?? ? ??數據是數字化時代的石油！一個公司如果能夠將信息資產商業化以獲得更好的洞察力，并知道如何在其業務流程中利用這一點，在市場上表現一定不會差。然而，在數據經濟中利用數據取得成功并不容易。據Gartner研究，60%的大數據項目在試點階段之后將無法生存，66%的企業不知道如何真正從大數據中獲取價值，90%的大數據基礎設施和數據湖無法提供所需的性能。

? ? ??本文探討了為什么企業需要成為數據驅動型企業；企業如何開始這一變革之旅，將數據和分析置于其戰略的核心，并在工作中形成獨特的能力和價值鏈。本文大綱如下： 企業為什么需要數據分析驅動？ 企業再造 卓越運營 客戶體驗 信任與合規 成為數據分析驅動型企業 正確的領導 正確的戰略 正確的文化 正確的能力和治理 正確的技能和能力 正確的數據 正確的技術 正確的流程和績效管理 安全合規 數據驅動，創新之旅 企業應如何開始其分析之旅

分析成熟度

? ? ??— 01—?企業為什么需要數據分析驅動？

? ? ??數字化時代，各種數據的產生，獲取并加以利用，來支持以往通過直覺做出的決策。事實上，許多企業已經將其技術的使用從管理工具轉變為關鍵的戰略成功因素。比如當今零售企業通過社交，電商等渠道監控和評估其在線社區，以發現客戶趨勢。制造業公司有可能在其生產設施中安裝傳感器，以監控其生產力狀況。 在過去幾年中，許多企業見證了前所未有的數據量爆炸，此外，不僅在其業務的各個領域越來越需要基于證據的決策，而且還需要響應法規遵從性的要求。 越來越多的企業已經開始將這些數據轉化為可用的信息和可操作的見解，并取得了明顯的成功。數據驅動為企業創造價值和實現競爭優勢提供了一個全新的機會，不僅了解客戶的趨勢和特征，還能識別出與競爭對手差異化的因素。但由于企業不可能僅通過其產品來實現自身的差異化，因此業務流程是最后剩下的差異化重點領域之一；通過對數據的收集與分析使用，企業正在發現并處理其業務中可以產生價值的所有角落。

? ? ??1、企業再造?

? ? ??案例1：某國際通信公司通過利用客戶移動信息徹底改造了其業務。它們用客戶的信息以及客戶在某些特定領域的參與和活動，將這些豐富的見解銷售給其他方，如購物中心、體育場業主和廣告牌公司，從而將其變現。?

? ? ??案例2：某國際醫療保健公司通過向保險公司出售客戶未來醫療支出風險最大的預測模型，并幫助保險公司基于這些洞察主動減少客戶醫療支出，創造出了新業務。模型是通過將客戶的健康信息與客戶的人口統計、索賠和醫療處方相結合而創建的。這項新業務最終促成了一個獨立的企業，其年收入達到250億美元。?

? ? ??案例3：某領先的食品服務提供商通過向餐廳和供應商提供食品術語、菜單項、配料的實時趨勢，從而創造出了一項新業務。他們將餐飲服務提供商、餐廳評論網站、食品術語、菜單項等數據結合，幫助餐廳根據地理位置、餐廳類型、食材等信息，快速幫助餐廳更新菜單，提供個性化菜單。?

? ? ??2、卓越運營?

? ? ??案例1：某銅礦企業，投資于重型機械，挖掘包括金屬和礦石在內的寶貴材料，成為世界上最賺錢的礦山之一。破碎機對采礦業至關重要，但其備件難以供應、訂購和生產。此外，如果一臺破碎機意外出現故障，其主要維修單位在備件交付方面會有很長時間的等待，這對銅礦的收入有著明顯的影響。 因此，企業迫切需要預測備件故障的能力。將破碎機配備高靈敏度傳感器，用于測量鉆孔速度、破碎機振動量以及其他參數，如破碎機元件上的壓力量。每天，每個破碎機的測量（數據）都被收集到分析平臺中。維護工人和分析員分析這些測量值，以預測故障概率，并通知到破碎機附近的維護單位，后續采取行動。通過這種方式，企業能夠主動調整維護間隔，并有效地提供相關的機器零件。?

? ? ??案例2：某領先的航空公司通過收集雷達網絡數據、天氣、航班時刻表和其他因素的公開可用數據，建立了一個預測模型，更好地預測航空延誤和空域性能，提高地面人員調度效率和飛機吞吐量，節省了數千萬美元。

? ? ??案例3：某能源供應商通過對客戶的人口統計、歷史記錄和支付行為進行預測分析，預測未來的未付款情況，并通過提前沖銷和減少服務中斷，并根據預測對結果采取了處理與跟蹤，從而實現財務管理的階躍變化。實現了凈儲蓄增加了700%。?

? ? ??案例4：某國際物流供應商通過使用燃油優化的模型，通過確定駕駛員應停車加油的最佳位置，大幅降低了運營成本。他們在所有的卡車和集裝箱中放置傳感器，以監控位置、駕駛行為、燃油油位以及集裝箱是否裝載或清空，并將這些數據與沿途的燃油價格相結合。這有助于他們確定卡車司機停車的最佳位置，并降低加油成本。

? ? ??3、客戶體驗

? ? ??案例1：某大型健康保險機構通過評估其客戶的滿意度，將其工作目標定位于改善客戶體驗。他們將客戶數據與非語音記錄數據分析相結合，分析客戶滿意度和用戶流失。為了做到這一點，他們利用自然語言處理（NLP）將語音記錄文件轉換成可以分析的文本。 在創建的文本中，他們能夠區分表示客戶高興的詞語和表示客戶不高興的詞語。他們創建了獨特的可操作模型和工具，用于分析他們創建的數據。將這些見解、工具和技術與其他相關醫療保健提供者的數據（如電子病歷）結合起來，可以進一步幫助人們過上更健康的生活。因此，他們創建了一項向醫療保健公司銷售數據、見解和軟件的業務。目前年收入超過250億美元。

? ? ??案例2：某領先的娛樂服務提供商通過更好地預測觀看電影的需求，預測觀看電影需求方面更加準確，改進了對客戶的電影推薦，極大地改善了客戶體驗。

? ? ??案例3：某領先的美容產品提供商通過情緒分析跟蹤了1700名Facebook粉絲、150萬名喜愛者和41000名twitter關注者，創建出實時可操作的模型，重新定義了他們的客戶體驗。

? ? ??4、信任與合規?

? ? ??案例1：某生物技術解決方案提供商使用尖端分析來防止數據丟失。他們創建了一套分析模型，用以監控、檢測和阻止企業所有類型敏感數據的使用異常，大大降低了泄露高度機密信息和高價值IP的風險。?

? ? ??案例2：某保險公司通過使用大數據分析，將欺詐索賠的成功率從50%提高到88%，并大幅縮短索賠調查時間。他們對多年的歷史索賠和覆蓋率數據進行預測分析，并使用文本挖掘來挖掘出缺失的事實、不一致和變化。通過這些分析模型洞察，他們能夠識別出有欺詐傾向的個人，由此每年節省1200萬美元。?

? ? ??案例3：某奧運會IT服務商，每秒可捕獲得200多個IT安全事件，這些事件進行實時數據分析處理，并在數億個事件中進行相關事件的篩選。在倫敦奧運會期間，利用其分析模型對90個關鍵事件采取了行動。基于這些洞察，該公司實現了零停機時間和零業務影響。 這些數據分析驅動型企業，利用數據，加以分析，創造出新的業務模式，最終獲得成功。他們身上有什么其他企業借鑒的地方嗎？這里我們總結了幾個成為數據分析驅動型企業的關鍵特征。?

? ? ??—?02—?如何成為數據驅動企業？?

? ? ??數據分析驅動型企業的關鍵特征可以總結成9個關鍵，代表了企業必須解決的挑戰，其詳細描述如下：?

? ? ??1、正確的領導?

? ? ??一個真正以數據分析為導向的企業，其基礎是強大的分析領導力。 首先，領導者應該是強有力的利益相關者，這樣才更有效地管理不同的觀點。 第二，他們是優秀的、有說服力的和有遠見的演講者，能夠有效地傳達分析愿景。 第三，領導者還能夠從不同的角度進行有效溝通：深入的技術、分析和面向業務的分析。 第四，領導者的特點是他們愿意進行實驗，并對變革持開放態度。 第五，領導者需要識別影響力，并將分析投資導向業務重點。最后，領導者是數據精明的人，他們對數據分析、定量或統計建模和報告的不同方法和工具有著廣泛而深刻的知識；他們是分析領域公認和受尊敬的專家。?

? ? ??2、正確的戰略?

? ? ??領導力是創建數據分析驅動型企業的先決條件，但單憑這一點還不夠。企業需要有一個明確的戰略，明確他們將把分析工作放在哪里。 因此，他們需要制定戰略，包括分析戰略、愿景和目標。只有把分析工作針對特定的業務問題和/或機遇時，分析戰略才會有效，并伴隨著清晰和共享的分析愿景。?

? ? ??3、正確的文化?

? ? ??除了正確的領導力和戰略，必須具備分析文化和思維方式。管理者和員工需要培養這樣一種信念：通過基于事實做出決策，他們有一種有價值的方法來驗證自己的直覺，并且在直覺受到證據挑戰的情況下，決策的基礎會得到改善。 在量化方法和基于事實的管理方面必須有一種支持性的文化，否則員工將保持基于直覺和舒適度的決策現狀。?

? ? ??4、正確的能力和治理?

? ? ??每個員工都知道在他們企業中哪里可以找到分析人才，而不僅僅是一個孤立的視角，分析人才被視為企業中的戰略資產。 以敏捷的方式管理分析項目，分析項目優先級和分析功能的分配是針對業務和IT的最新需求而主動調整的。業務分析師與技術專家和數據科學家一起工作，并通過類似“scrum方法”的會議和委員會（例如，指導/創新委員會）管理他們的項目。?

? ? ??5、正確的技能和能力?

? ? ??通過致力于分析領導力、戰略、文化和治理/運營模式，分析功能將存在于企業的核心；然而，要使核心有效運作，必須在分析技能和能力之間取得適當平衡。?

? ? ??6、正確的數據?

? ? ??首先，企業要非常了解其公司中所有業務流程的數據輸出。 其次，他們知道在所有業務流程的數據輸出旁邊存在哪些數據源。知道哪些非結構化、結構化和快速移動的數據源補充了他們的發現，以及已經使用的內部數據輸出。 分析工作包括內部數據源（財務績效數據、ERP、PLM、CRM、GPS數據等）和外部數據源（如社交媒體、視頻、語音和純文本、行業研究）。 第三，通過形式化的努力不斷收集獨特的信息，從而為他們提供獨特的見解和競爭優勢。制定關于如何收集新數據源的計劃，并考慮到數據的來源（例如，數據是否可以自由訪問或需要獲取，是第三方數據還是開放訪問？）。 企業不僅認識到數據的潛在價值；他們還利用數據，將各種數據源的數據組合成可用信息。?

? ? ??7、正確的技術?

? ? ??可用的集成IT基礎設施系統和工作流管理系統組成的混合生態系統，以（1）獲取和存儲數據，（2）轉換和管理數據，（3）建模和分析數據，（4）呈現和評分數據。 除了這些混合生態系統之外，關鍵還需打造自己的數據中臺體系，獲得快速擴展的技能，例如并行計算系統（如Hadoop和/或無SQL數據存儲）或內存中分布式計算環境（如Spark）來存儲、分發和計算大量數據。由于這些技術提供了各種與大數據配合良好的編程語言（如Javascript、Python、Ruby、Scala等），數據中臺的工具與能力沉淀增強了他對數據的獲取，存儲，計算及使用的能力。?

? ? ??8、正確的流程和績效管理?

? ? ??適當的標準和政策，以跟蹤數據分析生命周期所有階段的分析使用績效。通過一系列的指標，可以定期評估準確性和有效性，并確定改進領域和改進機會。因此，在數據分析生命周期的每個步驟中，定期評估和報告有關數據使用的性能和風險考慮。?

? ? ??9、安全與合規?

? ? ??信息安全是一個關鍵因素，安全（和法規遵從性）問題需要從計劃的一開始就考慮。

? ? ??—?03—?數據驅動，創新之旅

? ? ??企業如何開始其數據分析之旅，如何評估企業的數據分析成熟度，這可能有助于跟蹤企業的進度如何隨時間變化，以及與同行進行基準測試。 數據分析的深度，大體可以分為：

? ? ???1、描述的：怎么搞的？現在發生了什么？會發生什么？?

? ? ???2、診斷的：這是怎么發生的，為什么發生的？?

? ? ???3、預測的：接下來會發生什么？我們對此有多確定？

? ? ???4、規范的：可能發生的最好情況是什么？我們該怎么辦？下一個最佳行動？?

? ? ???不同行業、不同企業的數據分析側重點不一樣，產生的價值也不一樣，下表給出了不同行業的數據分析場景：?

? ? ??

行業領域	數據分析場景
金融服務	欺詐檢測、信用評分、索賠優化、客戶盈利能力、客戶保留。
零售	庫存管理、需求預測、客戶營銷和產品管理、價格優化、客戶忠誠度。
制造業	預防性維護、庫存管理、供應鏈優化、新服務/產品開發、產品質量一致性。
后勤	優化：供應鏈、計劃、路線。改進員工安全、產量管理。
保健和保險	預測藥物效應、預測保險索賠損失率、患者個性化治療、預測住院患者再入院可能性和費用。
農業公司	產量和作物管理，動物種群健康分析。
電信和公用事業	實時服務、客戶流失風險和預防、欺詐管理、計費和收入管理、系統故障預測、網絡價值優化。
服務	渠道管理優化、呼叫中心管理、新服務開發。
政府	欺詐檢測、犯罪預防、人群管理、預測投票行為、優化對全球問題的響應。

? ? ??

? ? ? ?在大多數行業中，分析作為一門學科已經存在于許多企業的核心能力中。?

? ? ??上面表格概述了幾個行業的常見的分析目標。例如，金融服務提供商會盡其所能地降低未償還貸款、債務或抵押貸款的風險。零售商努力優化客戶服務和營銷。運輸公司嚴重依賴其供應鏈。因此，企業應該從改善已經存在分析的業務領域的分析能力開始。

? ? ??數據分析的成熟度?

? ? ??成為一個以數據分析為導向的領先企業不是一夜之間就能完成的事情。企業必須知道自己的發展歷程，并知道如何改進業務以成為數據分析驅動型企業。因此，重要的是，企業應在成熟度框架下以正式方式評估其分析成熟度。 我們建議各企業應根據以下所述的能力維度評估其成熟度，區分分析成熟度的5個級別（級別1：數據-啟動，級別2：數據-發展，級別3：信息-建立，級別4：知識-高級，級別5：智慧-領先）。?

? ? ???1、“數據-啟動”級別的企業主要根據其直覺和管理專業知識行事。分析不被視為核心價值，分析功能也沒有正式化。數據質量挑戰帶來了重大問題，高級管理層要求本地團隊手動整理數據。

? ? ???2、處于“數據-發展”階段的企業使用一些歷史數據來支持精通數據的部門內的某些決策。分析不是以結構化的方式進行的，分析工作是重復的，恕不另行通知。戰略決策仍然基于直覺。數據質量是不接受分析結果的常見借口。?

?? ? ??3、“信息-建立”級別的企業使用部門內的分析來支持決策，并根據未來的預測選擇決策。決策更具可操作性，跨部門合作仍然不是共識。存在數據擁護者和責任感，通過智能地處理數據獲得了一些效率，但存在許多關鍵人員/分析過程風險。?

?? ? ??4、達到“知識-高級”水平的數據分析驅動型企業將歷史、預測性見解（源自各種數據源）視為補充其戰略的關鍵和關鍵。它們支持運營和戰略決策，以改進產品、服務和客戶體驗，并提高運營績效。除此之外，這些企業還就其分析能力傳達了清晰的愿景，促進了企業范圍內的分析協作，并在戰略層面上使其分析能力正式化。對于支持分析的人員、流程、治理和技術方面，存在詳細的框架。?

?? ? ??5、?“智慧-領先”級別的企業主導著其行業。分析（預測或其他）不僅用于增強其業務，而且還持續用于開發新的變革性業務模型。重復分析是自動化的，因此可以根據業務優先級進行實驗和分析創新。或未分類的風險和機遇。在分析中考慮了外部因素，如外國地區的政治不穩定，從而向領導層提出基于決策樹的SWOT建議。業務部門真正理解分析的價值，業務部門和IT部門之間存在著值得信賴的合作關系。