大数据可视化地图的七个关键方向

单枪匹马，把深奥的公式运用到大量的数据搜索中，从而获得有用的见解。但是，这只是整个过程的一小步。数据分析本身并非目的，而是为了让企业做出更好的决策。资料学家必须建立产品，让组织内的每一个人都能更好地利用资料，让每一个部门、每一个层次都能作出决定。下面我们就来说说大数据可视化地图的七个关键方向。

“大数据可视化地图”是自动收集产品、清理和分析数据，并通过仪表盘或报告提供信息和预测。自动分析，数据科学家可以用业务模型改进工作，提高预测精度。

尽管每个公司根据自己的需要和目标创建数据产品，但总体步骤和目标是一致的：

1.决策目标：在数据价值链中，第一步必须是数据，然后由业务部门确定数据科学小组的目标。这类目标通常需要大量数据收集和分析。由于我们研究的是数据驱动的决策，因此我们需要一种可测量的方法来了解企业的目标。必须尽早发现关键指标或业绩指标。

2.确定业务标杆：业务应进行更改以改进关键指标，从而实现其目标。如果没有任何变化，就不会有任何进展收集和分析数据的数量。制定目标、指标可以为项目早期提供指导，避免无意义的数据分析。举例来说，目标是提高客户留存率，其中一个指标可以为客户更新其订阅率，企业可以设置提醒邮件，并通过更新页面设计、时间和内容进行特殊促销。

3.数据收集：铺开数据的大网，使更多的数据，尤其是从各种渠道获得的数据，具有更好的相关性，建立更好的模型，并获得更多可行的见解。大数据仅仅意味着个人记录常常是无用的，每一份记录都可以用来进行分析，以提供真实的价值。企业紧密地监测其网站，以追踪用户的点击和鼠标移动，利用射频识别技术追踪其活动，等等。

4.数据清理：数据分析的第一步是改善数据质量。资料学家处理正确的拼写错误，处理丢失的资料，清除无意义的资料。这是数据价值链中最关键的一步，即使使用垃圾数据进行最佳数据值分析也会导致错误和误导。不止一家公司惊讶地发现，他们的大部分客户都生活在斯克内克塔迪(美国城市)、纽约以及人口不足70000的小城镇。但 Spenectadi的邮政编码是12345，因此，几乎每个客户档案数据库中都出现了过多的数据，因为消费者通常不愿意真正填写他们的在线表单。除非数据分析员采取措施进行验证，从而得到干净的数据，否则分析数据会导致错误的结论。一般情况下，过程是自动的，但这并不意味着人类不能参与。

5.数据建模：数据科学家建立模型，将关联数据与业务结果联系起来，提出建议，确定业务价值的变化，这是第一步。在关键业务中，数据科学家通过数据、建模、预测业务结果，成为了独一无二的专家。为了建立科学准确的模型，避免毫无意义的相关性陷阱，数据科学家必须具备强有力的统计和机器学习背景，并且模型依赖于已有的数据，他们的未来预测没有用。但是统计学背景还不够充分，数据科学家需要更好地理解商业，才能确定数学模型的结果是否有价值。

6.数据科学团队：众所周知，数据科学家很难受雇，组建数据科学团队是个不错的主意，通过拥有高学历的统计人员专注于数据建模和预测，而团队其他成员，合格的基础结构工程师、软件开发人员和 ETL专家则负责建立必要的数据收集基础结构、数据管道和数据产品，通过报告和仪表板来显示数据结果和业务模型。作为一个产品，这些团队通常使用大型数据分析平台 Hadoop自动化数据收集、分析和运行整个过程。

7.优化和重复：数据价值链是一个可重复的过程，价值链的运作和数据本身不断得到改善。企业将通过数据科学团队在模型基础上测量的结果来驱动业务。根据成果，企业可以决定通过数据科学团队进一步改进数据收集、数据清理和数据模型。若企业越快地重复这一过程，它就越快地找到正确的方向，从而获得数据价值。理论上，经过几次迭代，模型会产生精确的预测，业务会达到预定的目标，数据价值链的结果会被用来监测和报告，所有人都会去解决下一个商业难题。