数据驱动力：企业数据分析实战

2

｜

第

1

章

最后的结论，并且清洗和转换数据的过程很艰难并且耗时费钱。我经常听说，数据科学家将

80%

的时间用于获取

、清洗及准备数据，

20%

的时间用于数据的建模、分析、可视化以及得

出结论。以我的经验来看，这是非常合理的。第

2

章会详细介绍数据质量的方方面面。

即使你确实获取了高质量数据，哪怕是大量的高质量数据，也仅仅是拥有了数据而已。不

管你听过多少来自市场或业界的大肆宣扬，依然不能使你变成数据驱动型的人。有些人，

特别是大数据供应商和服务提供商，不遗余力地将大数据描述成包治百病的灵丹妙药，

似乎你收集了所有可能的数据，其中就一定有引领公司走向成功的“钻石”。然而不争的

事实是，单单拥有大量数据是不够的。少量干净、可靠的数据远比海量垃圾数据更有挖掘

价值。

1.2

　数据访问

前提条件

2

：数据必须可以访问和查询。

拥有准确、及时和相关的数据依然不足以称为数据驱动。数据必须具有以下特点。

可连接

在必要时，数据的形式必须可以和其他企业数据结合起来。可选的数据形式很多，比

如关系型数据库、

NoSQL

存储或者

Hadoop

。要借助合适的工具来完成工作

。例如，

Warby Parker

公司的财务分析师以前一直使用

Excel

表格计算交给高管的关键指标

。他

们从不同数据源获取大量的原始数据，然后运行

VLOOKUPS

（用于发现数据中交叉引

用的

Excel

函数）连接它们

，以便从较高层次理解这些数据值。最初，这种方式运行得

很好。但是，随着公司销售额和客户基数的迅速增长，数据总量越来越大，

Excel

文档

接近

300MB

，计算机的最大内存已承受不住 ...