[[347551]]

組織是否使用最佳實踐進(jìn)行分析?四位行業(yè)專家對數(shù)據(jù)分析的主要趨勢進(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：邏輯混亂，設(shè)計不當(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)并提出一些實踐案例， Dell Boomi公司全球企業(yè)營銷主管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)專家對此進(jìn)行了討論。

數(shù)據(jù)分析真的對公司有用嗎?

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)鏈和購買數(shù)據(jù)聯(lián)系起來，并且實際上預(yù)測了人們想要什么產(chǎn)品。因此，有些公司正在取得成功，

Davenpor：國際分析學(xué)會對不同組織的分析成熟度進(jìn)行了基準(zhǔn)測試。指出，所有的成熟度模型都應(yīng)該有五個層次，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，所有被評估公司的平均成熟度才達(dá)到2.25層。

Iansiti：實際上，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。實際上，無論是在AWS云平臺還是在零售領(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，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，就會知道很快就會倒閉。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)分析一直是推動信息技術(shù)發(fā)展的五大優(yōu)先事項之一。而在我們進(jìn)行的另一個調(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)行市場預(yù)測。從根本上講，市場上有數(shù)百種這樣的算法。例如， Fidelity公司有大約120個不同的項目負(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，“我的夢想就是能夠掌握我們所知道的一切，并比我們的競爭對手做得更好更快。”

Suer：在原有世界中，通常要求企業(yè)自己構(gòu)建平臺。他們購買產(chǎn)品，然后進(jìn)行部署。在此過程中，大多數(shù)項目開展的并不順利。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，但是還需要某種工作流和決策平臺，因為要求組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)選擇一個人，也可以說：“我們正在使用Salesforce，我的老板購買了這款產(chǎn)品，該產(chǎn)品為我提供了預(yù)測性領(lǐng)先評分模型。為什么不在準(zhǔn)備的清單上選擇最有可能購買產(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，因為在組織中，最有價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)平臺上擁有云計算經(jīng)驗。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。

Davenport：就未來的情況而言，我認(rèn)為將會更多地使用外部數(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。而在一個名為GPT-3語言創(chuàng)造的最新人工智能系統(tǒng)中，這個深度學(xué)習(xí)模型中有1750億個神經(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，它們在許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)平臺架構(gòu)和設(shè)計。而在這個領(lǐng)域中還有一定的成長空間。

 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)對的方法，否則他們可能會在市場競爭中落后。