数据人员应该如何分配时间

[rumana777]

数据科学家经常抱怨，他们大部分时间都花在收集、清理和构建数据上，而不是寻找见解。数据人员使用的 (不) 著名的 80/20 规则表明，80% 的时间花在收集和准备上，只有 20% 的时间用于实际分析。

Gartner 似乎同意这一说法。根据他们的 2021 年报告，数据准备是主要投资领域之一。幸运的是，使用数据准备工具可以减少某些任务的自动化时间。我只能补充一点，这些工具必须基于 AI 才能显著影响性能。

其他数据科学家参考了George Labovitz 和 Yu Sang Chang 于 1992 年制定的1-10-100 规则。根据他们的说法，在输入记录时验证记录需要花费 1 美元，稍后清理和删除重复记录需要花费 10 美元，如果没有人注意到错误，则时间和资源的成本将达到 100 美元。

这是使用人工智能进行清理比自己编写 波斯尼亚和黑塞哥维那电报数据 算法更具成本效益的另一个理由。人工智能需要更长的时间来编写和执行任务，而且更容易出错。有时，编写正确的数据清理代码根本是不可能的。

您可以从业务数据中受益
有些企业认为他们无法从大数据中获益。这完全是错误的。

数据，尤其是纯净的数据，可以帮助各种类型的企业。我们可以从公司数据开始，这对于检查您的竞争对手和市场非常有用。与员工相关的公开专业数据对于您的人力资源部门选择新员工来说非常有价值。

别忘了您的销售部门。拥有必要的数据可能意味着从主动打电话到向准备购买的合适客户提供合适的选择。

如果这还不够的话，融资数据还能提供有关融资趋势的宝贵见解。它可以帮助您跟踪公司业绩、识别新融资企业并检查投资者的实际数量。简而言之，融资数据可让您在投资、潜在客户开发和市场研究方面做出更好的决策。

利用数据优化成本的四种方法
现在，你应该已经清楚，干净的数据比传统的原始数据有很多优势。但它究竟能帮你省钱吗？以下是我的四个例子。