改善项目管理实践可以帮助大数据产生更大的企业影响。

到2022年，Statista预测大数据和分析收入将达到2743亿美元。仅在医疗保健方面，预测显示，如果该行业只能将其大数据与其他系统和业务流程整合，那么该行业可以节省多达3000亿美元。

虽然这些对企业投资和收益的预测很重要，但在有效管理大数据项目时，组织仍然落后。

“人们非常清楚，数据科学是创新的关键驱动力，但很少有组织知道如何将数据科学输出始终如一地转化为商业价值，” Domino数据实验室首席执行官兼联合创始人Nick Elprin说。

公司如何扭转局面？请参阅以下四条建议。1.将项目管理融入大数据工作中

大数据和分析项目的性质是迭代的。将始终有新的信息和数据类型，数据科学家准备在新信息可用时修改算法和查询。但是，这并不意味着不应采用更多线性项目的管理实践。

例如，在使用数据之前，需要对数据进行清理和准备。应该有一个第一步的方法来做到这一点，理想情况下，这项工作不应该由非常昂贵的数据科学家来完成。其次，一旦开发了使用大数据的算法和应用程序，就应该在部署之前对其进行测试和分阶段。

实现这些目标的最佳方法是向数据科学团队添加熟练的项目经理，或使用IT部门的项目管理技能和人员。2.让IT参与

如果您的数据科学团队与IT分开，那么是时候将这两个学科融合在一起了。

最初，许多组织将他们的数据科学团队作为独立部门开始，以便试验大数据和分析可以提供什么。组织不知道他们正在开发的大数据，人工智能和机器学习应用程序必须与其他IT应用程序和系统集成才能获得最大价值。

过去，有独立的数据科学部门，IT部门的数据科学以及数据科学和IT的交互式项目团队。现在是数据科学成为IT的一部分或与IT部门密切合作进行项目和部署的时候了。这是实现大数据和分析与整个公司的其他系统和应用程序的真正集成的唯一方法。3.开发大数据维护和监控团队

无论是网络/硬件基础架构，还是确保大数据在应用程序内部和独立于应用程序中正确执行，一旦在生产中部署大数据和分析，就必须持续监视和维护该流程。例如，如果其他IT应用程序将大数据源作为嵌入式子例程调用，则IT需要确保调用正常，并返回正确的数据。如果应用程序中存在“中断”，IT需要修复它。同样，硬件和网络带宽以及服务质量必须保持在可接受的水平 - 这也是IT的工作。4.使用敏捷开发

由于数据更改的算法修改是一个迭代和连续的过程，因此IT必须使其项目管理风格适应敏捷开发，而远离传统的瀑布式 IT项目管理。数据科学家已经理解了算法迭代修订的概念，因为数据发生了变化。在这种情况下，项目经理，无论是来自IT还是数据科学团队，都必须学习如何将传统IT项目管理的一些线性流程（如数据准备，回归测试和应用程序维护）与敏捷修订和插入相结合。数据算法随着改变它们的需要而出现。

来源于 TechRepublic 大数据观察通讯