这篇文章里，有三位来自不同公司的大数据运营人员各自共享了他们运用大数据的经历。这三位是来自维亚康姆(Viacom）的Luzzi、Globys公司的Olly Downs以及闻名商场顾问公司Dunnhumby的CEO Andy Hill。

诀窍一：方针要清晰

就算一个公司具有再多的数据，也不能代表它就一定会取得商业上的成功。只要实在懂得怎么使用大数据，了解到公司使用大数据能够到达什么方针，公司终究才有或许实在成功。在公司在开展进程中往往也会面对许多挑选，也只要方针设定清晰了，才干够缩小挑选规划聚集精力去开展。企业应时刻坚持头脑清醒，朝着自己定好的方针行进，才有助于公司进行持续持久的杰出运作。

不过，Luzzi也表明，有时候，使用太杂乱先进的数据剖析东西往往也会带来许多问题，不过假如咱们能够经过剖析许多的数据来得到终究的成果，那就不必置疑了，你就干吧，至少方向肯定是对的。

诀窍二：要区分清楚“森林”和“树”

现在，企业能够做到一些他们以往没有才干做到的事。关于许多公司来说，可供剖析的数据更多，能够用来剖析数据的东西和方法也比曾经更先进便利。公司现已彻底有才干去剖析和处理他们搜集到的许多数据，这关于企业来说或许是件功德，但是，有时候这些数据也会过于涣散。

Globys公司的Olly Down表明说，现在，许多公司都倾向于搜集精度较高的数据，因为取得的数据越精确，就越有利于剖析受众集体，也更有利于公司进行相关战略和产品的调整。不过，公司往往需求花费许多的时刻去处理许多的数据，成果却有或许不尽善尽美，所以，在进行数据剖析处理时，有时候没有必要执着于某一棵“树”长成什么姿态，而应该重视这片“森林”，要懂得舍小取大。

诀窍三：做好团队的和谐

在大数据的国际里，最有价值和作用的数据往往非常稀疏。要想找到实在有价值的数据，就好像难如登天相同困难。所以，为了找到这些有价值的数据，企业内部应齐心协力通力合作，要常常坚持有用的交流和协作。

例如，为了能更好地使用数据来剖析公司的实践运营状况，数据专家们应该了解公司决议计划者为公司拟定的战略方针。反过来也相同，公司决议计划者也应该知道，公司的数据团队得出的剖析成果，终究能给公司带来什么收益。

Luzzi 表明，以大数据作为东西，他能够树立模型来协助公司做出商业决议计划。因为公司决议计划者对公司全体运转状况及所在商业环境愈加了解，当决议计划者看到剖析成果时，肯定能看到一些他看不到的当地。但一起，决议计划者们也不会知道他是用什么方法得出这些数据和成果的。

Olly Downs也说，公司的数据团队和各部分以及管理层应坚持杰出的交流交流，这样公司才干杰出高效的运转，有用的和谐合作需求经过有用的交流交流来完成。有一个商业智能团队为猜测公司的客户流失率树立了一个模型，因为咱们短少有用的交流，操作团队以为这个模型“很风趣”，但是公司却以为这个模型没有任何含义。

“假如你的公司雇佣了一个数据研讨小组，他们声称自己树立了一个有用的模型，但是公司其他相关部分却以为这个模型没有用果，原因便在于二者之间缺少交流。”Downs表明。

诀窍四：用机器替代人工

机器学习指计算机模仿或完成人类的学习行为，以获取新的常识或技术，从而对本身功用进行改善。机器学习比较人工学习，速度更快，学习规划也更大，一个公司能经过机器学习较快地发现新的问题。

比方，为了研讨特定顾客的消费行为形式，企业能够研讨用什么样的方法对单个顾客进行研讨剖析，根据不同的顾客挑选不同的模型，从而对顾客行为进行追寻研讨。公司以为，在单个顾客身上所需的剖析时刻是10分钟，依照这个速度，公司共有260万顾客需求查询追寻，需求416000个剖析员，每天作业10小时，每天调查单个顾客8次，才干得出成果。明显，假如真经过人工剖析，那就需求花费太多的时刻和精力了。

所以，Downs以为，企业假如有许多的数据需求进行剖析处理，最好的方法便是让机器替代人工来做，机器学习的速度很快，能在短时刻内一起剖析许多的数据，这样一来，所需的剖析时刻就会大大缩短。与人工剖析比较，本钱也会大大下降。

诀窍五：要慎重对待数据

有时，企业是没有才干去获取数据的，也就没法用数据去处理问题。就算公司取得了一些数据，他们往往也不清楚这些数据终究能否处理他们的问题。

在这一点上，维亚康姆集团的Luzzi的主张是，一个数据是否有用，是否能协助公司处理问题，最好问询数据小组的定见。

Dunnhumby公司会对顾客数据进行计算和剖析，这样一来公司便能够了解到哪些数据是有用的，以及这些数据有多大价值。假如公司能搜集到有价值的数据，公司实践运营中遇到的相关问题就能得到有用处理。闻名商场顾问公司Dunnhumby的 CEO Andy Hill表明，企业不只应该了解搜集到的数据究竟能处理哪些问题，更应该知道，哪些问题还不能经过这些数据得到处理。假如还有一些问题处理不了，公司便需求持续搜集其他维度的数据来弥补。

有时候，重要的数据或许会被疏忽。比方，当Downs为他的前店主建立交通状况模型时，咱们普遍以为气候是猜测交通状况的最重要因素。后来研讨成果却显现，最影响那个区域交通状况的是当地校园的放学时刻。当学生们放学时，堵车状况尤为严峻。

Downs说，从一开端的假定来看，咱们并没有预见到会得出这样的定论，所以，应慎重认真对待数据，数据会实在客观地告知你想要的答案。有时，数据能告知你的会让你大吃一惊。

诀窍六：要防止得出过错的成果

因为人为主观因素和不相关数据的搅扰，有时候得出的定论往往是过错的。

“不要让不相干的数据影响到整个成果，有适当一部分的数据并不重要，这些不相关的‘树’往往并不能代表整个‘森林’。”Luzzi说，“假如使用了过错的数据，得出的定论往往也是错的。”

数据挑选上的过错会影响人们处理问题的进程，也会影响人们怎么看待这些数据和成果。过错的数据挑选或许影响到公司做出相关决议计划。

Dunnhumby 公司的CEO Andy Hill表明：“为了消除数据上的差错，你需求精确找到特定的方针人群，这些人的行为往往能够精确地答复你需求处理的问题。