存储预测分析数据可能很棘手：避免以下5个错误

1.未能创建充分利用云技术的数据基础架构和战略

未能使用云资源他们通常无法将不同的数据集整合起来进行实时分析。例如，在市场营销中，这种失败削弱了推动客户增长和获取的能力。

德勤咨询公司（Deloitte Consulting）德勤数字部门董事总经理兼谷歌营销平台联盟负责人托德·帕里斯（Todd Paris）表示：“没有利用云技术的数据基础架构和战略是各组织在存储预测性分析数据方面犯下的最大错误。”预测分析数据的价值最好是通过在云中连接数据集来实现的，这些数据集能够全面查看客户。”

帕里斯说，他认为各组织应该投资于一种能够使用云技术使一个安全、可靠、灵活的环境能够获得可操作的见解。

“在当前形势下，数据所有权至关重要，”他说。“随着围绕数据和隐私的法规不断增加，企业必须有一个战略来利用自己的见解来推动增长、个性化和开发预测分析更好地了解并向顾客推销

2.过早地实施数据管理工具而不首先建立数据存储策略

当具有预测分析存储的组织需要在规划之前进行跳跃时，数据很可能被错误地存储在整个组织的多个位置，从而导致数据错位、重复或衰减。

位于北卡罗来纳州卡里的分析软件提供商SAS的数据管理解决方案高级经理Kim Kaluba说：“这些‘坏数据’会导致分析过程和结果的混乱、混乱和不信任，并最终对公司的底线产生负面影响。”。

存储预测分析数据的更好方法是制定一种策略，该策略基于数据的保存人、保存内容、保存时间、保存地点、保存原因和保存方式。

卡鲁巴说：“组织需要证明为什么要存储这些数据。”。“数据必须对分析过程有目的和益处。”

接下来，说明数据存储的位置和方式。A.数据治理计划卡鲁巴说，将确保对存储的数据应用正确的值、准确的定义和精确的时间间隔。

最后，为所有数据规则、定义、可访问性因素和所有权建立一个单一的开放存储库。

卡鲁巴说：“存储库为数据和分析过程提供了透明度，这会带来信任，并使组织成为‘数据驱动’组织的精英。”。

3.低估业绩要求

存储预测分析数据的更好方法是制定一种策略，该策略基于数据的保存人、保存内容、保存时间、保存地点、保存原因和保存方式。

传统的非结构化存储系统通常是在假设只有一小部分文件数据在任何给定时间处于活动状态的情况下设计的。使用预测分析时，工作负载不仅增加了访问的数据量和性能要求，而且还增加了更多数据的创建和存储，进一步加重了系统负担。这也适用于中国机器学习深入学习。

马萨诸塞州米尔福德技术研究和咨询公司Enterprise Strategy Group的高级分析师斯科特·辛克莱（Scott Sinclair）说，选择一种设计用于提供高性能和规模的架构，同时控制基础设施成本。

“通常，但并非总是，这些解决方案具有以下特点：扩展架构他说：“能够在新硬件可用时快速集成新硬件。寻找能够提供高元数据性能的解决方案，并提供一套丰富的元数据工具和API，以支持您组织的数据安全和治理要求，同时支持您的分析团队快速定位正确数据的需要。”

4.假设预测分析数据的存储方式与源数据完全相同

数据分析公司FactGem（位于俄亥俄州哥伦布）的首席技术官克拉克·里奇（Clark Richey）说，重要的是要认识到，将数据用于预测分析的源系统通常是为运营业务目的而设计的。

他说：“现在我们将这些数据重新用于预测分析，我们必须考虑如何分析数据，并使用符合我们分析方法的数据存储机制。”

从分析问题开始。具体来说，最符合业务需求并满足预测分析需求的数据模型是什么？

“一旦你有了这个模型，就要确定什么样的数据存储机制适合这个模型，并最好地促进你需要执行的分析，”里奇解释道。“然后，出去收集源数据，并将其映射到你识别的存储系统中。”

5.未能正确保护存储的数据

位于佛罗里达州好莱坞的托管安全服务提供商MonsterCloud的创始人兼首席执行官佐哈尔·平哈西（Zohar Pinhasi）警告说，如果你在分析数据方面玩忽职守，锤子会重重地砸在你身上。

“你必须事先知道如何安全地存储这些信息，”他说，“如果不这样做，可能会对你的品牌造成不可弥补的损害，但也可能会让你受到巨额罚款，这要感谢GDPR法规在欧盟。”

如果要保护预测分析生成的数据，请始终对其进行加密。

Pinhasi说：“任何存储的预测性分析数据都需要保护，而且，你应该限制对关键员工的访问。”。