大数据如果应用不当可能很容易失控，并可能消耗企业资源和预算。

　　在这里将介绍避免混乱的一些大数据的最佳实践。

　　1

　　大数据可以为用户提供卓越的洞察力，也有可能让企业不堪重负。

　　而企业根据其收集数据做出自己的选择。

　　企业面临的主要问题是大数据是由技术专业人员收集的技术解决方案，但最佳实践是其业务流程。

　　由于资源和输入设备得到爆炸式增长，人们收集到的数据比以往更多。

　　根据IBM公司的调查，大多数美国公司存储的数据量为100TB，而美国的政府部门和企业每年因数据损坏而造成损失高达3.1万亿美元。

　　然而，企业创建数据湖或数据仓库并将它们存满数据，其中大部分数据未被使用或曾被使用过。

　　企业的数据湖将快速积累成为存满数据的信息池。

　　最基本的问题是许多数据只得到了部分处理或完全偏离了基础。

　　数据收集不正确或收集手段没有正确定义。

　　2

　　企业的业务很明显与大数据有关。

　　这对于商业数据库中使用的常规的、日常的、小级别的数据来说是个小问题。

　　对于企业来说，需要大数据处理大量的信息。

　　因为其数据的规模巨大，获得收益或混淆的可能性也越大。

　　因此，“正确”变得更为重要。

　　那么在大数据中“正确”意味着什么呢?

　　事实是，“大数据的最佳实践”的概念正在演变，因为数据分析领域本身正在迅速发展。

　　不过，企业需要与可能的最佳策略进行竞争。

　　因此提出一些最佳实践，希望企业能够避免被大量无用数据淹没，不会淹没在数据湖中。　　、

　　3

　　(1)定义大数据业务目标

　　IT行业有一个坏习惯，就是像Hadoop集群这样的新鲜事物容易分散人们的注意力。

　　在企业开始利用大数据分析过程之前，了解业务需求和目标应该是企业采取的第一步，也是最重要的一步。企业用户必须明确他们想要的结果。

　　这是企业管理层必须率先实现，并且在技术方面必须遵循的地方。

　　如果企业的管理层没有明确的业务目标，那么将不能收集并正确创建数据。

　　很多组织收集了一切能够收集的数据，然后再去清除他们不需要的东西。

　　这会造成很多不必要的工作，因此企业应该清理出所需要的信息，而不是收集全部信息。

　　(2)企业确定自己拥有什么以及在大数据中需要什么

　　大量的数据并不等同于良好可用的数据。

　　企业可能会在某个地方将正确的数据混合在一起，但它会由企业自己决定。

　　收集的随机数据越多，越是经常杂乱无章，形式各异。

　　同样重要的是确定企业所拥有的是其所没有的东西。

　　一旦收集了项目所需的数据，就确定可能缺少什么，在这些工作开始之前一定要把一切都准备好。

　　企业并不总是能够事先知道需要什么数据字段，所以一定要确保软件的灵活性，以便在实施过程中调整。这与确定企业拥有什么以及在大数据中需要什么的理念相吻合。

　　其底线是企业必须测试数据并检查结果。

　　企业可能会惊讶地发现没有得到需要的答案。

　　在企业首先开展该项目之前，最好先找出答案。

　　(3)保持持续的沟通和评估

　　有效的协作需要利益相关者和IT部门之间的持续沟通。

　　企业的目标可能会在项目的进行期间发生变化，如果发生这种情况，必须将变更信息传达给IT部门。

　　企业可能需要停止收集一种形式的数据，并开始收集另一种形式的数据。

　　企业不希望这种情况持续下去。

　　绘制一张清晰的地图，在某些地点打破预期或期望的结果。

　　如果是一个为期12个月的项目，每三个月检查一次。

　　这给了企业一个复习和改变课程的机会。

　　(4)管理企业的大数据人才，并一直关注合规性和访问的问题

　　大数据是一个新兴的领域，而不是像Python或Java编程这些可以自学成才的领域。

　　麦肯锡全球研究院的一项研究表明，2018年全球将缺乏140至190万名拥有必要专业知识的人员，另外还缺乏基于分析结果作出决策的150万名相关管理人员和分析师。

　　首先必须明确的是谁应该有权访问数据，以及有多少访问权限。

　　数据隐私是当今的一个主要问题，尤其是欧洲即将实施严格的通用数据保护条例(GDPR)，这将对企业的数据使用造成严格的限制。

　　企业确保清除所有数据隐私问题以及谁有权访问敏感数据。

　　企业应该关注其他治理问题，如营业额?

　　确定哪些数据(如果有的话)可以进入公共云，哪些数据必须保留在本地部署数据中心，以及谁控制什么。

　　最后，虽然一些高校正在为数据科学设置和增加相关课程，但这些课程并没有标准，每个课程计划在重点和技能方面都略有不同。

　　所以，有时企业并不需要招聘具有数据科学硕士学位的技术人员，因为他们可能不了解企业使用的工具或其所在的行业。

　　再次，鉴于技能短缺的情况，企业可能需要做到这一点，可以在垂直行业中培训他们。