本文作者仅代表个人观点。狗万官方
这是大家唯一可以讨论的话题大数据今天不是“如何?”而是“多少?”从本质上讲，这些数据超出了所有人的预期。预计到2025年，我们每天将创造463泽字节的数据。有了这些大量的数据，人们就会期待大量的见解。但情况并非总是如此，因为几乎一半的收集数据是非结构化的，经常被曲解，错误记录，甚至是间接的。
虽然这可能是一个宝贵的见解来源和智能企业和营销战略的基础，但在我们到达那里之前还有很多工作要做!这就是分析的关键所在。但是，企业在使用分析进行成功的战略制定时必须寻找陷阱。
在全球范围内,数据集成而整理一直是具有挑战性的运动。原因集中在两个方面——缺乏技能和工具来集成从市场上访问数据的复杂而多样的接口。这意味着大多数进行大规模数据整理的组织需要更多的技术支持和技能来分析这些数据。
我们经常忽略数据收集和洞察提取之间的这一关键步骤。研究清楚地表明，虽然大量收集数据，但由于各种原因，从验证和验证到使用过时、不一致和不相关的数据，超过一半的数据无法使用。这是获得最佳见解的第三个挑战。分析功能的成功率取决于这三点——对良好和干净的数据的基本需求，与数据整理工具的良好集成以及在目标市场背景下识别和识别模式的技能。
当企业能够平衡这三个因素时，它就可以通过使用其分析工具进行描述性、预测性和规范性分析，从而获得深刻的结果。
分析的作用
这就引出了一个问题:是一个良好的分析粉底这么简单?这个三脚架能支撑起广泛而密集的商业战略吗?就这些了吗，还是还缺什么?
在世界流行后在美国，所有的动态似乎都发生了变化。客户行为不可预测，业务决策也是如此。一些企业受到了不可挽回的影响，而另一些企业则在压力下起飞。一切都不像两年前那样了。隐私参数正在改变，cookie已经过时，人们正在使用更新的数据整理方式。一些公司取得了成功;有些则不然。
整个范式是不稳定的，处于突破的边缘，破坏了我们一直知道的数据洞察和整理过程。太多的东西总是处于不断变化的状态。在这种情况下，稳定、传统的数据分析过程和方法无法取得明确的成功。
最大的担忧之一数据分析就是安全风险。随着分析越来越多地由人工智能驱动，对偏见的恐惧越来越大。随着对数据隐私的担忧和法规的不断增加，访问大量干净数据变得越来越具有挑战性。所以现在，有足够的数据，但没有足够的干净数据。集成可能会带来安全风险，因此分析工具必须安全地加入。所有这些都是为了那些仍然需要更高安全性和清晰度的数据。即使ML和AI在数据处理中发挥着越来越大的作用，法规和合规性也变得越来越严格。
最后，从消费者的角度来看，购买力差距、购买行为和偏好发生了巨大的变化，但并非在底线的尽头。所有这些不确定性使得衡量或维持成功变得越来越具有挑战性。随着第三方cookie的消亡，这种情况将变得更具挑战性。
接下来是什么
大流行后的世界将不同于四年前任何人的预测。然而，数据需要成为所有策略的支柱。尽管人工智能存在偏见，但如果要让数据有意义的话，它正迅速成为分析的重要组成部分。
专家们还建议，未来的方法可能是整理足够多的数据来生成预测洞察，而不是庞大的字节数据集。这一切都是为了更深入而不是更广泛。
工作更聪明没有饼干在美国，许多品牌选择第一方数据，这不仅为他们提供了客户数据，还有助于建立非常特殊的关系。这必须是前进的方向，因为历史数据不再有用，它们的见解也不再站得住脚。这两年的大流行摧毁了计划战略的所有大厦和旧数据提供的见解基础。
现在我们需要从头开始。在新世界里分析将需要透明;所有数据都将接受审查，并必须使用安全可靠的工具进行整理。这种方法与大流行前的方法没有根本不同，但现在它将具有更高的可靠性和可能更好的准确性的附加价值。需要进行的一个根本性改变是允许跨团队共享数据及其分析。这将确保整个组织利用所有的见解，并推动数据驱动决策的凝聚力，成为实现业务目标的更好工具。公司还需要使他们的分析方法更加灵活，以适应市场动态的变化，只要它仍然存在，分析工具的价值就不会消失。公司的领导层在这个开放数据分析的勇敢新世界中扮演着非常关键的角色——如果利益相关者理解这种转变的价值，鼓励新的分析线并推动新的见解，它将带来更好的结果。
只要整理的数据与当前市场偏好相关，其分析也将与当前市场动态相关。那时，企业将利用分析的力量来理解和利用深入的领域洞察，从而推动一种新型的市场战略——相关的、有用的和成功的。
