无论新创公司或传统企业，愈来愈多组织将未来押注在巨量资料。根据 IDG Enterprise，过去一年以来，曾执行数据专案的公司数量增加了 125%1，CapGemini 与 EMC 共同执行的调查则显示2，70% IT 决策者认为，能否充分运用大数据关键价值，将左右公司的前景;65% 的受访者更直言，如果没能拥抱大数据，公司很可能日落西山，失去竞争力。从林林总总的数字中，可以观察到企业十分重视巨量资料，但是实际上，巨量资料专案却很容易失败，而且往往重蹈覆辙。Gartner 研究总监 Svetlana Sicular 列举了八个最常出现的错误3，小心别掉进陷阱中。

　　管理层的惰性：根据 Fortune Knowledge Group 的调查，62% 的企业领导人依然仰赖直觉;下决策时，61% 以真实世界的情境为优先考量，而非数据。Svetlana Sicular 叙述，Gartner 曾经服务一家家喻户晓的旅游公司，他们采取了大数据技术，执行点击流(clickstream)分析，以了解消费者在网站上浏览与购买的流程，结果竟然发现他们的消费模式与公司高层的销售模式居然完全相反。在结案报告中这家旅行公司写道：「这个技术有效的解决了我们的疑惑，其结果剧烈了改变原有的业务，为了充分实践数据呈现的洞见，我们更替了全新的管理团队。」

　　他质问，有多少公司的领导层需要砍掉重练呢?

　　选择错误的使用案例：有些公司的实力跟不上野心，选择远超过自身负荷能力的大数据专案，又或者企图使用旧方法执行新专案，两者都无可避免将走上失败之途。

　　问错问题：数据科学是由产业知识(比如零售、金融)、数学与统计、程式结合的复杂混合体。很多公司增聘了资料科学家，他们可能是程式高手也懂统计，却缺乏了最重要的成分：产业知识。Svetlana Sicular 建议，应从产业中找到对的人才，因为「学习 Hadoop 比了解商业内涵简单」。

　　缺乏必要的技能：这点与「问错问题」类似。曾有一家金融机构想要调查人们的生活习惯如何影响他们购买退休方案的偏好，不过「习惯」太多种，执行这个专案的负责人把问题限缩到抽菸/不抽菸，但是失败了。後来 Svetlana Sicular 与从事医疗产业的人士聊到这个专案时发现，他们并不问这种非黑即白的问题(抽不抽菸)，而是「你抽菸几年了?」、「你戒菸几次了?」、「你最後一次吸菸是什麽时候?」总之，进行大数据分析时，应该找到熟稔特定专业领域的人士——医疗、语言学、行为心理学家、社会人类学家等等，IT 部门以外的专业人士。

　　大数据之外，无法预料的问题：资料分析只是巨量资料专案的一部份，访问与处理数据的能力同样重要，不过诸如网络壅塞、人员训练不足等等都有可能阻碍专案执行。

　　企业策略不一：如果巨量资料专案被隔绝於公司核心业务之外，那大概注定失败，如果公司把云端或其他策略置於巨量资料之前，那失败的机率当然又更高了。

　　大数据孤岛(silos)：很多人喜爱谈论「数据湖(data lake)」、「数据中心(data hubs)」，但是现实状况是，很多公司尝试建立数据水坑(data puddle)，行销数据水坑、制造数据水坑等等等等，但是彼此楚河汉界，不相往来。对组织而言，巨量资料只在水坑之间的高墙倒下、彼此汇流才会更凸显价值。只是，办公室政治或政策，往往抹煞了资料集体发挥的可能性。

　　问题回避：这在药物产业中最为明显，药厂无法进行情绪分析，因为病人服用某种实验药物後，只要一出现头痛等副作用，就得回报 FDA。由於过程太麻烦，甚至可能碰上法律责任，因此药厂倾向回避此类措施，结果可能错失珍贵的发现。

　　美国媒体 InformationWeek 编辑 Matt Asay 认为4，企业组织执行巨量资料专案时，也应注入「迭代」(iterate)的精神，别好高骛远，从能够快速发现问题的小规模开始进行实验，并且邀请内部员工共同参与。利用大数据解决问题的关键，在於灵活且开放的数据基础建设，让员工不断调整实际方案，直至他们的努力结出丰盈的果实，唯有如此，公司才能降低失败的恐惧，真正嚐到巨量资料的甜美滋味。

　　责任编辑：DJ编辑