QQ在线
企业（yè）微信
资讯
287大（dà）型组织如何使（shǐ）用数据和分析来指导战略和运营（yíng）决策?下面来看看高管们（men）所洞悉的各种挑战（zhàn）和机遇。
组织拥有的数据比以往任何时候都要（yào）多，这一点鲜有人怀（huái）疑。但（dàn）是，从（cóng）这些数据中获得重要洞察并将（jiāng）知识转化（huà）为行（háng）动（dòng），这（zhè）说起来容易做起来难。我们与来自（zì）主要组（zǔ）织的六位高管进（jìn）行了交谈并向他们询（xún）问了采用（yòng）高级分析所涉及的（de）各种（zhǒng）挑（tiāo）战（zhàn）和机遇：美国国际（jì）集团(AIG)的首席科学官MurliBuluswar，通用电气软件(GE Software)的首席信（xìn）息官（guān）Vince Campisi，美国运通的首席风险官Ash Gupta，易趣(eBay)的全（quán）球客户优化和数据副总（zǒng）裁（cái）ZoherKaru，美国电话电（diàn）报公司(AT&T)的大数据高级副总裁Victor Nilson以及凯撒娱乐(Caesars Entertainment)的首席分析官Ruben Sigala。以下是对他（tā）们的评论所做的转（zhuǎn）录，略（luè）有删减。
组织在（zài）采用分（fèn）析法时面临（lín）的各种难题
美（měi）国国际集团（tuán）(AIG)的首席科（kē）学官MurliBuluswar：从知识（shí）型文化向学习型文化发展所面临的最（zuì）大难题(从大（dà）体上（shàng）依赖于（yú）决策启发法的文化转变为更加客观的，数据驱动且包含了数据和技（jì）术的（de）力量)实际上不是成本。最初，这（zhè）主要取决于想象（xiàng）力和惯性。
过去的几（jǐ）年里，我了解到，自我发展到这样的（de）程度——能进行不同（tóng）的（de）思维和行动并前所未有地对自（zì）己的（de）职（zhí）责（zé）提出（chū）质（zhì）疑，恐惧的力量（liàng）在这个过程中（zhōng）所（suǒ）起的作用是不容（róng）忽（hū）视的（de）。正是（shì）这种思（sī）维方式的改变——从基于专家（jiā）的思维方式到更具动（dòng）态性，更加面向学习的（de）方式，而不是固定的思（sī）维（wéi）方式（shì）——我（wǒ）认（rèn）为这对于任何公司健康持久地（dì）运营都是至关重要的，不管这些公司是（shì）大是小。
凯撒娱乐（lè）的首席（xí）分（fèn）析官Ruben Sigala：我们发（fā）现的棘手问题（tí）以及在我与许多同行的讨论中（zhōng）所发现的（de）问（wèn）题依然很难解决，那（nà）就是找到（dào）一系列使组织能够在整个（gè）过程中高效地创造（zào）价（jià）值的工具。我听说有（yǒu）的（de）人成功地实施了一些应用场景，但（dàn）我们（men）都在努（nǔ）力实施与实（shí）际（jì）应用（yòng）高（gāo）度集成的，更具凝（níng）聚力的生（shēng）态系（xì）统，这在一定程度上尚处于（yú）初级阶段。尽管在过去（qù）几年（nián）中我（wǒ）们似乎一直（zhí）在谈论（lùn）它，但是技术仍（réng）在不断发（fā）生（shēng）变化。资源（yuán）还（hái）在不断发展。
易趣(eBay)的全球客户优化（huà）和数据（jù）副总裁ZoherKaru：我们面临的最大的（de）难题之一涉及到数据（jù）隐私（sī）以及到底共享还是不（bú）共享。我认为，如果有（yǒu）价值回报，消费者就愿意分享。单向共享（xiǎng）将不再可行。那么，我们如何保护和利用这（zhè）些（xiē）信息，如何与消费者（zhě）成为合作伙伴，而不仅仅是为他们（men）提供服务?
在分析中获取影响力
Ruben Sigala：你必须从组织章程开始（shǐ）。你必须（xū）非常明确（què）组（zǔ）织内部职能（néng）的（de）目标及其与（yǔ）广大业务互（hù）动的意图（tú）。有（yǒu）些组织（zhī）从高度集中的视角开始（shǐ），重点为各种传统（tǒng）功能(如市（shì）场（chǎng）营销，定价和其他（tā）特定领域（yù）)提供支持。还有另一些（xiē）组织则对业务有更广泛的了解。我认为你必须（xū）先定义这（zhè）样的要素。
这有助（zhù）于最大限度（dù）地影响合适的组织结构和各种（zhǒng）论坛，这最终（zhōng）会设定（dìng）更细化的运营，例（lì）如培训，招聘等。但是，根据（jù）你推动业务（wù）发展的方（fāng）式以及与更（gèng）广泛的组织进行互动的方式进行调整绝对是很重要（yào）的。从（cóng）那里开始，其他所有事情（qíng）都必须井然有（yǒu）序。这就（jiù）是我们开始（shǐ）旅途的方式。
通用电气软件的首（shǒu）席信息官Vince Campisi：我（wǒ）们了解到这样一件（jiàn）事，当我们开始行动并专注（zhù）于结果（guǒ）时，这（zhè）就是（shì）一种快速实现价值（zhí）并使（shǐ）人们对机会感兴趣（qù）的好方（fāng）法。这将我们达到未曾取得的（de）进度。因此，我们（men）可能会追求特定的结果并尝试组织一个数据集以实现这样的结果。一旦你（nǐ）这么做，人（rén）们就会开始带（dài）来其他数据源和他（tā）们想（xiǎng）要建立联（lián）系的其他事（shì）物。这确实使你达到了这样的地（dì）步，即你将追（zhuī）求你未（wèi）曾追求（qiú）过的结果。你（nǐ）必须使自（zì）己思考事物的方式（shì）变（biàn）得敏捷，哪怕（pà）只是一点点。但是，如果你从一个结果开始并付诸实施，你（nǐ）将很惊（jīng）讶它接（jiē）下来会使你取得什么样的（de）进展。
美国运通的（de）首（shǒu）席（xí）风险官Ash Gupta：我们所做的第一个（gè）变革就（jiù）是使数据质量更高（gāo）。我们获得（dé）了很多（duō）数据，有时我们（men）并（bìng）不使用这（zhè）些数据（jù），而我们（men）并没有像现在（zài）这样对它的质量给（gěi）予足（zú）够的重视。也就是（shì）说，要（yào）确保数据具的正统性，要确保数据有正当的理由为客户服（fú）务。在我看来，这是一（yī）段旅程。我们取得了（le）不错的进展，我们希望在（zài）整个系（xì）统中继（jì）续取得进展（zhǎn）。
第二个领域（yù）是与员工合（hé）作并（bìng）确定我们正集中（zhōng）开展业务的某些（xiē）方面。我们（men）正在将各（gè）种能力集中化，正在（zài）将这些能（néng）力的使用（yòng）民主化。我（wǒ）认为另一方面是，作为（wéi）一个团队和一家公司，我（wǒ）意识（shí）到自己在（zài）技能上还十分（fèn）欠缺，我们需要与公（gōng）司以（yǐ）外的各种实体展开合作。这种（zhǒng）合作来自技术创新者、数据提供者和分（fèn）析公司。我们需要为业务同事和（hé）合（hé）作伙伴（bàn）提供完整的（de）解（jiě）决方（fāng）案，因（yīn）此这（zhè）让人（rén）确信（xìn）我们正在（zài）共同开发，共同（tóng）学习（xí），而（ér）且我们（men）正在（zài）互相提升（shēng）。
影响里的各种例子
美国电（diàn）话电报（bào）公司的（de）大数（shù）据高级副（fù）总裁（cái）Victor Nilson：我（wǒ）们始终从客户体验入手。这（zhè）才（cái）是最重要的。现在，在我们的客户服（fú）务中心，我们有大量非常复杂的产（chǎn）品。即使是简单的（de）产品（pǐn），有时也会有非常复（fù）杂的（de）潜在问题或解决（jué）方案，因此工作流（liú）程也非常复杂。那（nà）么，每次有互动产（chǎn）生时（shí），我们如何同时为客户服务和简化流程?
我们已经使用大数据技术（shù）来分析所（suǒ）有不同的（de）排列（liè）组合以增强（qiáng）体验，从而更快地解决或（huò）改善特定情况（kuàng）。我们消除（chú）了复杂性并（bìng）将其（qí）变（biàn）成简（jiǎn）单且可（kě）操作的东西。同时（shí），我们可（kě）以分（fèn）析这（zhè）些数据，然后反过（guò）来说：“在（zài）这（zhè）种特（tè）殊情况下，我们是否（fǒu）要主（zhǔ）动优化网络”?因此，我们不仅（jǐn）针对客户服务而且针对网络进行了优化，然后（hòu）将这个（gè）因素（sù）也结合进来。
Vince Campisi：我将向（xiàng）你（nǐ）提供（gòng）一个内（nèi）部视角和一（yī）个（gè）外部视角。内部视角的例（lì）子（zǐ）就是我们（men）在（zài）所谓的启用（yòng）数字化方面正在做大量工作——你如何将工程（chéng），制造（zào）与维修产品联系起来。在（zài）这个方法里，我们将重点关（guān）注出色的工厂。以驱动供应（yīng）链优化（huà）为（wéi）例，我们已经能够控制60余（yú）种与直接材料采购相关的大量信息，利用分析来研究各（gè）种新关（guān）系（xì）并使用机器学习来发现效率，即我们采购用于产品生产的（de）直接材料的方法的（de）效率。
外部（bù）视角的例子（zǐ）是我们如（rú）何利（lì）用分析（xī）来切（qiē）实（shí）使各种（zhǒng）资产（chǎn）发挥更大的效用。我们（men）称之为资产（chǎn）绩效（xiào）管理。我们已经开始为数字产业提供支持，例如数字（zì）化风力发电（diàn）场，在这里，你可以利用分析来（lái）帮机器进行自我（wǒ）优化。因此，你可以帮助使用同一股（gǔ）风能（néng）的（de）发电（diàn）供应商，而且你（nǐ）还可以通过使（shǐ）涡轮机倾斜（xié）适（shì）当（dāng）的角度并了解它们如何优化风能水平，我们（men）证明，我们可以用等量风能提升（shēng）多达10%的功（gōng）率。这（zhè）是利（lì）用分（fèn）析帮客户从（cóng）现有资本投资中获得更高收益和更高生产（chǎn）率的（de）一个例子。
赢得人（rén）才之战（zhàn）
Ruben Sigala：分析人才的竞争非常激烈（liè）。留住组织内部的人才库非常困（kùn）难，如果（guǒ）你将这视为核心（xīn）能（néng）力的话，这尤为困难。我们最（zuì）为关注的重点是开发一个平（píng）台，这个平台能够为我们的（de）价值主张发声，因为这主张对于希（xī）望（wàng）在该领域内开始职业或维持（chí）职业的人（rén）而（ér）言（yán）非常重要（yào）。
当我们谈论价值主张时，我们会说这样的话——有机会真正影响业（yè）务成果（guǒ），进行广泛（fàn）的分（fèn）析练习，这些练（liàn）习常常（cháng）使人犯（fàn）难。但是，总的来说，要成为（wéi）组织的一部分（fèn），这一部分将价值主张视为自身在市场中参与（yǔ）竞争的关（guān）键部（bù）分（fèn），然后定期执（zhí）行。在某（mǒu）种程度上，要做到（dào）这一（yī）点，你必须制定优秀的培训计（jì）划，而（ér）且必须与（yǔ）高（gāo）级团队进行非常特殊的互（hù）动。而且，你还必须（xū）成为（wéi）实际（jì）驱动公司（sī）战略的组（zǔ）织成员（yuán）。
MurliBuluswar：我发现，着重研（yán）究各（gè）个基本面，比如科（kē）学为什么会诞（dàn）生，我（wǒ）们的抱负是什么以及成为该团队的一部分将如（rú）何影响团（tuán）队（duì）成员的职业（yè）发展，这一切对吸引我们所（suǒ）关注的高素质人才具有深远（yuǎn）的意义（yì）。当（dāng）然（rán），随之而（ér）来（lái）的是更艰辛的部分，即（jí）日（rì）复一日地履行这样的（de）承诺。
金钱固然很重要。我的金（jīn）钱观就是，我（wǒ）希望成为前25%的人;但我并不（bú）想成为塔尖（jiān）1%的人。因为无论（lùn）你处在什么位（wèi）置（zhì），大多数（shù）人(尤其是从事数据科学（xué）工作的人)只要（yào）选择（zé）采取（qǔ）实际行（háng）动，他们（men）都可以将薪酬提高20%至30%。我的目的不（bú）是要缩小这种差距，而是创造一种（zhǒng）环境和一（yī）种文化，在这种环境和文化氛围（wéi）中，他们（men）发现自己正在学习;他们发现自己正在研究对公司（sī），行业乃至整个社会都产生广泛影响（xiǎng）的（de）问题（tí）;他（tā）们是一支充满（mǎn）活力的团（tuán）队的一部分，这个团队的灵感来自（zì）于自身（shēn）存在的原因以及它如（rú）何定义成功。对我（wǒ）而（ér）言（yán），专注于这一（yī）点绝对是吸引我所需要的人才的（de）关键（jiàn）要素（sù），就此而（ér）言（yán），其他任何人也需（xū）要这样的关键因素。
培养合适的专业知识
Victor Nilson：人才很重要，对（duì）吧（ba）?你必（bì）须具（jù）备数据，显然，美国电话（huà）电报公司拥有（yǒu）海（hǎi）量数据。但是没有人才，数据就毫无意义（yì）。人才是一个竞争优势。合适的人才能发现合适的技（jì）术;合适的人（rén）才能（néng）解决各种问题（tí）。
我（wǒ）们在一定程度上为开源社区中很多新兴（xìng）技（jì）术的开发做出了贡献。我们可以使用实验室里遗（yí）留的各种先（xiān）进技术，我们（men）还有新兴的（de）硅（guī）谷。但是，我们在全（quán）国各地也拥有主流人才，我们拥有高级工程师，我们拥有大大小小的管理人员，我们同时也希望进一步培养他们的才（cái）能。
因此，仅（jǐn）今年一年，我们就提供（gòng）了50000多个与大数据相关的（de）培训课程。我们正在继续发展。这是一个完整的连续体。这可能（néng）只是一个为期一周的训（xùn）练营（yíng），或者可能是高级的，博士级别（bié）的数据科学。但是（shì），我们希望（wàng）继续为在这方面有天赋和兴趣的人（rén）培养这种才能。我们希望确（què）保（bǎo）他们能够发展各种技（jì）能，然后将这些（xiē）技能与工具结（jié）合（hé）起（qǐ）来，从（cóng）而将生产力最（zuì）大化。
ZoherKaru：在任何数据和（hé）分析过程中（zhōng），人（rén）才都是至关重要的。我认为，仅（jǐn）凭分析方面的（de）人（rén）才还不足（zú）以解决问（wèn）题。我们不能用技能单一的人。我扩建组（zǔ）织的方式是找博学多才的人（rén）。比如某人主修分析（xī），但可以辅（fǔ）修营销（xiāo）战（zhàn）略（luè）。因为如果你没有学过辅修课程，你怎么（me）与组织的其他部门进行沟通呢?另外（wài），举（jǔ）个例子（zǐ），纯数据科学家将无（wú）法与（yǔ）数据库管理员（yuán）对话，而数据库管（guǎn）理员又无法与市场研（yán）究人员对（duì）话，市（shì）场研究人员（yuán）又无法与电子邮件渠道的负（fù）责人对话。你必须（xū）根据可扩展的分析做出合理的业（yè）务决策。
