組織是否使用最佳實(shí)踐進(jìn)行分析?四位行業(yè)專家對(duì)數(shù)據(jù)分析的主要趨勢(shì)進(jìn)行了討論。
一方面，人們聽說數(shù)據(jù)分析具有神奇的力量。分析軟件提供的基于指標(biāo)的見解將推動(dòng)組織業(yè)務(wù)取得成功。另一方面，組織中面臨數(shù)據(jù)分析這樣的現(xiàn)實(shí)：邏輯混亂，設(shè)計(jì)不當(dāng)?shù)南到y(tǒng)以及組織高管憑直覺而不是數(shù)據(jù)驅(qū)動(dòng)的洞察力進(jìn)行操作。
為什么組織難以優(yōu)化其數(shù)據(jù)分析?為了了解數(shù)據(jù)分析中的挑戰(zhàn)并提出一些最佳實(shí)踐，Dell Boomi公司全球企業(yè)營(yíng)銷主管Myles Suer、巴布森學(xué)院教授Tom Davenpor、哈佛商學(xué)院教授Marco Iansiti、Principal研究首席分析師Dion Hinchcliffe這四位行業(yè)專家對(duì)此進(jìn)行了討論。
數(shù)據(jù)分析真的對(duì)公司有用嗎?
Suer：這要看情況而定。麻省理工學(xué)院信息系統(tǒng)研究中心(MIT CISR)不久前進(jìn)行了一項(xiàng)研究，他們發(fā)現(xiàn)，只有28%的公司真正做好了數(shù)字化轉(zhuǎn)型的準(zhǔn)備，而51%的公司仍然處于孤島狀態(tài)。所以真的很有趣。就人工智能和機(jī)器學(xué)習(xí)的使用而言，這很有趣。像Stitch Fix這樣的公司正在為消費(fèi)者做一些令人驚奇的事情，但是甚至像Nordstrom這樣的公司已經(jīng)成功地將他們的供應(yīng)鏈和購(gòu)買數(shù)據(jù)聯(lián)系起來，并且實(shí)際上預(yù)測(cè)了人們想要什么產(chǎn)品。因此，有些公司正在取得成功，
Davenpor：國(guó)際分析學(xué)會(huì)對(duì)不同組織的分析成熟度進(jìn)行了基準(zhǔn)測(cè)試。指出，所有的成熟度模型都應(yīng)該有五個(gè)層次，通常，最低的第一層通常是一團(tuán)糟，而第五層是非常復(fù)雜的。但到目前為止，所有被評(píng)估公司的平均成熟度才達(dá)到2.25層。
Iansiti：實(shí)際上，很多的組織已經(jīng)做了很多工作，我認(rèn)為在很大程度上取決于其所處的行業(yè)。因此，所以我完全認(rèn)同Davenpor的分析。實(shí)際上，無論是在AWS云平臺(tái)還是在零售領(lǐng)域，亞馬遜的出色表現(xiàn)令人贊嘆。我認(rèn)為它們非常先進(jìn)。例如，美國(guó)運(yùn)通這樣的公司已經(jīng)做了很多事情，或者一些信用卡公司不得不在某些方面采取行動(dòng)，他們往往在不同的階段都很先進(jìn)。如果金融服務(wù)機(jī)構(gòu)不在這方面進(jìn)行投資，就會(huì)知道很快就會(huì)倒閉。此外，今年發(fā)生的疫情正在加快事態(tài)的發(fā)展。
Hinchcliffe：我對(duì)一些公司的首席信息官進(jìn)行了調(diào)查，在過去的幾年里，數(shù)據(jù)分析一直是推動(dòng)信息技術(shù)發(fā)展的五大優(yōu)先事項(xiàng)之一。而在我們進(jìn)行的另一個(gè)調(diào)查中，數(shù)據(jù)分析排名第二，數(shù)字化轉(zhuǎn)型名列第一。
但就像所有強(qiáng)大的技術(shù)一樣，數(shù)據(jù)分析將領(lǐng)導(dǎo)者和落后者區(qū)分開來。我們看到，大多數(shù)組織都處于發(fā)展階段。
數(shù)據(jù)分析的挑戰(zhàn)和最佳實(shí)踐
Iansiti：我認(rèn)為現(xiàn)在要把事情做好，擴(kuò)大規(guī)模，而且要跨越各種不同的流程。因此，并不是要建立一種很酷的算法來進(jìn)行市場(chǎng)預(yù)測(cè)。從根本上講，市場(chǎng)上有數(shù)百種這樣的算法。例如，F(xiàn)idelity公司有大約120個(gè)不同的項(xiàng)目負(fù)責(zé)人，他們致力于大規(guī)模部署一些數(shù)字化的流程。
Hinchcliffe：有一位首席信息官說，“我的夢(mèng)想就是能夠掌握我們所知道的一切，并比我們的競(jìng)爭(zhēng)對(duì)手做得更好更快。”
Suer：在原有世界中，通常要求企業(yè)自己構(gòu)建平臺(tái)。他們購(gòu)買產(chǎn)品，然后進(jìn)行部署。在此過程中，大多數(shù)項(xiàng)目開展的并不順利。所以我認(rèn)為最大的問題是，組織需要數(shù)據(jù)科學(xué)家的幫助，當(dāng)然也可以獲得數(shù)據(jù)工程師的幫助，或者需要某種方式使組織從數(shù)據(jù)管道初始階段清理原始數(shù)據(jù)。
Davenpor：我認(rèn)為組織需要數(shù)據(jù)平臺(tái)，但是還需要某種工作流和決策平臺(tái)，因?yàn)橐蠼M織采取其他的方法來使他們的工作變得智能化似乎并不成功。需要讓事情變得簡(jiǎn)單些。例如銷售人員試圖確定，“我今天向誰銷售產(chǎn)品和服務(wù)?”可以隨機(jī)選擇一個(gè)人，也可以說：“我們正在使用Salesforce，我的老板購(gòu)買了這款產(chǎn)品，該產(chǎn)品為我提供了預(yù)測(cè)性領(lǐng)先評(píng)分模型。為什么不在準(zhǔn)備的清單上選擇最有可能購(gòu)買產(chǎn)品的公司呢?”這太容易被忽視了，我認(rèn)為在越來越多的情況下，如果成功地使用分析和人工智能，就必須將其嵌入到這些交易和決策平臺(tái)中。
數(shù)據(jù)分析的未來
Hinchcliffe：我認(rèn)為大多數(shù)組織仍在努力，并且正在處于初始階段，他們?nèi)匀幻媾R著巨大的挑戰(zhàn)，把數(shù)據(jù)轉(zhuǎn)移到需要的地方。而數(shù)據(jù)所有權(quán)就是問題所在。數(shù)據(jù)訪問是一個(gè)主要問題，還是有些封閉。我們現(xiàn)在看到客戶數(shù)據(jù)平臺(tái)和其他解決方案得以興起，這些解決方案使組織的數(shù)據(jù)分析能夠?qū)嵤┫到y(tǒng)化，使數(shù)據(jù)一致，并且其數(shù)據(jù)可以共享，因?yàn)樵诮M織中，最有價(jià)值和不可替代的資產(chǎn)之一就是數(shù)據(jù)，我們看到了很多利用不足的情況。因此，我認(rèn)為將看到基本進(jìn)展，這樣就擁有更強(qiáng)大的開放數(shù)據(jù)基礎(chǔ)，我們的組織也將有更高的技能水平。
在五年后，我們將擁有更多經(jīng)驗(yàn)豐富的工作人員。他們將通過分析工具在現(xiàn)在開放的數(shù)據(jù)平臺(tái)上擁有云計(jì)算經(jīng)驗(yàn)。他們將不再在Excel中執(zhí)行所有操作，將使用Snowflake等下一代分析平臺(tái)。
Davenport：就未來的情況而言，我認(rèn)為將會(huì)更多地使用外部數(shù)據(jù)。幾十年來，我們主要關(guān)注內(nèi)部數(shù)據(jù)。如果我們想知道世界上發(fā)生了什么，還有那些潛在客戶，需要更多地了解外部環(huán)境，并且獲得更多的外部數(shù)據(jù)。如今已經(jīng)看到了一些變化。具有諷刺意味的是，也許要回歸規(guī)模更小的數(shù)據(jù)模型。而在一個(gè)名為GPT-3語言創(chuàng)造的最新人工智能系統(tǒng)中，這個(gè)深度學(xué)習(xí)模型中有1750億個(gè)神經(jīng)元節(jié)點(diǎn)。
Iansiti：因此，組織將要開發(fā)一些工具集，以一種比過去更加細(xì)致的訪問方式來組織數(shù)據(jù)。而且，隨著傳統(tǒng)組織加快發(fā)展步伐，與數(shù)字公司相比，它們?cè)谠S多方面都更加周到和保守，就在十年前，它們還是微不足道的。因此，從這個(gè)角度來看，希望在2025年能夠看到的是更加負(fù)責(zé)任的數(shù)據(jù)平臺(tái)架構(gòu)和設(shè)計(jì)。而在這個(gè)領(lǐng)域中還有一定的成長(zhǎng)空間。
Suer：有一件事很有趣，上市公司從幾年前的20年的歷史下降到了10年。因此，我認(rèn)為這些成功的組織非常擅長(zhǎng)分析和數(shù)據(jù)以及諸如此類的事情，因此，傳統(tǒng)組織必須迅速找出應(yīng)對(duì)的方法，否則他們可能會(huì)在市場(chǎng)競(jìng)爭(zhēng)中落后。
