改善項目管理實踐可以幫助大數據產生更大的企業影響。
到2022年，Statista預測大數據和分析收入將達到2743億美元。僅在醫療保健方面，預測顯示，如果該行業只能將其大數據與其他系統和業務流程整合，那麼該行業可以節省多達3000億美元。
雖然這些對企業投資和收益的預測很重要，但在有效管理大數據項目時，組織仍然落後。
“人們非常清楚，數據科學是創新的關鍵驅動力，但很少有組織知道如何將數據科學輸出始終如一地轉化為商業價值，” Domino數據實驗室首席執行官兼聯合創始人Nick Elprin說。
公司如何扭轉局面？請參閱以下四條建議。
1.將項目管理融入大數據工作中
大數據和分析項目的性質是迭代的。將始終有新的信息和數據類型，數據科學家準備在新信息可用時修改算法和查詢。但是，這並不意味著不應採用更多線性項目的管理實踐。
例如，在使用數據之前，需要對數據進行清理和準備。應該有一個第一步的方法來做到這一點，理想情況下，這項工作不應該由非常昂貴的數據科學家來完成。其次，一旦開發了使用大數據的算法和應用程序，就應該在部署之前對其進行測試和分階段。
實現這些目標的最佳方法是向數據科學團隊添加熟練的項目經理，或使用IT部門的項目管理技能和人員。
2.讓IT參與
如果您的數據科學團隊與IT分開，那麼是時候將這兩個學科融合在一起了。
最初，許多組織將他們的數據科學團隊作為獨立部門開始，以便試驗大數據和分析可以提供什麼。組織不知道他們正在開發的大數據，人工智能和機器學習應用程序必須與其他IT應用程序和系統集成才能獲得最大價值。
過去，有獨立的數據科學部門，IT部門的數據科學以及數據科學和IT的交互式項目團隊。現在是數據科學成為IT的一部分或與IT部門密切合作進行項目和部署的時候了。這是實現大數據和分析與整個公司的其他系統和應用程序的真正集成的唯一方法。
3.開發大數據維護和監控團隊
無論是網絡/硬件基礎架構，還是確保大數據在應用程序內部和獨立於應用程序中正確執行，一旦在生產中部署大數據和分析，就必須持續監視和維護該流程。例如，如果其他IT應用程序將大數據源作為嵌入式子例程調用，則IT需要確保調用正常，並返回正確的數據。如果應用程序中存在“中斷”，IT需要修復它。同樣，硬件和網絡帶寬以及服務質量必須保持在可接受的水平 - 這也是IT的工作。
4.使用敏捷開發
由於數據更改的算法修改是一個迭代和連續的過程，因此IT必須使其項目管理風格適應敏捷開發，而遠離傳統的瀑布式 IT項目管理。數據科學家已經理解了算法迭代修訂的概念，因為數據發生了變化。在這種情況下，項目經理，無論是來自IT還是數據科學團隊，都必須學習如何將傳統IT項目管理的一些線性流程（如數據準備，迴歸測試和應用程序維護）與敏捷修訂和插入相結合。數據算法隨著改變它們的需要而出現。
來源於 TechRepublic 大數據觀察通訊
閱讀更多 華源創世智能工廠 的文章
