
数据分析:利用短期的成效,创造长久的价值
大多数企业对于什么是“数据分析”都还不是很清楚,更谈不上运用“数据分析”来创造价值。简而言之,业务分析的价值在于其改善绩效的能力。随着内部客户认识到其信息的价值,对于海量累积数据的访问需求也随之增加。与此同时,与之相关的安全和管理问题也以几乎同样的速度增长。
尽管许多企业的数据分析项目是由CIO主导的,但项目的合作者也注意到,当企业从“具体的业务问题”入手时,最终会有更多收获。快速解决一些问题,获得可量化的结果,有助于建立一种最终可渗透到整个企业的数据管理实践。
巴思和比恩在接受《麻省理工学院斯隆管理评论》执行主编基朗(Da vid Kiron)的采记时,谈到了管理政策与架构的重要性、文化对新举措的成功所发挥的作用以及许多企业通过数据分析创新而正在实现的长远价值。
数据分析技术的状况
与目前相比,你们对 2000年数据分析技术的状况作何评价?
巴思: 2000年我们公司刚刚创立时,人们都想对业务获得更多的了解,却没有多少人注重分析或数据。即使在大公司,各业务单位各自为政、互不干涉的现象也很普遍。人们并未广泛认识到,数据是企业资产,但如果未能妥善进行管理,数据也会带来潜在的麻烦。
在过去的十年间,各公司逐渐认识到,数据是一项长期且带来竞争力的专属资产。保障数据安全成为重中之重。
不利之处在于如今的系统和数据环境远比十年前复杂。在信息技术、应用程序和系统方面的所有投入意味着数据被更多地复制,同时也意味着跨系统和业务流程的数据之间也存在着不一致。而与此同时,访问数据以及充分利用数据的需求也愈发紧迫。
多重拷贝或冗余是如何导致风险增加的?
巴思:数据的问题在与其本身可以非常容易地被拷贝并存储于多个地点。今天,我们的计算机系统无法对数据流向进行很好的记录和追踪。在为某位客户服务时,我们发现有超过500个桌面数据库(Excel和Access等同类型应用程序)存储了机密或敏感信息。如果信息在这样一个毫无架构可言的环境中被复制了如此多次后,企业就很难对之进行管控。此外,如果你无法充分掌握数据的分布和流向,要想尝试降低数据风险,是需要付出巨大代价的。
数据和分析的业务价值
你们通过数据和分析发现了何种业务价值?
巴思:运用数据并对之加以分析能为企业带来的其中一个主要益处,是它能够提高流程效率。举例来说,如果你能对你的网络客户进行验证并为其提供信息让他们自行交易,你就不需要让你自己的员工来替客户完成这些工作了。
在开发产品和服务时,你可以对数据进行更多创新。你能够看到某些规律,从而对你所要推出的产品或服务进行设置和个性化定制。另外,你还可以将其整合为自动化的定制流程,推出竞争者难望项背的产品和服务。
我们一位金融服务客户使用与市场和各种不同采购方式相关的数据,进行整合,并在此基础上提供商业咨询服务。该客户可帮助企业在不同的市场中进行门店布局优化和选址等工作。他们不认为自己是一家提供数据或业务分析的公司,事实上,他们利用搜集到的此类信息进行创新,并向市场推出新产品。
公司进行数据分析通常是为了获得竞争优势,还是为了改善内部流程?抑或二者兼而有之?
巴思:这取决于市场环境。2008年,所有人都在探讨提高流程效率和削减成本。而如果这个时候你已经处在增长趋势之中,你必然会寻求扩大自己的竞争优势,这也就是我们刚才所提到的那种创新。
比恩:例如,互联网提高了客户的期望,他们认为自己在打进电话或登录网站时应当获得更多个性化服务。客户期望网站能够识别其身份,不需要浪费时间重新输入信息或再次看到他们已经多次拒绝过的邀请。在满足或超越客户对于个性化服务的期望方面,这肯定就成为企业的竞争优势。
在企业里,通常由谁来推动此类项目,是首席信息官吗?
比恩:是的。是否有实力强大的业务发起人的加入正是决定项目是否成功的最大因素。纯粹的技术性方案通常会以失败告终,因为业务部门看不透这类方案对公司的营收和利润有何贡献。而将信息视为公司核心动力的业务发起人能够在企业内获得广泛支持。
巴思:一般而言,当企业最高层直接指定一名掌管数据的“老大”,然后自上而下地推行方案时,结果往往不那么令人满意。对大型企业而言,这是一项崭新的实践,企业需要消化的信息实在是太多了,所以最好是从中层开始着手实施。从实际存在且并不难解决的业务问题开始着手,是逐步建立一个最终能影响整个企业的数据管理实践的良好开端。
企业文化的作用
文化能发挥什么作用?
巴思:企业文化可能成为运用信息和数据分析的巨大障碍。有时候,高管或经理们并不真心希望人们清楚地看到一些数据,因此这些数据会暴露流程的运作方式或当前状况。对运营方式的过度透明是存在风险的。
制定健全的数据战略和数据生态系统时,报酬也是一大阻碍。因为如果每个人都由各自的部门支付报酬,那么就必须使许多部门都认可共享数据资产的价值。如果大家无法达成共识,那么你就会使数据环境支离破碎并受到破坏。
比恩:在大多数企业中,数据是由特定的独立部门(或者业务线)产生的,这些部门的员工都是通过实现非常具体的业务目标而获得奖励或者取得事业上的成功。然而,当我们在整个企业范围内运用数据和信息并将其视为企业共享财产的时候,它们的价值才得以最大体现。在整个企业范围内推行项目需要组织各层级业务相关人的合作,你要使所有人齐心协力去推行新的行事方式,这一方式将不同于他们过去所接受的工作指示、获得奖酬的方式以及绩效评估的方式。
在大多数公司中,数据管理项目和数据战略所涉及的不只是技术和业务问题,还有变革管理方面的问题。
你会告诉企业如何着手?你在培养更强的数据采集能力这件事上怎么看?
巴思:首先,找出在短期的未来我们要实施的举措。即我们应当实行哪些战略?这些战略会给业务带来什么影响?其次,信息和数据分析如何为其提供支持或让其得以实现?在你深挖出越来越多细节的同时,你就会找到我们所说的关键数据元素,这对于实施业务变革非常重要。
举例来说,如果你希望增加网上自助服务,那么你除了需要能够在网上识别出客户的身份外,还需要在他造访某办事处或呼叫中心时识别出其身份。并且,你希望能够识别出他是同一个人,只是以不同的角色出现。
你会发现如需支持这个新的个性化流程,有二十多个数据元素最为关键。你需要进行逆推以确认数据的来源。你可以成立一个专门行动小组来帮助自己构建一个流程的原型,该原型在未来将成为你长期业务流程的一个重要组成部分。在你需要发现更多关键数据元素的时候,你就可以不断重复运用这样的流程。
比恩:我们通常会建议企业在一开始的时候要集中精力,迅速取得一些进展以证明方案值得企业去投入时间和成本。随着项目不断取得进展,也就会凝聚更多的动力,赢得组织的支持,并且其益处也能得到更广泛的认知。
如果这种益处也伴随着企业可能面临的风险,那么谁能更全面地衡量企业得失,看到其中的机遇?
巴思:CIO 通常能够首先认识到这种方案能给多个职能部门带来益处。他们身处核心职能部门,能够看到大量信息和常用技术。他们了解基础架构,并且通常很注重对基础设施环境进行重复使用、利用和简化。
这种方案需要来自最高层的支持。CIO 需要接触其他最高层的管理人员以及业务合作伙伴,以获取他们的支持。
变革会遇到的困难
企业会遇到哪些困难?
巴思:因为这些是跨企业的方案,其推动者通常是那些充当变革催化剂的“空降兵”,他们与长期在位的业务高管形成对比。这些新人的到来,就是为了要打破企业的既有结构,改变过去的模式,将企业引入到决策者认为未来它应该走的轨道上。
在最初几年,你当然需要全力推动变革的人。你需要能够打破现状的人,需要防止你的数据环境和数据分析能力受到破坏;你需要一个目标明确的人,他会带领前进的方向。
通常,充当变革催化剂的人在初期会遭遇阻力。人们不相信这次的变革会与上一次有什么不一样;他们会认为自己的情况是与众不同的;他们会认为太难了。人们可能会说,“我要走人了”,“我不需要分享我的数据”,“我不需要你们的数据,我会自己找”。企业需要了解如何围绕共享资产建立一个决策机制,让每个人都管理并重视这一共享资产。因此,需要在项目的早期制定个性化的、具体的激励措施去引导员工参与。
你们还看到了哪些阻碍?
比恩:在多种不同的情况下,我们都看到过由高层发起的企业数据方案在历时一年或一年半之后却半途而废。这种情况往往是由于高管层的人事变动而引起的。有时是由于经济和商业环境的变动迫使企业管理层立即做出反应,对所有在短期内无助于成本控制和股市表现的项目决定撤回资金或终止资金投入。
这也是为什么我们都坚持应当展示在短期内获得的成果,从而为方案的继续推进赢得资金支持。缩小变革规模,试着让其变得可以管理、能被认可,并向人们展示可见的成果,然后不断重复这一过程,使你的能力持续增强。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11