编者按：在如今的大数据时代，各个行业领域及企业的数据量都在呈爆发式增长。企业数据已经被广泛应用于盈利分析与预测、客户关系管理、合规性监管、运营风险管理等业务中。面对海量数据，选择最合适的企业级数据分析平台就显得格外重要。这篇文章，原标题是How can you choose the best data analytics platform for your company?作者Alina GHERMAN在文中介绍了如何为企业挑选最适合的数据分析平台，希望对你有所帮助。 图片来源：memegenerator.net 如今，市面上存在许多数据分析平台。要从中选出一个合适的企业级数据分析平台，这个过程可能会相当漫长。因此，到底该怎么挑选最适合的数据分析平台呢？ 首先，我们需要明确选择标准，从而可以进一步做比较。这一步非常重要，因为选择标准将决定最终选择的数据分析平台。 在明确选择标准时，我们必须将如下因素纳入考虑范围：
现有技能、工具以及公司战略基于不同公司的不同现有技能，用户友好型的标准和希望实现的功能存在不同的含义。 图片来源：memegenerator.net 对于一位习惯于编写代码的数据科学家而言，一个拖拽式编程的工具可能会减弱他的交付能力，因为他必须掌握这个工具的使用，否则他可能不会构建库和版本代码，也不会返回旧版本项目。 然而，这样的工具对于没有编写代码能力的数据科学家却可能很有帮助。 公司现有工具会影响你想要实现的各类连接：云连接，数据库连接…… 公司战略可能会直接将你导向某种特定类型的工具，并且带来新的选择标准：SaaS，基于云的标准，开源标准…… 此外，视公司战略而定，可能会出现以下两种情况：整个公司使用一种工具，而每一项小任务或每个小组都在使用不同的分析工具。这些都会对不同用户类型希望实现的功能造成影响。 不同类型用户所需的功能：数据分析师，数据科学家，运营服务业务员……通常来讲，各类用户无法真正了解平台到底能够实现的功能，他们也不知道他们真正的需要是什么，并且他们总是尝试让自己确信，这个产品几年之内都能正常使用。 因此，要分析用户真正希望实现的功能不是一项容易的任务。 图片来源：memegenerator.net 你能在以下提及的内容中找到一些你必须面对和处理的功能主题：
产品路线图我认为这是最难评估的方面之一。 对此，一个很好的例证就是，2020年12月，CentOS 8的有效支持时间突然从2029年缩减并提前到了2021年初。产品路线图需要根据大量技术观察来做预测与判断，而我们总是容易忽略这件事。 图片来源：makeameme.org 但是无论如何，我们都必须考虑产品路线图。对于我们选择的满足当下需求的工具而言，如果这个工具明天会被淘汰的话，那这绝对不是不是一个好的选择。因此，我们需要有清晰的产品路线图，以便于检查其是否和公司战略一致。 定价每一个数据分析产品都有单独的定价策略。视产品使用时长、使用人数、用户类型、团队规模以及功能等方面而定，产品定价都可能存在差异。 当然了，也有一些在许可方面不存在定价的开源产品，但这并不意味着，其整套产品都是免费的。毕竟，还会有服务器成本以及维护成本等方面的支出。 图片来源：memegenerator.net 因为产品有许多不同的价格比较参数，我们往往无法直接进行比较。最“简便”的比较方法是，就某个特定用例而言，每种工具大概耗费的成本是多少。 基于既定选择标准来比较不同平台基于仔细筛选的选择标准，我们应该能够对不同的平台展开对比。不过，首先，我们需要选择可以用来对比的平台。 如果你认为这是一个很简单的任务，那么可以去看看数据和人工智能产业图谱。 2020年数据和人工智能产业图谱。图片来源：mattturck 对于这个任务而言，我觉得目前唯一可靠的方法包括以下几个方面：
以上这些方法，都能够帮助你基于既定选择标准来比较不同平台并做出选择。如果这些方法没起作用，那就意味着，技术观察工作还不到位，因此还需要再重复。 参与团队和潜在的偏差图片来源：imgflip.com 为企业选择合适的数据分析工具并不是一个简单的任务。由于存在多种偏差，因此也很难去克服所有的偏差。其中，就包括：
我发现，克服这些偏差的有效方法是，尝试从多处获得反馈，从而形成反馈循环。 做出最终的艰难决策在确定选择标准和筛选出的平台过后，就可以展开比较了。 《星球大战》（Star Wars）角色对比。图片来源：Mary Sue 如果单单通过以上步骤，我们就能做出最好的选择，那就再好不过了。但遗憾的是，我认为这是不可能的，我们最多只能基于现有事实和偏差，尽可能做出最好的选择。 不过，不展开比较的话，我们可能就无法认识并克服这些偏差，这也意味着，我们在做这些选择的时候，只能靠运气，而非自身努力。 译者：俊一 本文来自翻译, 如若转载请注明出处。 |
|
|
