我們經(jīng)常聽到高級(jí)分析的成功案例。人們對人工智能的期望很高——據(jù)預(yù)測人工智能和人工智能的年經(jīng)濟(jì)價(jià)值將在9.5萬億到15.4萬億美元之間——因此，只要有可能，許多人都想把目光聚焦在數(shù)據(jù)分析技術(shù)的發(fā)展上。

然而，實(shí)踐者們都非常清楚，高級(jí)分析并不都是成功的。對于每一個(gè)令人印象深刻的案例研究或令人興奮的頭條新聞，都有幾十個(gè)項(xiàng)目未能發(fā)揮其潛力。高級(jí)分析項(xiàng)目的探索性、反直覺性和技術(shù)性通常是每個(gè)項(xiàng)目面臨挑戰(zhàn)的原因。這些失敗的背后還有什么原因呢?

在過去的幾個(gè)月里，我們回顧了自己的經(jīng)驗(yàn)，并與多個(gè)行業(yè)的高級(jí)分析領(lǐng)導(dǎo)者和實(shí)踐者討論了分析項(xiàng)目失敗的原因。以下五種跨領(lǐng)域的障礙與行業(yè)無關(guān)，它們是項(xiàng)目需要克服的共同主題，以便充分發(fā)揮潛力。

1. 問題定義不明確的挑戰(zhàn)

糟糕的問題定義是分析團(tuán)隊(duì)面臨的重大挑戰(zhàn)。將一個(gè)組織面臨的廣泛挑戰(zhàn)分解為可解決的部分通常是非常困難的，而評估哪些部分在解決后將產(chǎn)生最大的影響則更加困難。

那么，當(dāng)分析項(xiàng)目專注于錯(cuò)誤的問題——或者至少是正確問題的錯(cuò)誤方面時(shí)，它們的后果是什么?當(dāng)這個(gè)問題出現(xiàn)時(shí)，項(xiàng)目最終會(huì)：

• 沒有解決明確的業(yè)務(wù)需求
• 與整體業(yè)務(wù)戰(zhàn)略不一致
• 缺乏實(shí)現(xiàn)投資回報(bào)的明確途徑
• 與企業(yè)成功的真正驅(qū)動(dòng)力脫節(jié)
• 專注于有趣的事情，而不是產(chǎn)生最大影響的事情

2. 數(shù)據(jù)質(zhì)量低、不一致或缺失的挑戰(zhàn)

任何模型的強(qiáng)大程度都取決于它所依賴的數(shù)據(jù)。然而，獲取正確的數(shù)據(jù)而且足夠多可能會(huì)很困難。在以上情況下可能會(huì)發(fā)生：

• 所需數(shù)據(jù)不存在
• 數(shù)據(jù)質(zhì)量不足以繼續(xù)進(jìn)行項(xiàng)目
• 項(xiàng)目團(tuán)隊(duì)無權(quán)訪問必要的數(shù)據(jù)
• 數(shù)據(jù)訪問成本太高
• 數(shù)據(jù)工程太昂貴或太耗時(shí)而無法使數(shù)據(jù)可用

3. 執(zhí)行中技術(shù)方法與問題不一致的挑戰(zhàn)

不幸的是，確定正確的業(yè)務(wù)問題供分析解決并擁有解決問題所需的數(shù)據(jù)不足以構(gòu)建交付業(yè)務(wù)成果的模型。即使前兩個(gè)步驟正確，團(tuán)隊(duì)也可能由于以下原因無法完成工作模型：

• 在整個(gè)過程中缺乏適當(dāng)?shù)募夹g(shù)人才或領(lǐng)域?qū)＜?/li>
• 過度規(guī)劃項(xiàng)目并試圖一次實(shí)現(xiàn)太多目標(biāo)
• 在開發(fā)解決方案時(shí)使用了錯(cuò)誤的技術(shù)、算法或方法
• 沒有建立足夠準(zhǔn)確的模型來進(jìn)行預(yù)測
• 可用資源不足，無法達(dá)到產(chǎn)生影響所需的質(zhì)量或范圍
• 該項(xiàng)目的交付時(shí)間比預(yù)期的要長，并且沒有足夠的預(yù)算來完成模型

4.未能考慮到人為因素的挑戰(zhàn)

即使交付了一個(gè)工作模型，如果目標(biāo)用戶不采用它，或者沒有集成到現(xiàn)有的技術(shù)或業(yè)務(wù)流程中，它仍然可能會(huì)失敗。雖然技術(shù)集成會(huì)帶來問題，但用戶采用是分析項(xiàng)目失敗的更大原因。最好的數(shù)據(jù)科學(xué)和結(jié)構(gòu)最完善的模型如果不容易使用和部署以增強(qiáng)人類決策，那么它們將產(chǎn)生很小的影響。在以下情況下會(huì)出現(xiàn)采用和可用性失?。?/p>

• 目標(biāo)用戶沒有參與或積極拒絕采取干預(yù)措施
• 操作程序和激勵(lì)措施不鼓勵(lì)用戶將模型納入他們的持續(xù)行為中
• 模型的交互或界面太難使用
• 該解決方案不容易集成到現(xiàn)有技術(shù)堆棧、當(dāng)前基礎(chǔ)架構(gòu)或組織缺乏必要的數(shù)據(jù)倉庫、云處理和存儲(chǔ)等能力

5. “一次性”陷阱的挑戰(zhàn)

雖然一種模式在最初被采用時(shí)可能會(huì)蓬勃發(fā)展，但如果長期被拋棄，可能是由于缺乏內(nèi)部支持，或者是由于在建立它的組織發(fā)生重大變化后沒有適應(yīng)。

• 未能調(diào)整模型以適應(yīng)組織需求、業(yè)務(wù)戰(zhàn)略或目標(biāo)的變化
• 由于環(huán)境、模式或行為的變化，模型性能隨時(shí)間惡化
• 沒有足夠的技術(shù)支持來調(diào)整數(shù)據(jù)管道中的問題、源系統(tǒng)或 API 的更改等。
• 缺乏長期采用，最終用戶回滾到舊的工作方式，創(chuàng)建新的解決方法或使用次優(yōu)系統(tǒng)

雖然不同的組織處于其數(shù)據(jù)分析過程的不同階段，但我們已經(jīng)看到整個(gè)高級(jí)分析行業(yè)的整體成熟度不斷提高。技術(shù)人才、適當(dāng)數(shù)據(jù)的可訪問性和模型概念背后的思想通常最初是合理的，因此導(dǎo)致問題、數(shù)據(jù)和執(zhí)行失敗模式的因素通常比兩年前更普遍。上面強(qiáng)調(diào)的問題四和問題五代表了許多高級(jí)分析項(xiàng)目的最新瓶頸，很大程度上取決于用戶的采用。僅靠數(shù)據(jù)科學(xué)無法解決這個(gè)問題。根據(jù)經(jīng)驗(yàn)，以人為本的設(shè)計(jì)，超越界面和數(shù)據(jù)可視化，在消除這一瓶頸和確保分析項(xiàng)目發(fā)揮其全部影響方面發(fā)揮著不可或缺的作用。

從項(xiàng)目一開始就集成設(shè)計(jì)，早在問題定義階段，就可以更早地開始變更管理過程，并在許多導(dǎo)致失敗的問題之前進(jìn)行處理?？紤]未滿足的需求，并盡早發(fā)現(xiàn)潛在的用戶問題。正如一位經(jīng)驗(yàn)豐富的分析高管所說，“分析的50%影響在于你的模式有多好，另外50%則是用戶接受度。兩者缺一不可，不會(huì)給你帶來任何有價(jià)值的東西?！?/p>