通过采取一些实际步骤，组织可以利用复杂，不断变化的事物世界
云事物分析具有简单，强大的吸引力。它提供了更快地了解您的业务的机会。对于从零售到制造的行业，这意味着更好的运营可见性，更快速的客户服务，对问题的更自动化反应以及改进的预防性维护。更不用说通过基于新见解或事件触发的行动推出创新服务来增加收入的潜力。
但是，将分析转移到云中并构建有意义的框架存在挑战。在分析方面，每家公司都有不同的技能，能力，经验和需求。有些人非常熟练，并希望实施他们的深度学习模型，而其他人仍在引入更多的上下文数据源。以下是一些技巧，可以帮助公司在任何阶段进入下一个分析级别。
1.建立第一帧
对于一个作家而言，没有什么比一张白纸，一个画家而不是一个空白的画布，或者一个数据科学家而不是一个空管道更令人生畏。您可以在脑海中看到您正在寻找的洞察类型，但是转换数据，构建和测试模型，创建可视化，然后将输出转换为行动的任务会导致分析阻塞。我建议公司刚开始。在相对易于管理和熟悉的数据集上构建基本数据框，处理一些基本数据框，如计数和基线，并创建一些简单的视图。然后开始分层新数据，添加更复杂的分析，并构建新的可视化。这些将是初始解决方案的基础。目的是使其简单，灵活且易于理解。随着流程开始揭示项目的方向，它建立了信心。
我把这种方法称为敏捷分析。现在的数据科学家和分析管理人员应采用敏捷方法，而不是构建一个旨在回答特定问题的单一复杂模型。这需要从敏捷软件运动中获取一页，在sprint中构建特定功能并对模型进行分层，而不是精心规划传统瀑布计划中的每个步骤。原因在于，如果构建，测试和部署分析管道需要两年时间，那么它使用的数据源以及它回答的问题在进入生产时就无关紧要了。
敏捷分析构建了相当于分析MVP（最小可行产品）的能力，以开始将洞察力传递给运营团队。数据源和上下文将变得更丰富，回归更准确，可视化更容易解释，但基线数据框架将在那里。这有助于在内部建立共识，增加对业务线的支持，并获得更快的价值实现时间。所以，开始吧。
2.避免点解决方案的诱惑
构建或购买，本地或云，点解决方案或平台 - 这些只是当今软件购买者的三个关键问题。当涉及到分析（并且授予我可能在这里有点偏见）时，最后一个是直截了当的。分析中的许多精彩点解决方案通过具有海报价值的图解决了特定问题。对于一些公司来说，这些是理想的 - 众所周知的圆形分析挂钩。但对于其他人来说，寻找他们尚未想到的问题的答案，他们太有限了。大多数组织发展得如此之快，以至于他们不知道明天的问题。他们需要一个灵活的分析平台，可以像他们一样适应和发展。这里面临的挑战是，平台仍然需要一些内部功能才能使其有用，而点解决方案可以解决问题。这就是我推荐开始小方法的原因。马拉松运动员将告诉你，“沙发到5K”是最难的部分，但这是大多数跑步者停止的地方，假设其余的同样具有挑战性。不是。事实上，它更容易，也更有价值。当您进入云计算分析项目时，请具备马拉松思维，并且不要被点解决方案的快捷方式所吸引。这通常是死路一条。
3.以你拥有的为基础
使您拥有更智能的系统。不要只是添加一个智能的新系统。无论是CRM系统还是事件管理解决方案，组织都会对当前系统进行大量投资。而不是为这些运营商构建新的仪表板，或者为他们提供新的任务队列来管理，而是使他们当前的系统更加智能和及时。例如，让代理商在联络中心处理客户支持。他们使用支持票据监视队列，尝试管理响应时间。也许他们有几个不同渠道的队列，如电话，文本和社交媒体，或不同的产品线。在努力改善关键客户的响应时间时，最好不要引入新的VIP队列来观察，而是将有关哪些客户的数据首先集成到当前的支持软件中。这避免了再培训，过渡项目和开销。相反，代理可以获得有关哪些客户确定优先级的更好数据，并且分析将保留在后台。然后，之后，分析框架可以根据代理知道答案的可能性或代理与客户相处的程度，开始将代理与故障单匹配，或最终通过自动化自我护理完全消除对交互的需要。每次迭代都改善了对客户的服务，提高了联络中心的效率，避免了叉车更换熟悉的系统。
通过采用这些实际步骤 - 从小规模开始，保持灵活性并改进当前系统 - 组织可以利用复杂，不断变化的事物世界。
閱讀更多 Imagine建平 的文章
