我跟許多高級(jí)管理者談話時(shí)，常會(huì)聽到有關(guān)大數(shù)據(jù)（big data，或譯「巨量數(shù)據(jù)」）項(xiàng)目的錯(cuò)誤觀念，也對(duì)這類項(xiàng)目的成功因素有不少誤解。為了厘清觀念，并協(xié)助人們更了解大數(shù)據(jù)計(jì)劃成功因素，我提出下面的看法。我觀察了一些運(yùn)用大數(shù)據(jù)項(xiàng)目而創(chuàng)造重大業(yè)務(wù)價(jià)值的公司，下面那些那看法就是我觀察之后的心得。
技術(shù)工具：許多組織對(duì)大數(shù)據(jù)項(xiàng)目的一個(gè)常見錯(cuò)誤觀念是，認(rèn)為大數(shù)據(jù)的項(xiàng)目，就只跟專門處理大數(shù)據(jù)的技術(shù)工具有關(guān)，例如Hadoop、Python、Pig、Hive等。這些工具對(duì)大數(shù)據(jù)項(xiàng)目來(lái)說(shuō)的確重要且有用。但是，除非你的公司還處于初創(chuàng)期，否則很可能有一些既有的工具和技術(shù)可用。我最近進(jìn)行的一項(xiàng)有關(guān)大數(shù)據(jù)計(jì)劃的研究，那些計(jì)劃使用的是天睿公司（Teradata Aster）之類企業(yè)提供的「數(shù)據(jù)探索」（data discovery）平臺(tái)。我發(fā)現(xiàn)，企業(yè)可以使用SQL等現(xiàn)有的程序語(yǔ)言，來(lái)設(shè)計(jì)大數(shù)據(jù)的應(yīng)用軟件。我也發(fā)現(xiàn)，原本就有數(shù)據(jù)倉(cāng)儲(chǔ)環(huán)境的公司，實(shí)施大數(shù)據(jù)項(xiàng)目來(lái)創(chuàng)造價(jià)值的速度，會(huì)比沒有數(shù)據(jù)倉(cāng)儲(chǔ)環(huán)境的公司更快。你現(xiàn)有的分析工具，比如SAS、SPSS,、R等，對(duì)處理大量數(shù)據(jù)來(lái)說(shuō)，也很有用。
專業(yè)人才：既有的技術(shù)工具可以沿用，同樣的，你也不需要雇一批全新的人。我訪問的那些進(jìn)行大數(shù)據(jù)項(xiàng)目的大公司表示，他們并沒有大規(guī)模地招募博士級(jí)的數(shù)據(jù)科學(xué)家，而是組成一些團(tuán)隊(duì)，成員包括擁有量化、計(jì)算機(jī)或商業(yè)等方面專業(yè)的人。他們的確發(fā)現(xiàn)，部分項(xiàng)目成員需要接受大數(shù)據(jù)相關(guān)技術(shù)的訓(xùn)練，例如Hadoop和腳本語(yǔ)言（scripting languages）。但從大數(shù)據(jù)項(xiàng)目所需之人才的觀點(diǎn)來(lái)看，他們程度并不是糟到不能用的地步。
良好的變革管理：項(xiàng)目要成功，變革管理是關(guān)鍵。盡管有些人可能會(huì)認(rèn)為，就大數(shù)據(jù)工作而言，技術(shù)挑戰(zhàn)會(huì)比人方面的挑戰(zhàn)更大，但情況不見得是如此。許多大數(shù)據(jù)項(xiàng)目都牽涉到「規(guī)范分析」（prescriptive analytics），也就是告訴在第一線的員工該如何進(jìn)行工作的算法或自動(dòng)化系統(tǒng)。為了這類目的而運(yùn)用大數(shù)據(jù)的一些公司，比如UPS用ORION項(xiàng)目來(lái)規(guī)劃快遞運(yùn)輸?shù)穆肪€，或是施奈德物流公司（Schneider National）運(yùn)用油箱偵測(cè)器的分析數(shù)據(jù)和全球定位數(shù)據(jù)，來(lái)指定司機(jī)加油的地點(diǎn)。這些公司的項(xiàng)目經(jīng)理，都向我強(qiáng)調(diào)變革管理的重要性。上述兩家公司所用的應(yīng)用軟件，都會(huì)大幅改變司機(jī)工作的方式，而且那些軟件提出的建議，必須要正確、值得信任，否則司機(jī)就不會(huì)采納。
清楚的商業(yè)目標(biāo)：一般人都以為，大數(shù)據(jù)項(xiàng)目的主要就是過(guò)濾一大堆數(shù)據(jù)數(shù)據(jù)，從中找出可能的關(guān)聯(lián)性。這件工作的確很重要，但若公司心目中并不清楚想要解決什么商業(yè)問題，這件工作就會(huì)流于漫無(wú)頭緒的數(shù)據(jù)搜集。舉例來(lái)說(shuō)，電信公司T-Mobile和Vodafone運(yùn)用大數(shù)據(jù)的分析工具，在顧客和網(wǎng)絡(luò)數(shù)據(jù)紀(jì)錄里四處搜尋。若心里沒有明確的商業(yè)目標(biāo)，這計(jì)劃就會(huì)變得不著邊際：目標(biāo)就是降低顧客流失率。有了這個(gè)目標(biāo)，Vodafone澳洲分公司在幾周內(nèi)，就能夠找出并解決了一些造成顧客流失的網(wǎng)絡(luò)問題。
良好的項(xiàng)目管理：有高級(jí)管理者支持這類項(xiàng)目是不是有幫助？當(dāng)然是如此。項(xiàng)目經(jīng)理是否應(yīng)該跟利害關(guān)系人好好溝通？那當(dāng)然。這些都不讓人意外，不過(guò)大數(shù)據(jù)的技術(shù)復(fù)雜性（以及執(zhí)行者對(duì)技術(shù)面的重視），可能不容易爭(zhēng)取到高級(jí)管理者和利害關(guān)系人的支持和參與。
誠(chéng)然，除了好的項(xiàng)目管理技巧，以及上述的其他因素，你還需要一些好運(yùn)氣。大數(shù)據(jù)項(xiàng)目往往都涉及新的技術(shù)、新的開發(fā)方法，而且本來(lái)風(fēng)險(xiǎn)就比較大。如果你用大數(shù)據(jù)來(lái)進(jìn)行數(shù)據(jù)挖掘或探索，失敗偶會(huì)發(fā)生，但若你能從失敗中學(xué)習(xí)，那就不是什么大問題。大數(shù)據(jù)項(xiàng)目仍較偏向是在做研發(fā)，而非產(chǎn)品應(yīng)用。然而，組織若能夠運(yùn)用一般的項(xiàng)目管理智慧，加上前述的建議，就能提高成功的機(jī)會(huì)。