10.4　在创新分析中使用迭代方法

为了进行创新分析和探索大数据，使用一些不同的迭代方法是必要的，它们能更好地帮助达成目标。这些方法强调合作和灵活性。一个思路是，使一个小团队每天在一起工作，以弄清楚如何让一个想法变成现实。这个团队致力于解决那些突然出现的问题，能够根据需求灵活地改变方向、推进工作。对于一种允许创新的方法，它需要能够对反馈进行评估以便做出修正，同时能够坚持预定的计划。如果需要做出改变，但是偏离最初的计划也合理，那么这就是创新分析。

例如，一个团队开始分析一个新的大数据源。在数据内容和结构中肯定会遇到没被预料到的问题。一旦发现这些问题，团队应根据需要对计划做出调整。工作的着眼点在于，获取某种状态下的数据使其可以用于分析，而不是死板地坚持最初的计划。也有一些指标不太合理，但其他的指标已经被验证是可行的。那么，分析团队需要做出适当的改变。如果在第一阶段的最后，数据的状态已经可以用于后续的分析，那就成功了，而不用关注成功的具体步骤。

为了在准备好数据之后继续向成功迈进，需要着眼于快速构建工作原型。分析团队的目标是得到一个能证明某个想法可行的东西。原型需要有足够多的细节，以便企业认真地实施该想法时，人们可以从整体上理解该想法可能的目的。回到我们的例子，最开始使用数据的时候没必要进行完美的分析。初始的分析不需要很严谨，但初始的工作需要做得足够扎实才能体现出该方法的优点，以后有足够多的时间使分析的过程变得更加严谨。在人们认为该方法具有优点之前，不要在严谨方面花太多时间。快速的原型可以使人们接受该方法。

所有这一切的关键是短小的迭代周期和分而治之的思想。这样设计的原因是由于两个方面，一方面是可以不断地显示进展，另一方面是过程中还存在一些不确定性。每次解决一点问题有助于更方便地解决不确定性问题，也能够更好地掌握在每个步骤中了解到的新东西。

灵活一些

探索分析的创新想法时，不可能总是100％地理解所有内容。制订计划时不用面面俱到，项目组在起步阶段不可能解决了所有问题。因此使用一种迭代的、灵活的方法探索创新的想法非常关键。在获得更多的信息之后，可以对计划进行调整，在这个过程中也能得到一些乐趣。

在我们的例子中，分析专家对大数据进行挖掘时需要非常灵活。那些数据可能不像我们所希望的那么干净，也不像我们所期待的那么完整。这些数据可能也没有达到计划中的预期价值。这都没关系。一旦分析专家就位并开始研究数据了，他们可能会认识到计划中的几个后续步骤并不完全正确。如果他们使用的是一种灵活的、迭代的方法，并且没有死板地按照最初的项目计划开展工作，那么他们随时可以调整计划并继续前进。只要团队知道分析努力的目标和他们试图证明的结果，他们就可以确保调整后一切都能步入正轨。