分析技术“困”在管理和文化

在每个行业，以及全球每个地区，企业高层领导都想知道他们是否充分发挥了企业内现有的海量信息的价值。企业利用新技术收集的数据达到了前所未有的量级，然而，许多企业仍在寻找更好的方式，试图从现有的数据中获得价值，并在市场上赢得竞争优势。他们始终面临着如何持续实现最大价值的问题。

IBM全球企业咨询服务部2011年3月了其《分析：实现价值的新途径》白皮书。该白皮书明确指出，企业在采用分析技术时面临的最重要障碍与管理和文化有关，而非数据和技术。有40%的被调查者指出，广泛采用分析技术的主要障碍是缺乏了解如何利用分析技术改进业务；超过三分之一的被调查者认为最大的障碍是由于互相竞争的优先级任务造成管理的不到位。IBM根据调研数据，确立一个全新的五点方法论，来成功实施分析驱动型管理以及快速创造价值。这些建议旨在帮助企业了解这种“实现价值的新途径”，以及如何前行。

注重最大且最高的价值机遇

应对最艰巨的挑战是否带来最大的失败风险？答案是否定的：不会。 因为严重问题需要引起关注，并且会激发行动。此外，参与调研的人指出，管理权限是最大的障碍。如果利害关系很高，最优秀的人才会欣然参与到抓住机遇的活动中。

对于从根据个人经验做决策转向依据数据做决策的方式，这对每个人来说都极为困难，尤其是当数据与常见的传统之见相左时。但是，如果每个人都能看到打破现状对于达成主要目标的意义，这一点更容易实现。如果有可见的潜在巨大收益，人们就更容易付出巨大的努力，而且跨职能部门和等级的人能够更好地为其提供支持。

强烈关注重大机遇可以激发企业创造新的可能性。对于Best Buy来说，具体的巨大挑战是“何处是做广告的最佳地点，使消费者来到我们店里”？对于全球的政府机构，普遍面临的问题是“我们如何减少消耗宝贵资金和资源的欺诈和滥用现象？”

相反，如果没有战略性业务方向，就不要开始实施分析技术，因为这些努力可能会使您无功而返。这不仅浪费资源，而且会使人们对分析技术的真正价值普遍产生怀疑。

在调研的过程中，反复听到一些高管说，分析技术需要与企业面临的巨大挑战相一致，这样才能更容易地克服大量的障碍。被调查者指出了许多挑战，而没有一项挑战可以减轻或者最小化：高管们对分析项目的支持、数据质量与访问、治理、技能和文化，这些都会有影响，而且都需要及时地处理。但如果遇到单一的好主意和可能有颠覆性的洞察力，这些障碍会在变革过程中淡去，而不会使努力以失败告终。

在每个机遇内，首先从问题开始，而非数据

过去，企业在开始分析之前倾向于从收集所有可用数据开始。通常，这会导致企业全力关注数据管理――收集、清理和转换数据。而用于了解数据的潜在使用价值的时间、精力和资源少之又少。因此，这样采取的任何行动可能并不是最有价值的行动。相反，实施分析技术的企业首先应定义满足主要业务目标所需的洞察力和问题，再确定解决方案所需的数据。

通过首先定义预期的洞察力，企业可以确定特定的主题领域，并在最初的分析模型中使用现有的数据。通过这些最初模型而获得的洞察力将会展示数据基础设施和业务流程间的差距。过去用于清理全部数据的时间可用于满足特定的数据需求和特定的流程改进，从而实现价值的逐步提高。

将数据作为优先任务的企业通常早在获得第一个洞察力之前就已经失去动力。通过将这些任务的范围限定到回答关键问题所需的特定主题领域，价值可以更快地实现，同时，洞察力仍具有高度的相关性。

从数据或流程变革开始的企业通常会出现意外的结果――例如无法扩展的数据，或者最终被消除的流程――这要求通过返工和投入更多的资源才能解决。

加快将洞察力嵌入到业务运作中

与其他被调查者相比，“已转型”企业更善于数据获取。此外，“已转型”企业也更善于数据管理。在这些方面，这些企业的执行能力比“有志向”的企业高十倍。

分析洞察力可在企业流程的许多方面提高业务价值。运作挑战是了解在特定的行业和组织中，将这些洞察力应用到何处。例如，当一个银行客户停止自动工资存款或者汇款转账时，应通知企业中的哪个人，以负责确定该客户是换工作还是换银行？

对于客户满意度较低的情况，需要哪些洞察力，以及如何实现这些洞察力，以防止客户离开？

为了使这三个方面配合进行――数据、洞察力和及时行动。必须始终明确首要的业务目标。这样，模型、流程和数据经过测试后，下次调查的优先级就会明确。数据和模型根据业务需求而接受、拒绝或改进。新的分析洞察力――描述性、预测性和规范性。嵌入到越来越多的应用和流程中，而且将实现一个良性的反馈与改进循环。

将洞察力嵌入到行动中，并创造价值

将信息嵌入到业务流程中的新方法和工具――应用案例、分析解决方案、优化、工作流和模拟。使得洞察力更容易理解和执行。被调查者认为：趋势分析、预测和标准化报告是他们目前使用的最重要的工具。不过，他们也识别出其他在24个月内将会产生更大的价值的工具。分析“现状”方法日益减少，而分析“未来”方法会显著地增加。

目前这些主要工具将在未来24个月内被以下的工具超越：

1. 数据可视化，例如仪表板和计分卡；

2. 模拟和场景开发；

3. 应用于业务流程的分析技术；

4. 先进的统计技术，例如回归分析、离散式选择建模和数学优化。

企业预计从这些新技术中实现的价值将显著提高，从而能够在企业内各个层级利用从数据中获得的洞察力。以创新方式使用这种信息分层的企业将继续增加，以帮助企业内的人员使用通过复杂分析技术而获得的洞察力(这些洞察力用其他方式很难结合在一起)。例如，GPS导航设备已经将实时路况和提醒添加到导航地图上，并向司机建议最佳的路线。

与此相似，在石油勘探领域，三维成像技术将来自现场传感器的数据与协同合作和分析资源结合在一起，供整个企业访问。生产工程师可以将地质、生产和管道信息结合到钻探决策中。

除3D外，动画地图和图表可以模拟分布流程中的关键变化，或者消耗和资源可用性方面的预计变化。在分析技术应用于非结构化数据的新领域，可以通过图像方式显示词语频率的口头形式实现可视化图案，使营销人员能够看到消费者对其品牌的认识。

IBM的案例研究中，一家饮料公司树立了榜样。在通过收购与合并实现快速增长之后，一家全球饮料公司的高管面临着复杂的数据，这阻碍了他们根据事实做出及时决策的能力。解决这一问题需要一个标准化平台，使他们能够从全局的角度了解信息，同时在制订决策时采用规则驱动的、基于例外的流程。

但是，高管们知道，他们需要的不仅仅是事实；他们需要制订场景模型，以了解预期决策的影响。企业设定了全球关键性能指标(KPI)仪表板，帮助用户根据关键维度查看相关的数据并建立决策模型，例如地理位置、业务单位、品牌、利润率、成本或渠道。但首先，要获得新管理平台的资金并提高接受度，仪表板需要高管们的广泛支持。

为了制订新方法的业务案例，公司抛弃了习惯的电子表格，而是向高管提供了交互式原型，模拟提议的仪表板的可视化显示和功能。该原型描述了业务案例的关键要素，包括业务价值和技术要求。但是，最重要的是，它使高管了解了用户的体验。然后，高管齐心协力地支持新的交互式仪表板，而在实施之后，仪表板成为该公司制订决策模型和决策制定的战略部分。

新方法也使决策人员更全面地了解客户的采购、付款和交互。企业能够倾听客户对渠道和产品的独特期望和需求。事实上，在复杂的组织系统中，为客户以及信息赋予生命力可能成为以数据为基础的洞察力真正供有需要的人使用的最大好处。

保留现有能力，同时增加新能力

当高管们最初认识到需要分析技术时，他们需要向离他们最近的人寻求答案。逐渐地，这些“需求点”资源会结合到本地业务条线单位中，以进行洞察力共享。最终，集中单位会出现，形成共享的企业观点――治理、工具、方法和专业的知识。随着高管们更频繁地使用分析技术通知日常决策和行动，这种对洞察力的更高需求将使每一级的资源参与进来，从而增强分析能力，即使活动为了提高效率已经改变。

先进的建模和可视化工具很快将提供比以前更高的业务价值。但是，这并不意味着电子表格和图表应消失。相反：新工具应与以前的工具互为补充，或者根据需要继续一起使用。

在企业内，能力可通过其它方式增加和深化。财务和供应链这样的领域属于固有的数据密集业务，而且通常是最早采用分析技术的领域。受早期成功的推动，企业开始将利用分析技术的决策扩展到更多领域中。在“已转型”的企业中，重复使用能力产生了滚雪球效应，因为一个职能部门的模型只需经过最少量的更改即可用于另一个职能部门。

随着时间的推移，数据驱动型的决策机制会在整个企业内应用。随着经验和使用量的增加，分析技术的价值不断提高，从而能够更快地产生业务收益。

利用信息议程为未来做计划

数据越来越多。信息来自于物联、互联的供应链，而且供应链传输实时的波动信息，包括市场需求和天气。此外，战略性信息已经开始通过数字化渠道不断到来：社交媒体、智能手机应用以及日益增多的新型互联网应用。不出所料，60%的被调查者称，企业拥有大量的数据，而对于其中某些数据，他们不知道如何有效地利用。

所有这些数据必须组合成为集成、一致且可信的信息基础，而这被调查者认为是主要优先任务。每个实施阶段都需要使数据基础与总体信息议程保持协调，加快企业提高在所有应用和流程之间共享和交付可信信息的能力。只有借助信息议程，企业才能将信息作为企业的战略资产。

信息议程确定了基础的信息实践和工具，同时通过企业信息计划和财务上具有合理性的部署路线图使IT与业务目标保持一致。这个议程有助于在根据业务条线设定优先级和战略的部门和管理数据与信息的部门之间建立联系。

综合的议程还使分析技术与不断变化的业务目标保持同步。例如，据一位高管说，他的企业在了解价格变化对单个产品和单个渠道的影响方面做得极好。但是，在公司转向以客户为中心的战略，围绕跨渠道的产品打包和动态定价进行改造时，公司无所适从。事实上，因为公司的数据集市一直随着时间演进而开发，因此他们发现难以了解需要使用哪些工具和信息推动业务发展。