数据科学家的角色正处于热门需求之中，预计这种新兴的重要作用预计会出现短缺。
每年组织都在花费大量财力安装软件来捕获，存储和分析数据。 营销部门越来越多地充斥着技术，精通数据的专业人员，而牺牲了创意角色。
商业世界是一个以数据为中心的世界，但重要的是要认识到数据本身并不是目的。 就像我们在工作中所使用的其他一切一样，数据是充满希望的工具。 在正确的方法下，掌握决策的数据潜力是显着的。
但是，不要被误认为获取和分析数据没有风险。 让我们摒弃数据作为商业救星的想法，帮助确定这些新资源为我们所有人提供的潜在隐患。
有备则无患。
6大挑战经理和组织面对的数据：
1.数据质量通常很差。 虽然我们习惯于在物理对象或产品背景下考虑质量，但事实证明，数据质量始终是每个公司的重大问题。
存储在结构化数据库或存储库中的数据通常不完整，不一致或过时。 很可能您一直在接受数据质量问题的简单示例。
我们大多数人都会记得，收到来自营销人员的重复邮件时，我们的实际姓名略有不同或截然不同。
营销人员的数据库包含重复的记录，其中包含我们的地址和不同的错误拼写或不同的名称。 我们将重复邮件作为垃圾回收，并且由于简单的数据质量问题，营销人员会以打印和邮寄的形式承担额外成本。 通过成百上千的记录来放大这个错误，这种小数据质量的错误会变得昂贵。
数据质量问题越来越重要，因为我们力求近乎实时地制定战略，市场和市场营销决策。 虽然存在软件和解决方案来帮助监控和改进结构化（格式化）数据的质量，但真正的解决方案是将数据视为宝贵资产的重要组织范围承诺。 实际上，这很难实现，需要非凡的纪律和领导支持。
我们实际上正在淹没数据。 数据在组织中无处不在。 考虑客户数据。 大多数组织已经熟练掌握有关客户和潜在客户的信息。
- 市场营销部门从正在参加实况或网络活动的人员或下载内容的人员收集数据。
- 高管们使用数据来支持或定义新的策略 。
- 销售收集有关销售过程中涉及的客户的数据。
我们在各种不同的软件系统中捕捉客户信息，并将数据存储在各种数据存储库中。 一家全球财富100强公司确认其客户数据中有10％的数据是由员工在电子表格中的电脑上进行的。 在开展营销活动之前，另一个组织会定期轮询其销售代表的名片数据。
就像远洋水手在他的船沉没后被困在一艘救生艇中一样，到处都是水，但不是一滴水。
我们的业务也有同样的现象。 数据无处不在，实时可以从社交和搜索Feed获取越来越多的数据。 如果数据不易获取，或者如果我们有重复或不完整的数据，我们无法将其用于预期目的。
越来越多的组织正在整合其不同的软件应用程序，并简化整个企业收集和汇总数据的过程。 然而，随着数据质量的提高，这种努力是昂贵的，耗时的，并且永远不会结束。
3.数据量正在增长。 我们正在以难以理解的速度制作越来越多的数据。 专家建议，每两年（和缩小），我们创造的数据超过了地球上所有文明的数据。
这些新数据大部分是非结构化数据，与那些整齐地输入到我们的软件和数据库应用程序中的数据类型相比。 例如，关于您的产品或品牌的所有推文代表了一个潜在的见解宝库，但这些数据是非结构化的，增加了捕获和分析它的复杂性。 虽然有很多软件可以帮助解决这一难题，但非结构化数据代表着一种处理原材料的新浪潮，本文讨论了所有固有的复杂性和质量问题。
4.垃圾进入，垃圾出来。 数据分析软件仅仅和数据一样好。 在这个利用数据优势的问题中的共同点是质量。 尽管许多公司投入大量资金用于强大的新数据处理应用程序，但处理脏数据会导致错误的决策。 谨防盲目信任数据分析工作的输出。 您必须确信您可以信任分析中使用的数据。
5.我们接受数据分析的结果是确凿的，但事实并非如此。 实际上，数据分析通常显示相关性，而不是因果关系！ 很容易陷入信任数据分析输出和混淆因果关系的陷阱。
相关性表明了一种关系，但它决不意味着A引起B.建立因果关系是做出准确，有见地的决定的必杀技。 证明也非常困难。 如果你过分信任产出并假定没有存在的因果关系，那么你的决定将是致命的缺陷。
6.当评估数据时，我们的认知偏差被放大了。 正如一位聪明的数据科学家曾经说过的那样： “在对数据进行最复杂和详尽的分析后，人类仍然需要作出推断并做出决定。” 当我们到达那个必须评估数据分析含义的地步时，我们的偏见就会发挥作用。 我们中的许多人倾向于信任或依赖支持我们的立场和期望的数据，并压制相反的数据。 我们也信任来自我们喜欢的来源的数据，或者我们依赖最近的数据。 所有这些偏见都会对我们的数据分析带来的挑战和潜在的错误做出贡献。
如何开始驯服数据以供您作为经理使用：
制定企业范围的数据战略对于每个企业都至关重要，但超出了本文的范围。 相反，这里有7个想法，您可以将其用作经理，以改善您在日常决策中使用数据的情况。
1.认识并减轻偏见的可能性 。 找出扩大图片或与您面前的数据发生冲突的数据。 鼓励外部观察者评估你对数据的假设。
2.加强你对数据管理的理解。 网络上有足够的免费洞察来源，许多组织提供有关数据分析和商业智能的研讨会或研讨会。 许多大学都为这个蓬勃发展的领域增加了课程。 保持锐化你的技能。
3.问问你自己或你的团队， “我们需要哪些数据做出这个决定？” 通常，我们依靠手头的数据，而忽略了寻求更多数据来完成图片的需求。
4.严格意识到相关性和因果关系之间的差异 。 如前所述，混淆这两者对于决策来说是一个潜在的危险陷阱。
5.质量 检查 您的数据。 如果您的公司没有数据质量或主数据管理承诺，请投入时间评估您的数据是否有明显的错误，包括重复，不完整或错误的记录。 有许多商业软件应用程序或支持此项活动，许多公司利用数据专家的专业知识来查询和评估数据质量。 另外，考虑可以帮助您清理数据的外部服务提供商。 重要的是，专注于不断提高数据质量 。
6.倡导在公司内部提高数据质量和管理工作。 这项工作通常是IT或技术专业人员的工作，但数据有可能成为战略资产。 每个经理人都必须关心他们公司更好地利用数据进行决策和战略执行的能力。
7.为您的团队添加技术和精通数据的人才。 销售和市场部门了解让熟练掌握最新技术的人员参与进来的能力，并且能够胜任本文中概述的许多数据挑战。 技术和数据不再是企业单一功能的领域或责任 。
底线：
学习利用数据改善决策的公司和经理人将赢得市场。 这些组织将能够比他们的数据更快地监测和应对不断变化的条件和新出现的客户需求。 他们将首先从社交媒体对话中收集见解，并且他们将赢得深入了解和吸引客户的战斗 - 所有这些都基于数据。 这不是一种时尚，而是当今世界管理和竞争的新现实。 注意这个旅程中的陷阱。