大数据导论 7.3.1 大数据分析的生命周期——商业案例评估
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Big Data
3.商业案例评估的目标
大数据分析商业案例的评估能够帮助决策者 了解需要使用哪些商业资源，需要面临哪些挑战。 另外，在这个环节中深入区分关键绩效指标能够 更好地明确分析结果的评估标准和评估路线。如 果关键绩效指标不容易获取，则需要努力使这个 分析项目变得SMART。
Big Data
SMART
《大数据导论》
商业案例评估
1.大数据分析的生命周期
大数据分析的生命周期从大数据项目商业案 例的创立开始，到保证分析结果部署在组织中并 最大化ቤተ መጻሕፍቲ ባይዱ创造价值时结束。
可以分为九个阶段：
Big Data
第一阶段 商业案例评估
第二阶段 数据标识
第三阶段 数据获取与过滤
第四阶段 数据提取
第五阶段 数据验证与清理
Specific（具体的） Measurable（可衡量的） Attainable（可实现的） Relevant（相关的） Timely（及时的）
4. 商业案例评估的案例
例如，多年来，石油巨头壳牌甚至不知道其 在世界各地的各种设施中的零件都位于哪里;它 不知道什么时候需要再进货;直到部件开始出现 故障，它才知道什么时候出现了维护问题。由于 机器停机每天给公司造成了数百万美元的损失， 于是壳牌决定收集数据以避免这些问题。
第六阶段 数据聚合与表示
第七阶段 数据分析
第八阶段 数据可视化
第九阶段 分析结果的使用
2.什么是商业案例评估
每一个大数据分析生命周期都必须起始于一 个被很好定义的商业案例，这个商业案例有着清 晰的执行分析的理由、动机和目标。在商业案例 分析阶段中，一个商业案例应该在着手分析任务 之前被创建、评估和改进。
壳牌卓越数据科学中心的总经理Daniel Jeavons表示，壳牌基于多家供应商的软件建立 了一个分析平台，运行预测模型，以预测3000多 种不同的石油钻井机的部件何时会出现故障。
Big Data
动机：机器停机带来了数百万美元的损失。
目标：提前预测石油钻井机的部件故障时间， 提早准备。
资源：供应商的软件数据。
5.定位的商业问题是否是大数据问题
基于商业案例中记录的商业需求，我们可以 确定定位的商业问题是否是真正的大数据问题。 为此，这个商务问题必须直接与一个或多个大数 据的特点相关，这些特点主要包括数据量大、周 转迅速、种类众多。
Big Data
6.判断各种预算
本阶段的另一个结果是确定执行这个分析项 目的基本预算。任何如工具、硬件、培训等需要 购买的东西都要提前确定以保证我们可以对预期 投入和最终实现目标所产生的收益进行衡量。
比起能够反复使用前期投入的后期迭代，大 数据分析生命周期的初始迭代需要更多的前期投 入在大数据技术、产品和训练上。
Big Data
感谢聆听！
3.商业案例评估的目标
大数据分析商业案例的评估能够帮助决策者 了解需要使用哪些商业资源，需要面临哪些挑战。 另外，在这个环节中深入区分关键绩效指标能够 更好地明确分析结果的评估标准和评估路线。如 果关键绩效指标不容易获取，则需要努力使这个 分析项目变得SMART。
Big Data
SMART
《大数据导论》
商业案例评估
1.大数据分析的生命周期
大数据分析的生命周期从大数据项目商业案 例的创立开始，到保证分析结果部署在组织中并 最大化ቤተ መጻሕፍቲ ባይዱ创造价值时结束。
可以分为九个阶段：
Big Data
第一阶段 商业案例评估
第二阶段 数据标识
第三阶段 数据获取与过滤
第四阶段 数据提取
第五阶段 数据验证与清理
Specific（具体的） Measurable（可衡量的） Attainable（可实现的） Relevant（相关的） Timely（及时的）
4. 商业案例评估的案例
例如，多年来，石油巨头壳牌甚至不知道其 在世界各地的各种设施中的零件都位于哪里;它 不知道什么时候需要再进货;直到部件开始出现 故障，它才知道什么时候出现了维护问题。由于 机器停机每天给公司造成了数百万美元的损失， 于是壳牌决定收集数据以避免这些问题。
第六阶段 数据聚合与表示
第七阶段 数据分析
第八阶段 数据可视化
第九阶段 分析结果的使用
2.什么是商业案例评估
每一个大数据分析生命周期都必须起始于一 个被很好定义的商业案例，这个商业案例有着清 晰的执行分析的理由、动机和目标。在商业案例 分析阶段中，一个商业案例应该在着手分析任务 之前被创建、评估和改进。
壳牌卓越数据科学中心的总经理Daniel Jeavons表示，壳牌基于多家供应商的软件建立 了一个分析平台，运行预测模型，以预测3000多 种不同的石油钻井机的部件何时会出现故障。
Big Data
动机：机器停机带来了数百万美元的损失。
目标：提前预测石油钻井机的部件故障时间， 提早准备。
资源：供应商的软件数据。
5.定位的商业问题是否是大数据问题
基于商业案例中记录的商业需求，我们可以 确定定位的商业问题是否是真正的大数据问题。 为此，这个商务问题必须直接与一个或多个大数 据的特点相关，这些特点主要包括数据量大、周 转迅速、种类众多。
Big Data
6.判断各种预算
本阶段的另一个结果是确定执行这个分析项 目的基本预算。任何如工具、硬件、培训等需要 购买的东西都要提前确定以保证我们可以对预期 投入和最终实现目标所产生的收益进行衡量。
比起能够反复使用前期投入的后期迭代，大 数据分析生命周期的初始迭代需要更多的前期投 入在大数据技术、产品和训练上。
Big Data
感谢聆听！