修正而痛苦，这些修正通常会产生良好的数据。

然而，我们正站在一座黄金山上。

在收集，处理和存储尽可能干净的数据方面，请尽力而为。知道何时转移到数据分析。开始做决定。首先制造小东西。 （请记住，即使它们将是革命性的，因为这些数据集永远不会融合在一起！）随着时间的推移，请制作更大的数据集，因为您了解所处理内容的局限性。

这里'death一息：大数据实施项目中，分析师的第一次接触将在该项目最初构思后的18个月内到来。您会发现，在18个月内，世界将会发生如此巨大的变化，以至于您没有发现任何可能的变化'ed for不再相关。

聪明点。快速移动。随着时间的流逝，慢慢变得像上帝一样。

这可能会引起一些争议。但是和我在一起。

迄今为止，在历史数据分析中，我们查询的目的一直是试图在数据中的所有噪声中找到信号。效果很好。我们有干净的业务问题。数据量较小，数据集更完整，我们经常知道我们在寻找什么。已知已知和未知未知。 （请参见上面的视频。）

对于大数据，了解要忽略的内容变得更加重要。您必须知道如何在完全不同的巨大数据集中分离出所有噪声，甚至有很大的机会开始寻找信号。

这是惊人的，但却是事实。如果您不知道要忽略什么，那么您'我们将永远没有机会关注您应该注意的内容。

您的业​​务精明。您的直觉分析能力。调整算法以首先忽略，然后寻找见解。那将产生重大影响。