《智能数据时代:企业大数据战略与实战》一2.7 验证提出的愿景

简介:

本节书摘来自华章出版社《智能数据时代:企业大数据战略与实战》一书中的第2章,第2.7节,作者 TalkingData ,更多章节内容可以访问云栖社区“华章计算机”公众号查看

2.7 验证提出的愿景

规划会议在结束时往往会在白板上绘制当前和未来状态的信息架构图,这些架构图在最后都会被手机拍下。有时这些图表也会被保存在从活动挂图撕下来的活页上。会议进行时,主办者还应对业务线、IT业高管层、架构师以及其他任何人员的发言进行记录并作出相应注释。这些记录中可能会包含一旦未来信息架构部署好后,对商业决策产生有利影响的假设。
下面我们来介绍如何对所收集的信息进行总结。首先,这些信息应该以报告或演示的方式反馈给参加会议的人员,这种形式既可以验证主办方是否记录了会议中各方表达的所有重要信息,同时,如果总结中有不清楚的地方,发言人也可以及时得知并作出相应澄清。通常情况下,在一周或两周内将信息报告分发给参会者是最有益的,因为这样可以加强在讨论会议中形成的团队合作精神。
在一些场合中,有人向我们提出,应该邀请大量不同的受众参加以总结前期规划会议为目的的后续会议。这种情况时有发生,因为参会者会就在会议中讨论的未来信息架构等问题与别人进行分享,所以很多其他涉及此方面利益的人在了解到我们讨论的内容以后也会产生兴趣。随着影响逐渐扩大,很多其他业务领域的人也希望能够参加并记录他们的想法和要求。这是一个好现象,人们会认为这一项目越来越有价值并予以更多资助。后续会议更侧重于进一步的探索,而不是解读、验证前期工作。所以要想解读、验证前期工作,较好的方法是提前修订报告并另行安排会议讨论对报告的验证和修订问题。
基于规划会议所做的报告或演示应包括以下内容:
目前的业务难题,包括信息构架带来的难题。
对当前的信息结构所做的描述和绘制的图表。
新兴业务需求,业务模式变化预期以及如何运营业务。
可以满足需求并应对挑战的未来信息架构图。
通过未来的信息架构可能获得的商业利益(理想情况下包括这些收益的可能财务规模)。后续步骤将会在本书的后续章节中介绍。
我们注意到个别组织的IT架构师想在收集完信息后立即开始详细设计信息架构的工作。然而,对于信息架构,很多问题目前仍然处于未知状态。例如,我们还不知道如何展开运营,关键的绩效指标是什么,该采取怎样的措施。我们也不知道在各个阶段如何实施解决方案以及有没有阶段实施优先级等。
虽然对于如何寻找业务案例会有一些初步想法,但是目前为止,我们还没有一个可靠的指导案例。并且我们对于哪些数据源将提供有效措施,哪些数据反映KPIs(关键绩效指标)了解得太少。再者,我们还不能确定我们缺少的技能对于实施和管理解决方案并利用它有效地运营业务有什么影响。
通过这一点我们得知,要想对一个项目获得充分了解,我们仍需要更多的实际探索和书面佐证。但至少现在,我们已经对修改信息架构的实用性和可能性有了一些初步概念。而且我们还知道应该去哪里寻找商业赞助。因此,我们接下来要做的就是与业务链伙伴合作,进一步发掘需求。

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
47 0
|
2月前
|
SQL 存储 分布式计算
MaxCompute问题之下载数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
2月前
|
分布式计算 关系型数据库 MySQL
MaxCompute问题之数据归属分区如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
35 0
|
3月前
|
机器学习/深度学习 存储 分布式计算
机器学习PAI关于maxcompute上用protobuf 处理数据,比较方便的方式
机器学习PAI关于maxcompute上用protobuf 处理数据,比较方便的方式
|
2月前
|
分布式计算 DataWorks BI
MaxCompute数据问题之运行报错如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 1
|
2月前
|
分布式计算 关系型数据库 数据库连接
MaxCompute数据问题之数据迁移如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
34 0
|
2月前
|
分布式计算 Cloud Native MaxCompute
MaxCompute数据问题之没有访问权限如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
9天前
|
数据采集 搜索推荐 大数据
大数据中的人为数据
【4月更文挑战第11天】人为数据,源于人类活动,如在线行为和社交互动,是大数据的关键部分,用于理解人类行为、预测趋势和策略制定。数据具多样性、实时性和动态性,广泛应用于市场营销和社交媒体分析。然而,数据真实性、用户隐私和处理复杂性构成挑战。解决策略包括数据质量控制、采用先进技术、强化数据安全和培养专业人才,以充分发挥其潜力。
13 3
|
12天前
|
运维 供应链 大数据
数据之势丨从“看数”到“用数”,百年制造企业用大数据实现“降本增效”
目前,松下中国旗下的64家法人公司已经有21家加入了新的IT架构中,为松下集团在中国及东北亚地区节约了超过30%的总成本,减少了近50%的交付时间,同时,大幅降低了系统的故障率。
|
13天前
|
机器学习/深度学习 人工智能 安全
Azure Databricks实战:在云上轻松进行大数据分析与AI开发
【4月更文挑战第8天】Databricks在大数据分析和AI开发中表现出色,简化流程并提高效率。文中列举了三个应用场景:数据湖分析、实时流处理和AI机器学习,并阐述了Databricks的一体化平台、云原生弹性及企业级安全优势。博主认为,Databricks提升了研发效能,无缝集成Azure生态,并具有持续创新潜力,是应对大数据挑战和加速AI创新的理想工具。
37 0