要实现大数据分析项目的最佳实践并非易事。正因如此，Gartner研究总监Svetlana Sicular题为“大数据7大失败案例”的报告吸引了思科工程师Karen Liu的注意。

“我们正处于开始阶段，想了解下其他人正在做什么，有哪些成功案例。”Liu说：“而所有的失败案例，，也是我们必须学习并加以警惕的。”

很多人有着和Liu一样的想法。Family Dollar Stores Inc.(美国知名折扣零售商，总部位于北卡罗来纳的夏洛特，最近刚被另一家折扣连锁店Dollar Tree Inc.收购)的企业架构总监David Kropman也基于同样原因参加了这次会议。“我们刚开始大数据的探索，想了解正确的应用场景，同时防止自己重蹈其他公司的覆辙。”Kropman表示。

Sicular的报告给出了足够明晰的信息，可以让Kropman和Liu回去分享给各自的团队，避免犯同样的错误。Kropman说：“大数据项目的失败不单单是因为某个原因，而是由多个因素一起导致的。”

对于大数据项目的失败，Sicular总结出7个主要原因，并划分为三个大类：战略、技能和分析。

   战略方面的失败

1.组织惰性。

某家旅游公司系统通过web日志数据的挖掘来提升客户洞察。结果证明，用户在浏览网站之后，随后的消费行为模式与管理层所认为的不一致。当团队汇报此事时，管理层认为不值一提。但是，该团队并没有放弃，并通过严密的A/B测试，回击了管理层的轻视。

这个案例的最终结果，不是每个CIO都能期盼的。但是，有一点是可以确定的：做好和管理层打交道的准备，让他们充分理解大数据是什么以及相应的价值。要说对CIO们有什么建议的话，Sicular认为，不要在失败的项目上过多纠缠，重新启动一个新的。

2.选择了错误的应用场景。

一家保险公司想了解日常习惯和购买生命保险意愿之间的关联性。由于随后觉得习惯太过于宽泛，该公司将调查范畴限定到是否吸烟上。但是，工作仍然没有实质进展。“不到半年，他们就终止了整个项目，因为一直未能发现任何有价值的信息。”Sicular说。

这个项目的失败是由于问题的复杂性。在抽烟与否之间，该公司没有注意到还有大片灰色地带：很多人是先抽烟而后又戒烟了。在将问题简单化动机的驱动下，这个部分被忽略了。“他们不是医疗健康方面的专家。”Sicular分析到。为此，她提醒听众要对应用案例排定优先级，先易后难，循序渐进。

技术层面的失败

1.无法应对料想之外的问题。

一家全球性公司的大数据团队发现了很多深刻的洞察，并且计划通过云让全公司共享。“为此，他们启动了一个云中的项目。”Sicular说。

Sicular认为，这样做是有风险的 – 一个在受控的定制环境中获得成功的项目，未必能适应于生产环境中。“这个团队低估了效率方面的损耗。由于网络拥塞的问题，无法满足全球各个分支顺畅提交数据运行分析的需求。”Sicular分析说。

该公司应该仔细思考下如何支撑大数据项目，梳理所需的技能并协调各IT分支的力量进行支持。“由于网络、安全或基础设施的问题，已经有太多的大数据项目栽了跟头。你必须事先想清楚，需要哪些方面的人手加入到项目中来。”Sicular表示。

2.缺乏大数据分析技能。

一家零售公司的首席执行官不认同亚马逊规模化、扁平化的服务模式，因此让CIO构建一个客户推荐引擎。项目最初的规划是半年为期，但是团队很快认识到诸如协同过滤(collaborative filtering)之类的概念无法实现。为此，一个团队成员提出做一个“假的推荐引擎”，把床单作为唯一的推荐产品。

这个假引擎的工作逻辑是：买搅拌机的人会买床单，买野营书籍的人会买床单，买书的人会买床单。就是如此，床单是唯一的、默认的推荐品。

尽管可笑，这个主意其实并不坏，默认的推荐也能给企业带来销售上的提升。但是，由于大数据相关技能的缺失，真正意义上的引擎未能实现。Sicular表示，这是需要很长时间探索和积累的。尽管过程曲折而漫长，不过不用担心，大数据的推进是有明确阶段划分的，对CIO们来说可以有针对性地加以应对。这些阶段包括：