top of page
大數據專案推進流程
流程圖
準備階段：需求調研
設計階段：專案規劃
流程圖
準備階段：需求調研
設計階段：專案規劃
專案實施流程圖
準備階段：需求調研
-
成熟度評估：根據客戶既有軟硬體設施及數據的客觀特性，評估是否足以支持大數據專案及後續應用。
-
資料收集+需求訪談：取得既有設施所收集的數據並透過訪談找出客戶的痛點。
-
定義問題和目標：根據數據將客戶的痛點轉化為大數據問題及想要達成的目標。
-
可行性評估：分析既有數據是否可解決上述問題並達成目標，過程中需要與客戶的領域專家合作，釐清各項客戶數據所代表的意義及合理性。
-
大數據專案評估報告：將準備階段的分析結果整理為報告。
設計階段：專案規劃
-
定義專案範圍：依據準備階段的評估報告，正式確認大數據專案的問題範圍及目標。若評估報告顯示當初的問題目標與數據的相關度不夠，則可能會更改專案目標，或增設軟硬體設施提高數據的解析度及廣度，以符合專案所需。
-
展開工作項目：根據專案範圍及目標，將問題及解決方法具體化。
-
實驗設計與視覺化規格：說明解決問題的手法及驗證方式，以及將專案成果開發為大數據應用的呈現方式。
-
查核點與產出：列出專案執行期間可具體產出的階段性成果及時間點。
-
預算評估：列出完成專案目標預計所需之人力成本及硬體成本。
-
專案計劃書：將規劃階段的內容整理為計劃書。
實現階段：專案開發
-
資料收集：依據專案計劃書所議定的專案範圍，收集大量資料。
-
資料前處理：分析上述數據是否有數據遺失或數據異常之類的問題，並進行相關處理，避免大數據模型對專案問題有錯誤的解讀。
-
變數分析與選擇：數據科學家會透過數據分析找出與專案問題相關的重要變數。過程中需要跟客戶的領域專家討論變數的選擇是否合理，以加快專案的進行，或提高專案成功的可能性。
-
模型建立與評估：依據數據及重要變數，使用不同的演算法建立模型並調整參數，以找到解決專案問題達到專案目標的最佳解決方法。
-
視覺化設計：依據計劃書所議定的視覺化規格開發模型的視覺化應用。
-
模型與視覺介面：產出符合專案目標的大數據模型及視覺化互動介面。
交付階段：專案實施
-
實驗環境建置：依據專案計劃書建置所需要的軟硬體設施，包括收集數據的物聯網、將數據導入大數據應用的相關系統，大數據模型及大數據應用的運作環境、...等等。
-
模型測試：將大數據模型及應用安裝於正式運作環境，並基於正式運作環境的數據測試模型效能是否達到專案目標，以及大數據應用是否正常運作。若模型效能不如預期，可能是正式運作環境的新數據包含目前模型未考量的新關鍵變數，則需要根據新數據回到前一階段調整模型。
-
效益評估：若一切運作正常，則可根據模型效能評估專案帶來的效益。
-
正式上線：將大數據模型及應用的輸入輸出與客戶既有流程進行整合。
-
專案結案報告：將專案的開發、驗證、實施、...整理為結案報告。
實現階段：專案開發
交付階段：專案實施
bottom of page