循序漸進:準備大數據業務大衛啊提供他的實用技巧。灰鴿子官網

admin

循序漸進:準備大數據業務大衛啊提供他的實用技巧。灰鴿子官網
大數據。hype-fuelled主宰,一些cio可以忽視了。但跟風的不是易事。這里有一些實際可行的方法來確保你的組織準備充分利用洪水。
考慮一個考察團 灰鴿子使用教材。灰鴿子怎么用。
艾倫•格羅根倫敦先進的能力解決方案的合伙人說,讓第三方在大數據計劃可以是至關重要的”,因為這將幫助你在以后如果你需要他們的支持和支持項目”。
但他添加了一個警示。
“這就無法幫助你商業化的數據信息,然后業務知識,”他說。在這種情況下,你將不得不做一些個人學習和網絡搞得細節用戶情況下在你的行業和其他行業。
加速學習過程的一個方法是去尋找一些專家指導。一個選擇是進行“實地考察”,少數尖端分析基于組織的印度和/或美國。
在咨詢公司創始人斯里蘭卡Annaswamy哲人& Associates支持這種方法
“有許多選項,不同程度的有效性。你可以買一個標準的行業分析報告(Gartner,高頻等)或一份白皮書從標準咨詢公司(畢馬威、德勤等。)但無論是選擇將提供相關的“親歷親為”學習是在一個分析工廠的行程上”他說。
追求的另一種學習是獲得一個想法的在岸和離岸分析卓越中心將感覺,事實上這可能如何為自己的企業工作。沒有什么比看到一個離岸中心的行動,獲得某種意義上的人才。
您的業務的程度將考慮“合作與擁有”是一個關鍵問題。但肯定沒有立即回答。這絕對可以等您和您的團隊通過觀察學習,也在潛移默化中習得的。
通過外包學習
好吧,你想了解更多關于這一戰略主題——大數據。
但是你也知道,這個技能是供不應求的,沒有人想讓他們的想法或共享信息在這個階段。
對于我們的忠實擁護者,但是缺乏必要的深度體驗,那么最好的學習方法是考慮外包大數據的功能。從我自己的經驗,我用這種方法許多年前在另一個領域我建立一個亞太客戶聯系中心。
這聽起來可能反直觀,但它實際上是最快的學習方法的最佳實踐是什么樣子的。從這個位置你可以決定是否你想成長能力內部或繼續外包。
有一種說法,當外包過程是一團糟,那么你將會一片混亂。這是真的,但是你也可以從工作與偉大的合作伙伴。
選擇我的伴侶嗎?
對于我們這些已經存在幾個賽季有一些常識標準選擇合適的合作伙伴。本質上你想要購買高質量的數據分析師行業的人以前做過這種事,你率作為領導人的新類別。
格羅根已經縮小他的建議四個技巧:
你應該對你的專業領域和項目專用——理想情況下叫人只支持您的業務。這不僅僅是為了確保分析師獲得您的業務,但也保護任何知識產權。
小心供應商讓你只對你自己的任何新工藝開發。這可能聽起來很明顯,但是我聽說過公司有效簽署了他們的商業模式。
小心供應商使用非常漂亮的短語,有前途的最新技術和夸大了他們的能力。要注意,以咨詢公司和科技公司“洗”功能與其他更基本的功能,然后re-outsource困難的東西。
接觸任何潛在的供應商目前的大數據的客戶,詢問如何支持他們的需求和希望。
誰應該‘自己的’大數據? 灰鴿子使用教程。灰鴿子遠程控制軟件
作為首席信息官,甚至大數據應該你的責任嗎?
艾倫·格羅根說,解決這個問題的方法是忘記“所有權”和“領土”。大數據要想成功需要有一種強烈關注客戶和了解組織的文化將與這一轉變發展。
“大數據理想需要由首席執行官(本地、地區或全球)文化的托管人。
“在推動議程方面,擁有技術領域(首席技術官/ CDO / CIO)應該與每個業務領域和功能受益。隨著時間的推移,隨著大數據處理越來越嵌入到組織,不是想象的所有權將分離功能領導人(頭產品,銷售主管,財務主管)等。”
他建議任命聯合贊助商是最好的方法,在函數或地區基金項目。至關重要,這個戰略定位執行橫跨整個組織和報告的首席執行官。
自助服務理念
大數據自助服務從一開始的要求。這就是將驅動成功。這是一個漫長的過程,傳統的數據倉庫和數據集市的方法,它會出現在這個范式。
讓我們記住的最重要的大數據和分析一個組織的目的是使最終用戶能夠直接到數據源,直接進行分析和可視化的需要,不依賴IT-department-based BI和報告團隊準備報告。
這種方法不應該導致缺乏治理,而是它完全不同于它是如何接近過去。實際上,這意味著我們將不得不放棄控制。
一個概念證明是不夠的，灰鴿子破解版。
云的選擇降低了門檻從大數據。但同樣重要的是不要急于到任何沒有經過徹底的測試。
測試大數據的概念,通過概念顯然是推薦的路徑。
事實上Annaswamy建議企業不要只運行一個POC”但并行三到五POC,利用不同的潛在的戰略分析合作伙伴”。
他解釋說,這種“幫助加速大數據價值的證據和分析以有形的方式執行,以及揭示不同服務供應商的具體功能定義的時間和成本約束的方式”。
需要哪些改變組織?
可以認為大數據已經自然首席信息官和首席技術官的工作,所以為什么要雇一個首席數據官或首席分析官嗎?我記得的首席知識官的興衰和自來自企業的行列。
我的建議是:不要再讓這種事情發生,所以,包括CIO,不得不接受這一變化。
仍然是一個需要一個適當的框架——端到端數據管理驅動數據質量,并確保所有數據落在治理、風險和合規管理框架。最重要的事情是讓高管掌握大數據的重要性和分析每一個公司的業務的一部分。
業務差異分析
差距分析不是一個業務案例。相反,它的目的是說明真正的你的組織之間的差距和行業領袖(s),如何縮小這一差距。
Annaswamy認為審查的長度取決于分析項目的類型。對于一個簡單的交叉銷售隆起或磨損問題項目,那么它可以在12個月內。
但是如果這是一個完整的修改你的分析平臺,說一個企業數據倉庫的合并Hadoop-based系統非結構化數據可視化和更新的軟件,你可以看一出場的場景。
盲目的模仿者——我應該基準嗎?
對同行標桿管理是最棘手的方面,因為任何人這樣做也不會分享他們親密的細節。
最近我對CIO在新加坡工作的行業完全從我的基地在金融服務。盡管我盡了最大的努力我不能說服他透露大數據細節。
但一個提示是尋找客戶集中的組織,在這個領域取得了重大的投資,并任命首席數據或分析人員。
據悉,在澳大利亞Suncorp和CBA在這個領域最先進的,但小心沃爾瑪、美國國際集團(AIG)、亞馬遜、谷歌和支付Pal。
Reskilling我的團隊
我一直很好奇真正需要什么技能來管理外包大數據功能。最重要的部分是管理員工的多樣性——標準的IT開發人員,程序員和BI技術人員不會做!
你需要用強有力的統計模擬工程師經驗,行為科學家挑選的見解和操作人員來填補洞察特定的干預措施。
有一個假設當然供應商管理今天是給定的。大多數組織已經通過IT外包/ BPO循環好幾年了,他們有相當復雜的采購和供應商管理團隊。
從格羅根進一步強化這一觀點見解,關系和聽力都是關鍵。最大的挑戰是獲得外包能力站了起來。