前言
数据：21 世纪推动经济倒退的新资源
信息是互联网时代的石油。可能将信息资产商业化以取得更好的洞察力并晓得如何在其业务流程中利用这一点的公司和组织，在市场上体现优异并提供更好后果的可能性要高得多。然而，在数据经济中取得成功是一个挑战。60% 的大数据我的项目在试点阶段之后将无奈生存。66% 的组织不晓得如何真正从大数据中获取价值。90% 的大数据基础设施和数据湖无奈提供所需的性能。
然而，胜利是必不可少的：以信息为核心的公司比同行的利润高 20%，价值高 110%。在一个“到 2018 年，30% 的领导者将被新的参与者或现任者“惊呆”的世界里，放弃当先一步是一个根本劣势。
本文探讨了为什么企业须要成为剖析驱动型企业能力在新数据经济中取得成功；企业如何开始这一改革之旅，将数据和剖析置于其策略的外围，并在工作中辨别其独特的能力和价值链。
企业为什么须要数据分析驱动？
企业再造
卓越经营
客户体验
信赖与合规
示例剖析用例按业务畛域划分
数据驱动企业转型案例
钻探到一个全新的程度
踊跃聆听客户的意见
预测将来购买
成为数据分析驱动型企业
正确的领导
正确的策略
正确的文化（心态）
正确的能力和治理
正确的技能和能力
正确的数据
正确的技术
正确的流程和办法
绩效治理
正确的规定
数据分析，翻新之旅
组织应如何开始其剖析之旅
剖析成熟度
01 背景
在过来几年中，许多组织见证了前所未有的数据量爆炸，此外，不仅在其业务的各个领域（包含绩效治理）越来越须要基于证据的决策，而且还须要响应法规听从性要求。
当初能够拜访和综合剖析各种数据源，以发现可能反对历史上通过直觉做出的决策的证据；十年前这在很大水平上是不可能的，基于判断的办法也不再被承受。事实上，许多组织曾经将其技术的应用从管理工具转变为要害的策略胜利因素。现在，批发组织通过社交，电商等渠道监控和评估其在线社区，以发现客户趋势。制造业公司有可能在其生产设施中装置传感器，以监控其生产力情况，而谷歌等互联网公司则能够监控访问者的搜寻行为，以加强广告的性质和工夫安顿。结构化数据（如列和行输入）和非结构化数据（如蕴含图片、视频或纯文本的数据库）的组合可供世界各地的组织应用。
许多组织曾经开始将这些数据源转化为可用的信息和可操作的见解，并获得了显著的胜利。随着咱们进入一个数据等于洞察的时代，取得和放弃竞争劣势的可能性微小。
02 企业为什么须要数据分析驱动
答案很简略；剖析驱动为组织发明价值和实现竞争劣势关上了一个全新的机会世界，不仅通过理解客户的趋势和特色，而且通过辨认与竞争对手不同的因素。
因为组织简直不可能仅通过其产品来实现本身的差异化，因而业务流程是最初剩下的差异化重点畛域之一；通过剖析的应用，组织正在发现并解决其业务中能够产生价值的所有角落。
数据分析的应用可依据以下价值进行分类：
i. 形容的：怎么搞的？当初产生了什么？会产生什么？
ii. 诊断的：这是怎么产生的，为什么产生的？` 预测：接下来会产生什么？咱们对此有多确定？
iii. 规定的：可能产生的最好状况是什么？咱们该怎么办？下一个最佳口头？
以下列举一些企业通过数据分析获得的商业价值：
商业畛域价值
企业案例
企业再造
一家当先的通信组织通过利用客户移动信息彻底革新了其业务。它们用客户的信息补充客户移动信息
特定畛域的背景和流动，并将这些丰盛的见解销售给其余方，如购物中心、体育场业主和广告牌公司，从而将其货币化。
一家国内医疗保健组织通过向保险公司发售客户将来医疗收入危险最大的预测模型，并帮忙保险公司基于这些洞察被动缩小客户医疗收入，发明了新业务。模型是通过将客户的衰弱信息与客户的人口统计、索赔和医疗处方相结合而创立的。这项新业务成立为一个独立的组织，年收入为 250 亿美元。
一家当先的食品服务提供商通过向餐厅和供应商提供食品术语、菜单项、配料的实时趋势，扭转了餐厅业务。他们将来自在线餐饮服务提供商和餐厅评论网站的数据与食品术语和菜单项数据库相结合，帮忙餐厅依据地理位置和餐厅类型对某些食材的需要增减来更改菜单。
卓越经营
一家当先的航空公司通过更好地预测航空延误和空域性能，进步高空人员调度效率和飞机吞吐量，节俭了数千万美元。这些节约基于新的预测模型，该模型由雷达网络数据的洞察、天气、航班时刻表和其余因素的公开可用数据组成。
美国的一家能源供应商通过对客户的人口统计、历史记录和领取行为进行预测剖析，预测将来的未付款状况，并通过提前冲销和缩小服务中断，对后果采取行动，从而实现财务管理的阶跃变动。后果导致净储蓄减少了 700%。
一家国内物流供应商通过应用容许燃油优化的见解，并通过确定驾驶员应停车加油的最佳地位，大幅升高了经营老本。他们在所有的卡车和集装箱中搁置传感器，以监控地位、驾驶行为、燃油油位以及集装箱是否装载或清空，并将这些数据与沿途的燃油价格相结合。
这有助于他们确定卡车司机停车的最佳地位，并升高加油老本。
客户体验
一家当先的娱乐服务提供商通过更好地预测观看电影的需要，改良了对客户的电影举荐，极大地改善了客户体验。他们众包了用户观看电影需要的预测模型，这导致了一个组合预测模型，该模型在预测观看电影需要方面更加精确。
一家当先的美容产品提供商通过情绪剖析跟踪了 1700 名 Facebook 粉丝、150 万名青睐者和 41000 名 twitter 关注者，通过创立实时可操作的见解，从新定义了他们的客户体验。可采取行动的消费者评论会被动发送至沟通核心，以便进行最适当的解决，从而通过与客户的间接沟通进步品牌知名度和忠诚度。
剖析驱动的赌场应用对虔诚卡和客户行为的实时剖析来改善客户体验。这些洞察用于设定老虎机和酒店房间的价格，并设计通过赌场的最佳交通流。当客户损失太多金钱时，零碎可能向客户的机器发送信息看来你在吃角子老虎机的日子不好过。这可能是参观自助餐的好时机。这是一张 20 美元的优惠券，能够在下一个小时应用
信赖与合规
一家寰球工业生物技术解决方案提供商应用尖端剖析来避免数据失落。他们创立了一个剖析零碎，以监控、检测和阻止组织中所有类型敏感数据的应用异样。这些见解大大降低了泄露高度机密信息和高价值 IP 的危险。
一家国内保险公司通过应用大数据分析，将欺诈索赔的成功率从 50% 进步到 88%，并大幅缩短索赔考察工夫。他们对多年的历史索赔和覆盖率数据进行预测剖析，并应用文本开掘来突出报道中缺失的事实、不统一和变动。通过这些见解，他们可能针对低索赔欺诈偏向的集体，并节俭 1200 万美元。
在伦敦奥运会期间，IT 服务提供商每秒可取得 200 多个 IT 安全事件，这些事件通过实时数据分析解决。在 2.01 亿个事件中，相干事件依据剖析进行了筛选，最终组织对 90 个要害事件采取了口头。
因为这些见解，该组织实现了零停机工夫和零业务影响。
组织应该分明他们在哪里通过剖析发明价值。制订明确的指标和指标，并将重点放在特定畛域，将有助于：改良数据采集流程和分析模型的技术适用性，相干利益相关者的参加以及清晰策略愿景的沟通，即：“咱们心愿在哪里通过剖析发明价值？”如果没有这些明确的指标，基于剖析的价值发明将依然是一系列孤立的长期流动。
03 成为数据分析驱动型企业
当先剖析驱动型组织的要害特色；从实质上讲，9 个要害组成部分代表了组织必须解决的挑战，以胜利地采纳和运行反对其业务的剖析驱动办法。9 个要害挑战中的每一个都将详细描述如下。
正确的领导
一个真正以剖析为导向的组织的根本根底是弱小的剖析领导力。
为了可能无效地履行这些职责，剖析领导者必须具备几种技能；剖析领导者是强有力的利益相关者，他们无效地治理不同的观点。其次，他们是优良的、有说服力的和有远见的演讲者，可能无效地传播剖析愿景。第三，仅仅有远见和说服力是不够的。剖析领导者还可能从不同的角度进行无效沟通：深刻的技术、剖析和面向业务的剖析。第四，剖析领导者的特点是他们违心进行试验，并对改革持凋谢态度。第五，剖析领导者可能辨认高影响力的剖析我的项目，并将剖析投资导向业务重点。最初，剖析领导者是数据精明的人，他们对数据分析、定量或统计建模和报告的不同办法和工具有着宽泛而粗浅的常识；他们是剖析畛域公认和受尊敬的专家。
正确的策略
领有弱小的剖析领导力是创立剖析驱动型组织的先决条件，但单凭这一点还不够。组织须要有一个明确的策略，明确他们将把剖析工作放在哪里。除了无效的领导，组织须要将剖析视为外围价值创造者。因而，他们须要制订剖析策略，包含剖析策略、愿景和业务指标。然而，只有当剖析工作针对特定的业务问题和 / 或时机时，剖析策略才会无效，并随同着清晰和共享的剖析愿景。
从剖析中提取业务价值的策略基于（1）加强现有价值（剖析进步经营效率，改善客户体验）和（2）重塑业务价值（提供开发新产品和服务的见解，并提供转换业务模式的领导）。
正确的文化（心态）
除了正确的领导力和策略，剖析驱动型组织必须具备剖析文化和思维形式。管理者和员工须要造就这样一种信念：通过基于事实做出决策，他们有一种有价值的办法来验证本人的直觉，并且在直觉受到证据挑战的状况下，决策的根底会失去改善。在量化办法和基于事实的治理方面必须有一种支持性的文化，否则员工将放弃基于直觉和舒适度的决策现状。
正确的能力和治理
意识到须要在整个企业范畴内调整剖析领导力、策略和文化，从而无效地治理其剖析工作。每个员工都晓得在他们的组织中哪里能够找到剖析人才，而不仅仅是一个孤立的视角，剖析人才被视为组织中的策略资产。剖析能力在策略层面进行治理。
剖析驱动型组织正在以麻利的形式治理剖析我的项目。剖析我的项目优先级和剖析性能的调配是针对业务和 IT 的最新需要而被动调整的。业务分析师与技术专家和数据科学家一起工作，并通过相似“scrum 办法”的会议和委员会（例如，领导 / 翻新委员会）治理他们的我的项目。
最初，剖析驱动型组织将剖析置于其组织的外围，因为他们的决策（策略、战术和经营）基于数据分析。为了进一步促成基于剖析的决策，剖析驱动的组织将其激励构造与剖析驱动的行为相结合。
正确的技能和能力
通过致力于剖析领导力、策略、文化和治理 / 经营模式，剖析性能将存在于组织的外围；然而，要使该外围无效运作，必须在剖析技能和能力之间获得适当均衡。
正确的数据
首先，当先组织十分理解其组织中所有业务流程的数据输入。其次，他们晓得在所有业务流程的数据输入旁边存在哪些数据源。当先的剖析驱动型组织晓得哪些非结构化、结构化和疾速挪动的数据源补充了他们的发现和他们曾经应用的外部数据输入。剖析工作包含外部数据源（财务绩效数据、ERP、PLM、CRM、GPS 数据等）和内部数据源（如社交媒体、视频、语音和纯文本、行业钻研）。第三，当先的组织通过形式化的致力一直收集独特的信息，从而为他们提供独特的见解和竞争劣势。他们曾经制订了一项对于如何收集新数据源的打算，并思考到数据的起源（例如，数据是否能够自在拜访或须要获取，是第三方数据还是凋谢拜访？）。剖析驱动型组织不仅意识到数据的潜在价值；他们还利用数据，将各种数据源的数据组合成可用信息。
总的来说，弱小的剖析领导者是无效数据策略的支柱：他们能够被视为一名建筑师，对建造幻想之家所需的构建块有着清晰的愿景，晓得哪些构建块可用，并制订无效的打算来拜访目前不可用的构建块。
晓得存在哪些数据源是数据策略难题的一部分。另一个步骤是无效地将数据源调配给特定用例。剖析领导者可能答复以下问题：哪些数据源能够为每个用例提供更好的洞察力。
正确的技术
为了利用来自各种数据源的数据；剖析领导者制订了剖析技术策略，依据其业务指标 / 用例和数据策略，领导他们在获取、解决、治理、剖析、建模和可视化所有相干类型的数据源时应应用哪种技术。
他们构建了一个由可用的集成 IT 基础设施零碎和工作流管理系统组成的混合生态系统，以（1）获取和存储数据，（2）转换和治理数据，（3）建模和剖析数据，（4）出现和评分数据。在大多数剖析驱动型组织中，这些生态系统与其传统技术构造共存。他们曾经投资于可扩大和麻利的发现环境，使他们可能在将新的分析方法投入生产之前摸索和测试它们。因为每个用例的数据输出通常不同，解决所需的技术可能会有很大差别，因而参加和治理不同合作伙伴生态系统的能力十分重要（例如，存储和动态分析来自 web 和社交媒体的大量非结构化数据须要不同于捕捉和剖析高容量和速度（如电信网络信号或 IT 基础设施系统日志）所需的技术堆栈）。
除了这些混合生态系统之外，剖析驱动型组织还领有疾速扩大的技术。剖析领导者相熟应用公共云、混合云和公有云以及应用并行计算零碎（如 Hadoop 和 / 或无 SQL 数据存储）或内存中分布式计算环境（如 Spark）来存储、散发和计算大量数据。因为这些技术提供了各种与大数据配合良好的编程语言（如 Javascript、Python、Ruby、Scala 等），剖析领导者也在应用这些编程语言方面加强了他们的技术能力。
正确的流程和绩效治理
建设一个适宜目标的无效剖析环境须要开发一个剖析性能和风险管理框架，以确保可持续性和适应性，以便在须要时进行继续改良。剖析驱动型组织有适当的规范和政策，以跟踪剖析生命周期所有阶段的剖析应用绩效；通过一系列精心定义的指标，他们能够定期评估准确性和有效性，并确定改良畛域和改良机会。因而，在剖析生命周期的每个步骤中，定期评估和报告无关数据应用的性能和危险思考：（1）获取和存储数据，（2）转换和治理数据，（3）建模和剖析数据，（4）出现和评分数据。
无效的剖析性能治理从数据自身开始；垃圾进垃圾出。创立了收集和清理数据、保护技术基础设施、制订可拜访性政策（以及爱护隐衷）和爱护知识产权的标准化办法。他们领有数据清理工具和策略，以便清理和删除不正确、不残缺、损坏或过期的数据。只是有工具而已清洁是不够的；所有 analytics 员工都齐全理解并负责清理筹备进行剖析的数据。此外，治理其信息生命周期。制订了对信息进行分类和存储的政策和规范，并施行了提供信息危险评级的零碎，以便对高风险信息进行适当的审慎解决。他们有适当的政策来标准化和对立数据，并将其作为主数据存储在数据管理系统中。在对不同类型的数据输出进行标准化的同时，致力于对高度重要 / 高风险 / 有影响力的数据进行分类，以便可能进一步升高应用潜在敏感和分类数据带来的危险。
下一步是剖析数据集。为了跟踪这些剖析的性能，定期质疑所应用的模型是否提供了最佳拟合。例如，组织机构跟踪模型消退，分析师定期检查他们是否理解用于模型的元数据，特地是如果存在任何潜在偏差，或者因为数据的潜在散布随工夫的变动，是否须要从新校准任何模型参数。否则，当模型的根本假如谬误或过时时，决策将被谬误地疏导，并产生潜在的灾难性结果。因而，监控基于模型的决策的准确性，并首先在测试区域（沙箱）中测试其模型，而后在其人口子集（样本）上测试模型，而后将模型部署到生产环境中。
正确的规定
通过数据集存储和聚合，任何执行剖析的组织都存在一系列平安挑战和思考事项。因而，信息安全是成为剖析驱动型的关键因素之一，并要求组织在其剖析能力和流程中被动纳入剖析平安和合规政策和规范。随着平安威逼在数量和复杂性上的减少以及剖析应用的减少，须要采取形式化和持重的措施来整合信息安全。
聚合数据集而产生的一些平安挑战；数据变得更丰盛、更有价值，并在某些状况下发明了新的知识产权。组合信息价值的减少也可能与组织的竞争对手无关。黑客能够拜访各种有价值的数据并更改和 / 或删除要害内容，具备歹意用意的员工能够代替数据输出，从而可能毁坏基于剖析的决策。此外，即便是云服务提供商的员工也可能有歹意用意并操纵数据。因而，更多数据和信息的存在、解决和应用随同着组织经营和名誉危险的减少。
任何信息安全管理系统的一个要害组成部分是可能很好地解决（1）所持有的数据，（2）在存储和散发之前如何对数据进行标准化、对立、清理和分类，（3）如何对数据进行加密和匿名（4）在何处持有数据，（5）谁有权拜访数据（以及谁对所持有的数据负责），以及（6）每种特定类型的数据具备什么价值。另一个思考因素是剖析应用程序自身及其平安个性和劣势；组织是否可能确信剖析应用程序自身具备所需的安全性
这些问题都不是不可克服的；但它们须要一些认真的思考和思考。最重要的是，平安（和法规听从性）问题须要从此类打算的一开始就思考.
04 数据驱动，翻新之旅
组织如何开始其剖析之旅，如何评估组织的剖析成熟度，这可能有助于跟踪组织的进度如何随工夫变动，以及与同行进行基准测试。
组织应如何开始数据分析，翻新之旅
工业
示例剖析应用程序
金融服务
欺诈检测、信用评分、索赔优化、客户盈利能力、客户保留。
批发
库存治理、需求预测、客户营销和产品治理、价格优化、客户忠诚度。
制造业
预防性保护、库存治理、供应链优化、新服务 / 产品开发、产品质量一致性。
后勤
优化：供应链、打算、路线。改良员工平安、产量治理。
保健和保险
预测药物效应、预测保险索赔损失率、患者个性化医治、预测住院患者再入院可能性和费用。
农业公司
产量和作物治理，动物种群衰弱剖析。
电信和
公用事业
实时服务、客户散失危险和预防、欺诈治理、计费和支出治理、系统故障预测、网络价值优化。
服务
渠道治理优化、呼叫核心治理、新服务开发。
政府
欺诈检测、犯罪预防、人群治理、预测投票行为、优化对寰球问题的响应。
在大多数行业中，剖析作为一门学科曾经存在于许多组织的外围能力中。下面表格概述了几个行业的常见剖析指标，例如，金融服务提供商尽其所能升高未偿还贷款、债权或抵押贷款的客户的危险。零售商致力优化客户服务和营销。运输公司重大依赖其供应链。因而，组织应该从改善曾经存在剖析的业务畛域的剖析能力开始。
通过应用业务加强剖析，现有业务流程不会间接扭转，文化冲突也不太可能呈现。下图突出显示了与飞行员开始剖析旅程时要采取的最重要步骤。试点胜利后，组织应在可操作和可扩大的环境中部署模型。下一步是在现有业务中建设更多的用例，并通过应用剖析创立新产品和服务，最终倒退为一个更成熟的剖析驱动型组织。
剖析成熟度
成为一个以剖析为导向的当先组织不是组织一夜之间就能实现的事件。要想成为剖析驱动型企业，企业必须晓得本人的倒退历程，并晓得如何改良业务以成为剖析驱动型企业。因而，重要的是，组织应在成熟度框架下以正式形式评估其剖析成熟度。
依据咱们的钻研、教训以及与 Gartner 等机构的探讨，咱们倡议各组织应依据以下所述的能力维度评估其成熟度，辨别剖析成熟度的 5 个级别（级别 1：数据 - 开始，级别 2：数据 - 倒退，级别 3：信息 - 建设，级别 4：常识 - 高级，级别 5：智慧 - 当先）。上面的图 6 突出显示了每个成熟度级别，包含其特色。“数据启动”级别的组织次要依据其直觉和治理专业知识行事。剖析不被视为外围价值，剖析性能也没有正式化。数据品质挑战带来了重大问题，高级管理层要求本地团队手动整顿数据。
处于“数据 - 倒退”阶段的组织应用一些历史数据来反对精通数据的部门内的某些决策。剖析不是以结构化的形式进行的，剖析工作是反复的，恕不另行通知。战略决策依然基于直觉。数据品质是不承受剖析后果的常见借口。
“信息已建设”级别的组织应用部门内的剖析来反对决策，并依据将来的预测抉择决策。决策更具可操作性，跨部门单干依然不是共识。存在数据拥护者和责任感，通过智能地解决数据取得了一些效率，但存在许多要害人员 / 剖析过程危险。
达到“常识 - 高级”程度的剖析驱动型组织将历史、预测性见解（源自各种数据源）视为补充其策略的要害和要害。它们反对经营和战略决策，以改良产品、服务和客户体验，并进步经营绩效。除此之外，这些组织还就其剖析能力传播了清晰的愿景，促成了企业范畴内的剖析合作，并在策略层面上使其剖析能力正式化。对于反对剖析的人员、流程、治理和技术方面，存在具体的框架。
“智慧当先”级别的组织主导着其行业。剖析（预测或其余）不仅用于加强其业务，而且还继续用于开发新的变革性业务模型。反复剖析是自动化的，因而能够依据业务优先级进行试验和剖析翻新。或未分类的危险和时机。在剖析中思考了内部因素，如外国地区的政治不稳固，从而向领导层提出基于决策树的 SWOT 倡议。业务部门真正了解剖析的价值，业务部门和 IT 部门之间存在着值得信赖的单干关系。
要理解更多对于大数据方面的咨询服务并要求进行个性化评估，请拜访：企业互联网开放平台。