盡管大數(shù)據(jù)宣傳與炒作可謂如火如荼，但仍有92%的企業(yè)始終保持中立態(tài)度，即計(jì)劃在“合適的時(shí)間”著手實(shí)施或者表示不打算接觸大數(shù)據(jù)項(xiàng)目。大數(shù)據(jù)目前已經(jīng)成為萬(wàn)眾矚目的焦點(diǎn)，已經(jīng)有眾多企業(yè)在拼命把自己的數(shù)據(jù)投付使用、希望借此為重要決策提供支持。而在那些已經(jīng)親身實(shí)踐大數(shù)據(jù)項(xiàng)目的企業(yè)中，多數(shù)遭遇失敗、而且往往是掉進(jìn)了同樣的幾個(gè)陷阱當(dāng)中。取得大數(shù)據(jù)項(xiàng)目成功的關(guān)鍵在于構(gòu)建一套迭代型方案，鼓勵(lì)現(xiàn)有員工參與并使用，從而在一系列無(wú)關(guān)緊要的失敗中學(xué)習(xí)知識(shí)并積累經(jīng)驗(yàn)。
1、從眾心理
大數(shù)據(jù)絕對(duì)是項(xiàng)轉(zhuǎn)折性的偉大技術(shù)成果。根據(jù)Gartner公司的調(diào)查，2013年中64%的受訪企業(yè)表示已經(jīng)購(gòu)買(mǎi)或者正計(jì)劃在大數(shù)據(jù)系統(tǒng)領(lǐng)域進(jìn)行投資，這一比例高于2012年調(diào)查中的58%。越來(lái)越多的企業(yè)開(kāi)始深入探索自己的數(shù)據(jù)，嘗試?yán)锰N(yùn)藏在其中的信息最大程度減少客戶(hù)流失、分析財(cái)務(wù)風(fēng)險(xiǎn)并改善客戶(hù)體驗(yàn)。
在這64%認(rèn)同大數(shù)據(jù)思路的受訪者中，又有30%已經(jīng)在大數(shù)據(jù)技術(shù)方面投入資金、19%計(jì)劃在未來(lái)一年中進(jìn)行投資、另外15%則計(jì)劃在未來(lái)兩年內(nèi)進(jìn)行投資。不過(guò)在Gartner的全部720位調(diào)查對(duì)象中，只有不到8%已經(jīng)實(shí)際部署了大數(shù)據(jù)技術(shù)方案。
這樣的結(jié)果實(shí)在很糟糕，不過(guò)造成項(xiàng)目失敗的理由明顯更加糟糕：大多數(shù)企業(yè)根本不知道自己在邁入大數(shù)據(jù)領(lǐng)域后應(yīng)該做些什么。
難怪現(xiàn)在有那么多企業(yè)開(kāi)出可觀的薪酬數(shù)字來(lái)招徠并雇用數(shù)據(jù)科學(xué)家，目前其平均收入已經(jīng)達(dá)到每年12萬(wàn)3千美元。
2、八種導(dǎo)致失敗的理由
由于眾多企業(yè)在探索自有數(shù)據(jù)的過(guò)程中完全是在胡打誤撞，因此在意識(shí)到這一點(diǎn)后、他們決定向能帶來(lái)更具可預(yù)測(cè)性方案的專(zhuān)業(yè)人士求援(包括認(rèn)為數(shù)據(jù)科學(xué)家能夠奇跡般地隨手化解他們面臨的現(xiàn)實(shí)難題，甚至還有不少更夸張的預(yù)期)。Gartnerwngr Svetlana Sicular為我們匯總出八種導(dǎo)致大數(shù)據(jù)項(xiàng)目失敗的常見(jiàn)原因，它們分別是：
·管理層阻力。盡管數(shù)據(jù)當(dāng)中包含大量重要信息，但Fortune Knowledge公司發(fā)現(xiàn)有62%的企業(yè)領(lǐng)導(dǎo)者仍然傾向于相信自己的直覺(jué)，更有61%的受訪者認(rèn)為領(lǐng)導(dǎo)者的實(shí)際洞察力在決策過(guò)程中擁有高于數(shù)據(jù)分析結(jié)論的優(yōu)先參考價(jià)值。
·選擇錯(cuò)誤的使用方法。企業(yè)往往會(huì)犯下兩種錯(cuò)誤，要么構(gòu)建起一套過(guò)分激進(jìn)、自己根本無(wú)法駕馭的大數(shù)據(jù)項(xiàng)目，要么嘗試?yán)脗鹘y(tǒng)數(shù)據(jù)技術(shù)處理大數(shù)據(jù)問(wèn)題。無(wú)論是哪種情況，都很有可能導(dǎo)致項(xiàng)目陷入困境。
·提出錯(cuò)誤的問(wèn)題。數(shù)據(jù)科學(xué)非常復(fù)雜，其中包含專(zhuān)業(yè)知識(shí)門(mén)類(lèi)(需要深入了解銀行、零售或者其它行業(yè)的實(shí)際業(yè)務(wù)狀況);數(shù)學(xué)與統(tǒng)計(jì)學(xué)經(jīng)驗(yàn)以及編程技能等等。很多企業(yè)所雇用的數(shù)據(jù)科學(xué)家只了解數(shù)學(xué)與編程方面的知識(shí)，卻欠缺最重要的技能組成部分：對(duì)相關(guān)行業(yè)的了解。Sicular的觀點(diǎn)很對(duì)，她表示大家最好能從企業(yè)內(nèi)部出發(fā)尋找數(shù)據(jù)科學(xué)家，因?yàn)椤皩W(xué)習(xí)Hadoop比學(xué)習(xí)相關(guān)行業(yè)的知識(shí)更簡(jiǎn)單”。
·缺乏必要的技能組合。這項(xiàng)理由與“提出錯(cuò)誤的問(wèn)題”緊密相關(guān)。很多大數(shù)據(jù)項(xiàng)目之所以陷入困境甚至最終失敗，正是因?yàn)椴痪邆浔匾南嚓P(guān)技能。通常負(fù)責(zé)此類(lèi)項(xiàng)目的都是IT技術(shù)人員——而他們往往無(wú)法向數(shù)據(jù)提出足以指導(dǎo)決策的正確問(wèn)題。
·在大數(shù)據(jù)技術(shù)之外遇到了其它意外狀況。數(shù)據(jù)分析僅僅是大數(shù)據(jù)項(xiàng)目當(dāng)中的組成部分之一，訪問(wèn)并處理數(shù)據(jù)的能力同樣重要。除此之外，常常被忽略的因素還有網(wǎng)絡(luò)傳輸能力限制與人員培訓(xùn)等等。
· 與企業(yè)戰(zhàn)略存在沖突。要讓大數(shù)據(jù)項(xiàng)目獲得成功，大家必須擺脫將其作為單一“項(xiàng)目”的