各行各业是否希望了解如何利用数据？他们是否拥有所需的数据？
Ambuj Kathuria： 根据我的经验，大多数组织都在努力从其大数据平台投资中获得合理的投资回报率。这是因为在大数据项目启动之前缺乏商业案例的制定。在大多数情况下，大数据投资甚至与市场趋势无关，他们只是因为市场 企业电子邮件列表 趋势而投资。许多业务问题可以通过与合适的供应商合作，以“分析即服务”的方式得到解决，这样组织就可以专注于解决业务问题，而不必担心数据。与业务目标相符的正确数据战略和治理是当务之急。这就是为什么许多组织都要求首席数据官在所有数据投资中实现业务相关性，并获得合理的投资回报率。
基于行业或基于技术领域，数据科学面临的三大问题是什么？
Ambuj Kathuria:
- 数据准备技能：数据科学家面临的最大挑战是获取高质量的正确数据。数据分散在整个组织中，没有统一的视图。此外，非结构化数据或宏观经济数据中隐藏着许多洞察，当这些数据与企业数据结合时，可能会极大地改变结果。
- 数据可视化：数据科学家 长尾关键词的优势在于竞争较少 精通运用复杂的算法来预测洞察。但如何以规范直观的方式呈现这些信息，却是一个挑战。这可能是因为缺乏技能，也可能是因为组织使用的可视化工具与机器学习结果不兼容等等。
- 软技能：许多数据科学家在机器学习、统计学方面非常出色，但他们缺乏讲故事的能力，或方式传达他们的发现，以便企业能够轻松理解并快速做出决策。
行业对大数据的准备情况
除了Facebook、谷歌、雅虎等社交巨头之外，大数据是否正在其他行业成为现实？如果是，哪些行业正在向大数据分析的强大力量迈进？如果没有，那么应用前景如何？
Ambuj Kathuria： 正如我上面提到的，许多组织采用大数据平台只是因为这是新的常态或趋势。然而，他们中的大多数无法清晰地定义正确的商业案例，也无法量化其投资的正确投资回报率。
在挖掘社交数据方面，那些以消费者为中心的行业，或者说，采用 B2C 或 B2B2C 模式而非 B2B 模式的行业，将是大数据投资 首席执行官电子邮件列表 的主要受益者。然而，在 B2B 行业场景中，大数据投资也颇具成效。例如，制造企业通过安装在机器上的传感器生成海量数据。这些数据一旦被挖掘成洞察，就能提前预测到机器故障，从而节省数百万美元。因此，正确的商业案例与正确的数据和分析策略相结合至关重要。