ماذا تفعل عندما تجعل التغييرات التي أدخلها كوفيد بياناتك عتيقة – قادة الفكر

对于人类来说，生活的不可预测性是一个存在主义问题。对于分析模型也是如此。像我们一样，算法试图通过概括过去的事件来预测未来。历史越随机，我们都越难以从混乱中创造出一种模式。

一个月前，我们认为COVID可能已经结束。现在，随着德尔塔变种的出现，经济正处于开放和关闭之间的奇怪舞蹈。如果我们想知道接下来会发生什么——比如，如果我们将过去一年半的总结和预测模型一起输入——它很可能会告诉我们，我们正朝着另一个封锁走去。

数据，就像食物或时尚趋势一样，会过期。如果您只为模型提供有限的历史数据，它们就无法准确地描述当前市场的情况，更不用说明天会发生什么。

当日常生活的现实每周甚至每天都发生变化时，您需要不断用新的数据资产和新的维度来刷新您的模型，这些维度可以提供对当前背景的洞察。

当现实变化时，您需要跟着变化

每一次公共安全指南的波动都引发了消费者行为的显著转变。不幸的是，每一次消费者行为的转变都使得组织的分析模型的大部分变得过时。

现在，思考一下那些在不断变化中仍然保持和甚至发展了业务的公司。它们迅速采取行动，找到能够让它们洞察客户不断变化的习惯的正确数据集。那些试图坚持使用相同的旧数据源的公司，即使世界已经完全改变，也失去了市场份额。

零售行业，例如，在疫情开始时不得不接受向在线购物的巨大转变，包括线上线下组合交易（如路边取货）的复杂性，以及随着COVID限制的解除，线下体验的复兴。

精明的零售公司寻找替代的数据源，以便在每一步都能提供适当的背景。首先，他们寻找与COVID相关的数据集——包括CDC关于疾病传播的数据——来调整他们的销售预测模型。然后，他们审查了人流量与在线流量，以确定他们的重新开放方法。随着疫情的持续，零售公司检查了销售和信用卡支出数据与人口统计属性，以了解他们的典型客户资料如何变化。

数据劣化的似曾相识

尽管我们都期待着重开（无论何时），这种戏剧性的社会变化预示着与第一次全球停摆类似的结果。那些使用与疫情时代市场相关的数据集训练其分析模型的组织将再次需要寻找新的数据源。

但与第一次封锁不同，这次我们有机会为即将到来的重大变化做好准备。我们知道我们需要找到替代的数据源，并创建能够理解新现实的模型。

那么，当你知道你的数据会过期时，你应该做什么？首先，寻找扩大数据源的方法，超越你的历史数据。具有最强分析程序的组织将数据采集视为与客户采集一样——他们建立了一种可扩展的方法，持续发现、审查和集成新的数据资产。这种方法分为三个部分：人员、系统和流程，按此顺序。

人员

有很多数据源。您如何知道您使用的数据源是有效的？您如何知道您缺少什么？通过建立一个专门用于获取正确数据的团队，与供应商合作，并管理自己的数据资产。需要招聘的角色包括数据采集负责人、数据架构师、数据策略师和数据科学家。

系统

记得有些公司在转向远程工作时苦于没有集中式IT支持吗？这是我们在分析模型方面仍需要被提醒的教训。我见过大公司在不同阶段多次购买和集成相同的数据。一个集中式的位置是必要的，在那里不同部门的业务可以在进入组织的数据集上进行合作。

更重要的是，您的数据采集生态系统应该允许您在各种数据上迭代，并加速您的产品生命周期、测试和业务计划。您应该能够在几天内不仅能够编目新的数据源，还能将它们部署到生产环境中。当现实变化如此之快时，时间就是一切。

流程

说到时间，如果您的组织需要两个或三个月来检查一个单一的数据源（更不用说集成它），那就是您没有很好地准备好吸收新数据的迹象。为数据采集的生命周期创建一个工作流，从测试到购买再到集成。这个过程应该涉及IT、采购、法律、合规和安全等多个部门的合作，以便每个团队都能解决各自的数据源问题。

结论

明智的数据领导者知道数据源是对市场条件做出快速反应的竞争优势。一旦您投资了数据采集策略，无论我们是否重新进入封锁或快速反弹，您都将准备好在任何重大干扰中站稳脚跟。