數據分析前沿的觀點

在一個罕見的數據分析領導者聚會中，各類新的解決方案漸漸浮出水面，這些方案旨在解決人才，組織和前沿採用等一系列難題。
做者：Brad Brown 來源：企業網D1Net|2020-08-04 10:01
收藏
分享
去年10月，來自數據分析領域的先進企業的八位高管就本身所面臨的最大難題發表了見解。他們都是公司中負責數據分析工做的最高管理人員，其中包括美國國際集團(AIG)、美國運通、三星移動、西門子醫療，TD Bank和沃爾瑪。他們的背景各不相同，首席信息官、首席數據官、首席營銷官、首席風險官和首席科學官都參加了該會議。咱們經過事先詢問他們各自所面臨的緊迫問題來展開討論。

對於這些高管，最重要的五個問題是：
• 數據和分析是否被過分炒做?
• 隱私問題是否威脅到發展?
• 人才招聘是否在減緩戰略?
• 哪一種組織模型效果最好?
• 確保採用的最佳方法是什麼?
如下是討論的彙總。

1. 數據和分析並無被過分炒做，但它們被過渡簡化了
   與會者一致認爲高管的指望是一個實實在在的問題。大數據分析正在給組織帶來經濟影響，但高管得到收益的但願每每與前沿應用程序的實際狀況脫節。不可避免的難題使他們措手不及並迅速產生了懷疑。
   一位與會者指出，對應用的關注有助於公司擺脫「鳥瞰的視角」，在這個視角里「一切看起來並沒有不一樣」。數據分析能在何處提升績效，如何提升績效，這種實際狀況因公司和行業而異。
   面向客戶的活動。在某些行業中(例如電信)，這是絕佳機會所在之處。在這裏，當公司將重點放在優化分析模型上，這些模型可優化整個消費者生命週期中的服務訂價，經過預測產品促銷最有效的領域並肯定留住客戶的策略來最大限度利用營銷支出。
   內部應用程序。在其它行業(例如運輸服務)中，模型將專一於流程效率。例如，優化路線或根據工做人員的可用性和需求的變化來調度人員。
   混合應用程序。其它行業則須要在以上二者之間取得平衡。例如，零售商能夠利用數據來影響客戶作出「下一個要購買的產品」的決策並優化新店選址或籌劃流經供應鏈的產品流。一樣，保險公司但願預測有助於擴展產品線並評估投資組合風險的新興領域。明智地肯定工做的輕重緩急並切實解決各類相關難題，這是數據分析策略得到成功的關鍵所在。
   公司須要從兩個角度進行運營：快速取得成果以增長動力，同時關注長期的，具備突破性意義的應用程序。儘管一位高管指出，「咱們會仔細衡量近期影響並圍繞這些結果來造成內部意見」，但人們仍然堅信整個過程跨越了多個領域。一位與會者說：「咱們看到的只是冰山一角」。許多人認爲，真正的價值在於從新構想現有業務或根據公司擁有的數據開展全新業務。
   新機會將不斷到來。例如，與會者漸漸意識到這樣的可能性——利用不斷膨脹的外部數據(有時稱爲開放數據)並將其與現有的專有數據結合起來以改善模型和業務成果。對衝基金最先開始利用大量新近得到的政府數據，它將這些信息與股價走勢相關聯，從而發現各類短時間的投資機會。作長期投資的公司須要爲開放的數據制定不一樣的規則，但鮮有與會者懷疑此舉的價值。
2. 必須解決隱私問題，讓消費者擁有控制權大有裨益
   在有關大數據的公共討論中，隱私已成爲不可談及的禁忌，由於媒體已經正確地指出了某些數據收集方法中的過分行爲。難怪消費者愈來愈警戒了(但B2B領域對數據的關注度彷佛較小)。另外一方面，數據分析漸漸爲消費者(更不用說公司和政府)帶來了一系列好處，例如獲得了改善的醫療效果，精準反映消費者喜愛的新產品或因自定義信息的能力加強而產生的更有用且更重要的數字體驗。這些好處必然取決於收集，存儲和分析描述真實人物的大型的粒度數據集。
   咱們的分析領導者一致認爲，將更多的信息控制權交給消費者並創建起他們的信任，這纔是正確的發展方向。
   選擇加入模型。第一步是使消費者能夠選擇是否能夠收集，共享和使用其數據。例如，數據聚合商Acxiom最近發佈了一個網站(aboutthedata .com)，該網站使消費者能夠對公司收集的有關他們的數據的分發進行評估，編輯和限制。例如，消費者能夠選擇限制以精準投放網絡廣告爲目的的數據共享。他們控制着目標廣告(但私密性較低)和非目標廣告(潛在價值較低)之間的權衡。
   公司行爲。咱們的小組成員認爲，在數據收集領域裏，各大公司的動機都是善良的，各大組織也將十分負責任地採起行動。可是它們必須不斷贏得這種信任。從單個隱私違規或錯誤判斷中恢復可能須要數年時間。創建內部實踐以增強良好的數據管理能力，同時讓客戶知道數據分析的好處，這一點相當重要。用一位與會者的話來講就是：「消費者會信任那些忠於價值主張的公司。若是咱們專一於實現這一目標，那麼消費者將十分欣慰。若是咱們偏離了方向，那咱們就有麻煩了。」
3. 人才的缺少正在催生各類創新方法，但人們還須要更多方法
   人才短缺是個熱門話題。這可不只僅是IT專業人員和分析專業人員的短缺。即便那些漸漸經過創意十足的招聘和薪酬策略來解決技能缺口的公司也發現本身在另外一個領域缺人：他們須要更多的「翻譯人員」，即將IT與數據，分析和業務決策的學科聯繫起來的人。這些翻譯人員能夠將IT，分析和業務部門的團隊聯繫起來，同時推進總體數據分析策略的設計和執行。若是沒有這樣的員工，新數據策略、工具和方法(無論它們有多先進)都不會產生使人滿意的影響。
   可是，這樣的兼纔是不多見的。更有可能發生的情景是，公司能找到將三個所需技能中的兩個相結合的我的。數據戰略師將IT知識和制定業務決策的經驗結合在一塊兒，所以他們很是適合爲高價值的業務分析明確各類數據要求。數據科學家將深厚的分析專業知識與IT知識相結合，以開發各類複雜的模型和算法。分析顧問將實用的業務知識與分析經驗相結合，以專一於影響力巨大的分析商機。
   與會者廣泛認爲，常見的人才來源(一流大學和MBA課程)愈來愈不足。不多有公司開發出培養具有多項技能的人所需的課程。爲了彌補這種缺口並使更多的人紮根於各類業務技能和定量技能，有些公司正在從先進的互聯網公司挖數據科學家。而另外一些公司則採用離岸外包的方法。
   要管理並留住這些特殊人員就要求思惟方式和文化方面的變革。工做一：提供激發人們研究各類新方法和洞察的空間和自由。一位高管在描述公司爲創新提供更多自由的努力時指出：「有時，你極可能並不確切知道他們(數據科學家)會發現什麼」。(到目前爲止，這些努力正在留住更多人才)。另外一個優先事項：建立一個充滿活力的環境，使頂尖人才認爲本身處於技術變革和新興最佳實踐的最前沿。促進與數據分析生態系統(包括風險投資家，分析初創公司和成熟的分析供應商)的互動是十分有用的。
4. 你須要卓越中心而且要不斷髮展
   爲了促進分析工做，幾乎全部的公司都在使用卓越中心，卓越中心與企業一塊兒快速開發和部署分析。卓越中心一般包含數據科學家，業務專家和工具開發人員。公司之因此創建這些中心，部分緣由在於企業領導者須要幫助。卓越中心還加強了上述稀缺的翻譯人員對整個組織的影響。卓越中心甚至有助於吸引和留住人才：在最佳狀態下，這些中心是學習和創新的溫牀，因爲團隊會共享一系列想法，如怎樣構建可靠的數據集，怎樣建立強大的模型並將其轉化爲有價值的業務工具，所以，卓越中心是學習和創新的溫牀。
   與會者一致認爲，只有在這種狀況下才值得建立卓越中心——你使卓越中心成爲公司的一部分，在這裏，數據分析資產或功能可能會產生重大戰略影響。對某些公司來講，這其實就是IT。對另外一些公司來講，這其實就是營銷和銷售或大型業務部門。例如，有一家公司的分析議程致力於利用一系列跨多個業務和職能的核心交易數據。在這個例子中，卓越中心在IT內部利用其對該核心數據集的深入瞭解以及其做爲跨業務共享功能所發揮的做用。
   這些中心的目標必須是成功地在整個組織內創建數據分析功能，以便它們可以應對各類愈來愈耗時的優先事項。一位高管認爲，隨着企業不斷加強分析能力，卓越中心將愈來愈多地致力於相似於複雜研發的長期項目，它們將重點放在分析創新和各類突破性洞察上。
5. 刺激採用的兩條途徑——不管哪一種都須要投資對許多領導者而言，前沿採用是最重要的問題。讓管理者和個體貢獻者有的放矢且熱情洋溢地使用新工具是很難的。咱們在另外一篇文章有寫過這樣的內容，公司根本沒有投入足夠的時間或金錢來開發結合了智能，直觀設計和強大功能的殺手級應用程序。可是，與會者發現了兩條致使普遍採用的明確途徑。• 自動化。刺激採用的一種途徑對相對簡單且重複的分析十分管用：建立可快速推出而無需什麼培訓的直觀的最終用戶界面。例如，智能手機或平板電腦上的移動應用程序可能使品牌管理者當即瞭解銷量和銷售趨勢，市場份額以及平均價格。這些工具已成爲平常決策流程的一部分，它們有助於管理者弄清楚以何種強度推廣產品，什麼時候有必要爲了與競爭對手角逐而在訂價上作策略性調整，或者最終從何處開始推銷新產品。一位高管表示，使用這類簡單工具「幾乎不須要培訓」。只要它們「清晰明白，設計合理，具有過硬的可視化質量，那麼最終用戶就會發現這些工具。」• 培訓。第二條途徑要求在培訓上投入大量資金，從而爲更復雜的分析提供支持。不妨考慮使用一種用於承銷中小型企業貸款的工具。該工具結合了承銷商的知識和模型的強大功能，這些知識和模型使承銷商的判斷高度一致，從而明確風險並最大程度地減小誤差。可是，承銷商須要接受培訓，以此來了解該模型適用於承銷流程的哪一個地方以及如何將模型和工具所帶來的真知灼見歸入到他們本身的客戶特徵和業務優先事項方面的經驗中。不管選擇哪一種方式都必須從試點工做開始，從明確的規則開始，從而決定到底要不要作出這樣的轉變——從探索性分析轉向全面實施。某些模型最終並無足夠的預測性來造成所需的影響;最好將這些模型擱置起來，以避免它們成爲投資陷阱並破壞組織對分析的信心。高管們必須願意「停頓」並向組織發出這樣的提醒，即某些分析計劃雖然未能成功實施，但這並無什麼好擔憂的。實際上，這就是爲何要貫徹多個計劃。形形色色的成功案例和刻板的決策造成了一種氛圍，在這種氛圍裏，各個業務部門，各類職能，衆多高管和一線員工都接受了這樣一個事實，即數據分析是有可能發生轉型的。【責任編輯：趙寧寧 TEL：（010）68476606】