|
正在进行的数字化创造了大量的数据，迫使企业变得比以往任何时候都更受数据驱动。虽然数据驱动组织的好处很明显(更优化的性能、增加的盈利能力、更强的创新能力)，但仍然有一些技术和业务挑战需要克服。由于数据分析技术的进步，各行各业的公司都可以成为数据驱动型公司。 一、走向数据驱动的道路 尽管越来越多的数据驱动的好处是显而易见的，经验表明，许多公司在前进的道路上仍然面临一些困难。幸运的是，技术的进步使越来越多的组织能够进行数据分析。 在走向数据驱动的道路上，人们改变他们的思维方式和组织改变他们的流程是至关重要的。这样做将有助于克服以下四个障碍: （1）非结构化数据 不符合预定义的传统数据模型的数据称为非结构化数据。这包括文本文档、图片、电子邮件、来自物联网的传感器数据等等。尽管这些数据包含有价值的信息，但很难用传统分析方法进行分析。 （2）无关联的系统 组织经常一起使用多个信息存储系统，它们之间没有连接——或者至少是难以处理的连接。这些系统可能会提供相互冲突的信息，因为它们使用不同的源、处理方法或命名约定。 （3）数据质量低或不可用 有时，由于数据输入不佳或数据连接实现不佳，数据质量就不够好。从糟糕或不正确的数据中很难获得好的商业智能。 （4）与IT的偏离 业务部门不应该依赖IT来进行数据分析。他们应该能够自己动手。一个原因吗?它一直面临着以更低的成本提供更多服务的压力，因此数据分析请求可能最终会落到他们列表底部。 所有这些挑战都可以通过定义更好的数据分析路线图来克服。 案例： Gartner的分析师估计，目前80%的企业数据是非结构化的。根据IDG的一项调查，45%的企业领导者认为非结构化数据是他们在分析方面要克服的最大障碍。 TELIA DENMARK提供互联网、电话和电视服务，是TELIA公司的一部分，TELIA公司是欧洲第五大电信公司。为了应对GDPR法规，TELIA DENMARK使用SAS帮助其在许多遗留数据源中定位和识别个人数据。 根据GDPR法规，公司必须能够记录其获取和存储个人数据的过程，以及识别和提取与个人相关的所有个人数据的能力。为了确保所有的个人数据都在系统中被定位和识别，Telia Denmark设计了一个数据发现过程和一组规则文件。这并不像听起来那么简单。例如，电话号码是个人标识符，但是电信公司客户也可以通过许多其他独特方式来识别，例如通过SIM卡号、IMEI或IMSI号码。 Telia Denmark使用SAS软件在许多包含个人数据的独立IT系统上执行数据发现过程。现在，该公司能够满足GDPR的要求，能够在自己的系统中识别和定位个人数据。因此，如果客户希望行使其删除文件的权利，则可以创建一个针对所有Telia丹麦系统的命令，以确保实现此目的。 二、实现数据驱动的三个基础 数据分析平台内的技术改进使更多的公司成为数据驱动型公司，使他们能够更好地管理数据，运行更复杂的分析，并以更易懂的方式可视化结果。有了正确的技术基础，你将很好地成为一个数据驱动的组织。数据驱动有三个基础。 （1）数据管理 良好的数据管理是处理大数据或启动任何分析项目的第一步。您在业务活动中使用的所有数据都需要得到一致的良好管理，这样您就可以获得可靠的信息来指导您的决策。一个坚实的数据管理基础使您能够对产品开发、客户服务提供和复杂的数据隐私遵从性问题做出数据驱动的决策。反过来，你的分析平台应该包含关键功能，比如数据集成、数据准备、数据质量和数据治理。它应该能够处理结构化、半结构化和非结构化数据的任意组合—为您提供按需管理的当前数据。 （2）数据分析 仔细研究无休止的一排排数字是数据科学的负担。把这项任务交给专门的软件来完成，就减少了人为错误的几率，而实际开始使用分析结果的空间就更大了。现在，只需单击一个按钮即可运行复杂的计算，从而使结果可供任何业务用户使用。 （3）数据可视化 分析工作的最终结果应该是更好的洞察力。通过在不同类型的图形和图表中可视化数据，结果变得容易理解并一目了然。您还可以设置报表和仪表板，以便与组织中的多个人员快速共享这些见解。 案例： 根据Forrester的一项研究，74%的公司希望更加数据驱动，但只有29%的公司声称他们实际上擅长将这一想法付诸实施。 先进的分析技术正在帮助银行重新定义其开展业务的方式。数据可视化将数据交到需要它的人手中，以便做出更好的决策。 苏格兰皇家银行（royalbankofscotland）正致力于成为英国第一大客户服务、信托和宣传银行。数据是帮助银行转变与客户关系的关键。通过数据可视化，RBS可以快速轻松地探索数据并与之交互，从而使IT部门能够做出更好的业务决策。通过对客户数据的分析，银行可以实现将客户作为每个决策的中心的目标。通过这种基于数据的业务方法，银行将专注于做正确的事情，并从做正确的事情中获益。 数据能够推动整个苏格兰皇家银行集团的变革，能够通过比任何其他银行更好地满足客户的需求来实现赢得客户信任的目标。 三、开始数据驱动的旅程 那么，从哪里开始数据驱动的旅程呢？一个“大爆炸”的方法是危险的：它可能会使事情过于复杂，或者可能只是缺乏重点。我们建议循序渐进的方法作为取得成功的最可靠的方法。 （1）选择你的出发点 您的起点可以是一个团队（例如，市场营销部门）或一个特定的数据源。 例如考虑从CRM系统收集数据，以便更好地了解客户行为，或者从车间的生产数据开始。或者，记录的客户服务电话或财务部门的数据可能是您的第一个项目。如果你的出发点是你已经熟悉的东西，如果你心里有一个明确的目标，那就最好了。 （2）最重要的数据集具有优先级 您必须区分将有助于实现您的目标的必备数据集与手头任务的非核心数据集。 数据可以是结构化、半结构化和非结构化数据的混合体。把这些都倒进去，看看你的分析平台得出了什么，看看结果是否有用。考虑是否需要额外的数据管理（例如，数据清理），或者是否可以继续使用当前的数据集。 （3）扩大分析平台的覆盖范围 一旦你从一个项目中获得了增值的结果，你就可以开始在团队内部和团队之间共享你的分析平台。这可能会在一系列的浪潮中发生，随着结果不断显示出更多的好处，从而产生越来越多的认同。 数据驱动组织的成长： 一旦您从数量有限的数据源转移到全方位的数据管理，并将数据分析的范围从少数扩展到多数，并且每个关键决策都有数据支持，您就真正成为了一个数据驱动的组织。当你在分析方面变得更好的时候，你会发现你从事后诸葛亮变成了洞察甚至是预见。你将不再简单地回顾过去发生的事情——你将把目光投向未来。您不仅能够跟踪所有支持数据的项目的投资回报率，还能够运行预测分析和模拟假设情景。你的商业战略的支柱将由不争的事实形成。 案例： Gartner在一项年度首席信息官调查中发现，95%的首席信息官预计，由于数字化，他们的工作会发生变化或重新调整。大多数首席信息官表示，技术趋势，特别是网络安全和人工智能，将在不久的将来显著改变他们的工作方式。 根据CMO.com网站，一流的营销人员使用数据和分析平台的可能性要高出56%。然而，只有19%的营销人员用数据完全跟踪他们所有的营销工作。 现在可以预测客户流失和保留率。产品、渠道和细分市场的未来盈利能力可以提前得到更好的评估。 埃尼是一家综合性能源公司，业务遍及五大洲。在竞争激烈的能源市场中，与客户建立长期关系至关重要。这就是为什么公司在整个客户生命周期中监控和分析整个客户群的行为。 该公司利用700多个参数开发了一个可靠的预测模型，为埃尼集团的管理层提供了： □ 有关客户的重要信息。 □ 帮助评估公司产品组合、销售渠道和客户群的未来盈利能力。 □ 假设情景，评估战略决策的影响，如价格或利润的变化，减少客户流失等。 □ 友好的仪表盘使您更容易关注整个客户群的长期盈利能力。 埃尼集团计算客户花费多少（收入）和停留多长时间（保留）。还可以预测何时可能遇到他们的付款问题（信用损失），以及为满足客户的需求（服务成本）而付出的代价。 四、数据驱动工作的下一个层次 数据驱动不是终点而是探索令人兴奋可能的开始。随着科技创新步伐的加快，昨天的科幻小说变成了今天的现实。以下是一些将为未来的数据驱动型组织提供支持的元素。 （1）边缘分析 实时、现场分析可以跟踪消费者的店内行为，并将其与合适的优惠捆绑包配对，以吸引关注并满足消费者的个人需求。这仅是一个有效地创建的场景。 （2）透明度 为什么不向消费者公开收集的大量数据呢？有些信息总是很敏感的，但向客户提供透明性是品牌部门的一大胜利。根据最近的调查，超过80%的消费者认为道德在他们购买时很重要。随着《欧盟通用数据保护条例》（GDPR）的出台，遵守隐私规则已成为绝对必须。 （3）安全 分析也可以用于数据保护。通过先进的模式识别和相关行为，可以更好地评估风险，甚至可以在网络攻击或现实生活中的安全威胁发生之前加以防范。 （4）物联网 有了机器生成的大量数据，您的生产线可以规划出提高生产效率的方法，发现隐藏的成本和不太可能的收入来源。物联网和工业物联网（IIoT）将彻底改变生产和消费模式。新的现实就在眼前。 （5）人工智能 人工智能使机器能够从经验中学习，适应新的输入，执行类似人类的任务。人工智能在很大程度上依赖于深度学习和自然语言处理。计算机通过处理大量数据和识别数据中的模式被训练来完成特定的任务。 （6）供应链 专家可以利用大数据进一步优化物流。通过考虑影响交付速度和可靠性的各种因素（例如交通流、事故、天气模式、暴雨），甚至可以使用更智能的物流来实现更可持续的运营。 案例： 据德勤统计，93%的消费者在购物时使用手机。在25岁到34岁的人群中，有43%的人每周至少用手机或通过手机购买一次产品 向支持IIoT的业务转型将需要新的技能和管理思维。高管们说，这些要求中最主要的是新的技术技能（51%）、更好的数据集成和分析能力（41%）以及对商业模式的重新思考（33%）。大多数人表示，他们的公司在这些领域存在重大差距。 虽然90%的政府数据分析用户报告说，他们发现安全漏洞有所减少，但49%的联邦机构表示，由于无法全面分析数据，网络安全问题每月至少出现一次。 Interamerican是希腊最大的私人保险公司，为100多万客户提供人寿、健康和财产保险，需要处理和保护大量数据。Interamerican利用GDPR法规遵从性要求提供的机会来加强数据保护、建立客户信任并留住忠诚的客户。 在其新的数据治理模式下，员工以更安全、更高效的方式运营。新的GDPR要求提供了一个投资和提升公司数据生态系统的机会。新的工具、专门知识、不仅用于遵守法规和保护的数据，而且还通过提供增强的数据分析、数据质量和数据处理能力来改进数据管理做法。 信任是建立和保持长期客户关系的基石。Interamerican将促进这种来自GDPR合规的信任，希望在希腊保险市场获得明显优势。GDPR不仅是一个合规的框架，而且是一个提高卓越运营能力的绝佳机会。 成为一个数据驱动的组织是每个公司都能做到的。云解决方案使得访问数据分析平台变得更加容易。考虑一下软件即服务（SaaS），它允许组织根据需要租用软件，而无需在本地构建和维护所有内容。使用结果即服务（results as a service，RaaS），即使是缺乏将数据转化为见解的工具和专业知识的组织也可以获得很好的结果。这些组织只需与分析专家分享他们的数据和业务问题，然后RaaS提供他们可以采取行动的结果。这本质上是一种“外包”分析的方式。 通过在公司的某个特定领域开始数据驱动的旅程，明确定义数据分析的道路，采用正确的思维方式和技术，并逐步扩大在整个公司的影响范围和影响力，您也可以成为为迎接未来挑战做好准备的数据驱动型公司。 |
|
|
