详解成熟度模型：阻碍数据科学团队发展的“罪魁祸首”
发布时间：2021-06-05 09:57:38 所属栏目：大数据 来源：互联网
导读：分析成熟度模型令人无法抗拒 人们太偏爱这种模型了，主要原因有以下几个： (1) 它的比喻是吸引人且能引发共鸣的。这就像是一个孩子在成长。首先学着爬，其次是走，最后是跑。与会者很容易理解这种比喻，并表示赞同。 (2) 其格式与新闻记者使用的经典5W1H技巧
|
分析成熟度模型令人无法抗拒…
人们太偏爱这种模型了，主要原因有以下几个：
(1) 它的比喻是吸引人且能引发共鸣的。“这就像是一个孩子在成长。首先学着爬，其次是走，最后是跑。”与会者很容易理解这种比喻，并表示赞同。
(2) 其格式与新闻记者使用的经典5W1H技巧十分接近，能够立即吸引人们的注意。
从据理力争的创业数据极客到身着细条纹套装的企业销售分析人员，任何人都可以传达典型的套话：“我们从‘发生了什么’开始，接着直观地转到‘为什么发生’，再到‘将要发生什么’，并以令人满意的‘我们如何实现这一目标’结束。”
(3) 它有助于公司发展。常见的介入式咨询模式始于在成熟度模型上对公司所处位置的评估。然后，公司用对应的级别来确定接下来要优先学习的能力。
因此，该模型不仅通过令人印象深刻的能力结构，且通过清晰的提升路线图，为公司提供了十分清晰的发展思路。
但该模型包含可能阻碍数据科学发展的错误假设
以这种方式表现模型，在视觉上引入了许多巧妙的假设。不幸的是，这些假设中有许多是错误的，并且可能严重阻碍数据科学团队的发展。
这就很讽刺了，该模型旨在帮助公司做出更好的数据驱动型决策，却导致了建立数据科学团队的错误决策。
分析成熟度模型：阻碍数据科学团队发展的“罪魁祸首”
图源：unsplash
成熟度模型被构造为一系列效益级别。然而，在我们做以下假设时，风险也随之而来：
从底部开始，按顺序前进到各个级别
每个更高级别都比之前的较低级别带来更多价值
管理这些能力的方式属于同一领域
这些假设无一正确
让我们来一次性解构这些假设：
在进阶到高级分析前，无需“完成”附加描述型分析。
首先，一家公司如何准确地“完整拥有”附加报道、商业智能和分析能力?数据是不断变化的世界的动态表示，只要世界不断变化(这当然是永远的，且速度会不断加快)，描述型分析就会有新的要求。
成熟的数据管理十分重要，出色的数据平台是数据科学的有力支持，且拥有所有所需数据并进行建模是一种难得的乐趣。拥有良好的数据仓库和数据湖，为随机森林的生长创造了一片肥沃土壤。
然而，数据仓库项目需要等待多年完成，在此期间还将数据科学团队部署到从事结构化查询语言(SQL)和归档责任的工作，这是得不偿失，甚至还会促使数据科学团队跳槽。
从根本上讲，除非正在构建产品功能，否则数据科学和数据分析的价值源泉仅来自于一个因素——就是决策。
如果数据科学家能通过数据来影响决策以达到更好效果，那么就可以创造价值。如果决策仍没有改变，那么就浪费了时间。无论安全高性能云托管可解释深度学习模型多么强大，都不会改变决策。整个团队极有可能存在数年，工资照领，却没有创造出任何价值。
分析成熟度模型：阻碍数据科学团队发展的“罪魁祸首”
在高级数据分析有所进展的机会渺茫的同时，无需在成熟度模型的较低级别上停留。数据科学家在少量但重要的业务决策上立即创造价值也是常见情况。
一个更好的策略在其简单程度方面几乎是可笑的：让数据科学家参与到可以接触到的最高层人员作出的最重要决策中。
坐在高层人员身边，了解他们的想法和决策过程。从他们已经想到的地方开始，继续推进思路。查看本地访问数据库、Excel电子表格程序。查找管理会计师，并运用你储备的各项技术来改善决策。
更高级别的数据分析是否能带来更多价值尚不确定
计算预测或规范模型的价值或“提升”有许多完善的方法，例如，可以利用统计技术来预测世界状况，你无需使用模型进行干预，一段时间后，再将其预测值与真值、创造价值进行比较。
例如，在启动数据科学项目以增加零售产品销售之前，可以预测在没有任何模型干预的情况下，下个月的收入可能是1万美元。执行定价和促销模型后，收入为1.2万美元，包括2000美元的模型营销增益。
 （编辑：揭阳站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
