大型组织如何使用数据和分析来指导战略和运营决策? 下面来看看高管们所洞悉的各种挑战和机遇.
组织拥有的数据比以往任何时候都要多, 这一点鲜有人怀疑. 但是, 从这些数据中获得重要洞察并将知识转化为行动, 这说起来容易做起来难. 我们与来自主要组织的六位高管进行了交谈并向他们询问了采用高级分析所涉及的各种挑战和机遇: 美国国际集团 (AIG) 的首席科学官 MurliBuluswar, 通用电气软件 (GE Software) 的首席信息官 Vince Campisi, 美国运通的首席风险官 Ash Gupta, 易趣 (eBay) 的全球客户优化和数据副总裁 ZoherKaru, 美国电话电报公司 (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. 以下是对他们的评论所做的转录, 略有删减.
组织在采用分析法时面临的各种难题
美国国际集团 (AIG) 的首席科学官 MurliBuluswar: 从知识型文化向学习型文化发展所面临的最大难题 (从大体上依赖于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术的力量) 实际上不是成本. 最初, 这主要取决于想象力和惯性.
过去的几年里, 我了解到, 自我发展到这样的程度 -- 能进行不同的思维和行动并前所未有地对自己的职责提出质疑, 恐惧的力量在这个过程中所起的作用是不容忽视的. 正是这种思维方式的改变 -- 从基于专家的思维方式到更具动态性, 更加面向学习的方式, 而不是固定的思维方式 -- 我认为这对于任何公司健康持久地运营都是至关重要的, 不管这些公司是大是小.
凯撒娱乐的首席分析官 Ruben Sigala: 我们发现的棘手问题以及在我与许多同行的讨论中所发现的问题依然很难解决, 那就是找到一系列使组织能够在整个过程中高效地创造价值的工具. 我听说有的人成功地实施了一些应用场景, 但我们都在努力实施与实际应用高度集成的, 更具凝聚力的生态系统, 这在一定程度上尚处于初级阶段. 尽管在过去几年中我们似乎一直在谈论它, 但是技术仍在不断发生变化. 资源还在不断发展.
易趣 (eBay) 的全球客户优化和数据副总裁 ZoherKaru: 我们面临的最大的难题之一涉及到数据隐私以及到底共享还是不共享. 我认为, 如果有价值回报, 消费者就愿意分享. 单向共享将不再可行. 那么, 我们如何保护和利用这些信息, 如何与消费者成为合作伙伴, 而不仅仅是为他们提供服务?
在分析中获取影响力
Ruben Sigala: 你必须从组织章程开始. 你必须非常明确组织内部职能的目标及其与广大业务互动的意图. 有些组织从高度集中的视角开始, 重点为各种传统功能 (如市场营销, 定价和其他特定领域) 提供支持. 还有另一些组织则对业务有更广泛的了解. 我认为你必须先定义这样的要素.
这有助于最大限度地影响合适的组织结构和各种论坛, 这最终会设定更细化的运营, 例如培训, 招聘等. 但是, 根据你推动业务发展的方式以及与更广泛的组织进行互动的方式进行调整绝对是很重要的. 从那里开始, 其他所有事情都必须井然有序. 这就是我们开始旅途的方式.
通用电气软件的首席信息官 Vince Campisi: 我们了解到这样一件事, 当我们开始行动并专注于结果时, 这就是一种快速实现价值并使人们对机会感兴趣的好方法. 这将我们达到未曾取得的进度. 因此, 我们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. 一旦你这么做, 人们就会开始带来其他数据源和他们想要建立联系的其他事物. 这确实使你达到了这样的地步, 即你将追求你未曾追求过的结果. 你必须使自己思考事物的方式变得敏捷, 哪怕只是一点点. 但是, 如果你从一个结果开始并付诸实施, 你将很惊讶它接下来会使你取得什么样的进展.
美国运通的首席风险官 Ash Gupta: 我们所做的第一个变革就是使数据质量更高. 我们获得了很多数据, 有时我们并不使用这些数据, 而我们并没有像现在这样对它的质量给予足够的重视. 也就是说, 要确保数据具的正统性, 要确保数据有正当的理由为客户服务. 在我看来, 这是一段旅程. 我们取得了不错的进展, 我们希望在整个系统中继续取得进展.
第二个领域是与员工合作并确定我们正集中开展业务的某些方面. 我们正在将各种能力集中化, 正在将这些能力的使用民主化. 我认为另一方面是, 作为一个团队和一家公司, 我意识到自己在技能上还十分欠缺, 我们需要与公司以外的各种实体展开合作. 这种合作来自技术创新者, 数据提供者和分析公司. 我们需要为业务同事和合作伙伴提供完整的解决方案, 因此这让人确信我们正在共同开发, 共同学习, 而且我们正在互相提升.
影响里的各种例子
美国电话电报公司的大数据高级副总裁 Victor Nilson: 我们始终从客户体验入手. 这才是最重要的. 现在, 在我们的客户服务中心, 我们有大量非常复杂的产品. 即使是简单的产品, 有时也会有非常复杂的潜在问题或解决方案, 因此工作流程也非常复杂. 那么, 每次有互动产生时, 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来分析所有不同的排列组合以增强体验, 从而更快地解决或改善特定情况. 我们消除了复杂性并将其变成简单且可操作的东西. 同时, 我们可以分析这些数据, 然后反过来说:"在这种特殊情况下, 我们是否要主动优化网络"? 因此, 我们不仅针对客户服务而且针对网络进行了优化, 然后将这个因素也结合进来.
Vince Campisi: 我将向你提供一个内部视角和一个外部视角. 内部视角的例子就是我们在所谓的启用数字化方面正在做大量工作 -- 你如何将工程, 制造与维修产品联系起来. 在这个方法里, 我们将重点关注出色的工厂. 以驱动供应链优化为例, 我们已经能够控制 60 余种与直接材料采购相关的大量信息, 利用分析来研究各种新关系并使用机器学习来发现效率, 即我们采购用于产品生产的直接材料的方法的效率.
外部视角的例子是我们如何利用分析来切实使各种资产发挥更大的效用. 我们称之为资产绩效管理. 我们已经开始为数字产业提供支持, 例如数字化风力发电场, 在这里, 你可以利用分析来帮机器进行自我优化. 因此, 你可以帮助使用同一股风能的发电供应商, 而且你还可以通过使涡轮机倾斜适当的角度并了解它们如何优化风能水平, 我们证明, 我们可以用等量风能提升多达 10% 的功率. 这是利用分析帮客户从现有资本投资中获得更高收益和更高生产率的一个例子.
赢得人才之战
Ruben Sigala: 分析人才的竞争非常激烈. 留住组织内部的人才库非常困难, 如果你将这视为核心能力的话, 这尤为困难. 我们最为关注的重点是开发一个平台, 这个平台能够为我们的价值主张发声, 因为这主张对于希望在该领域内开始职业或维持职业的人而言非常重要.
当我们谈论价值主张时, 我们会说这样的话 -- 有机会真正影响业务成果, 进行广泛的分析练习, 这些练习常常使人犯难. 但是, 总的来说, 要成为组织的一部分, 这一部分将价值主张视为自身在市场中参与竞争的关键部分, 然后定期执行. 在某种程度上, 要做到这一点, 你必须制定优秀的培训计划, 而且必须与高级团队进行非常特殊的互动. 而且, 你还必须成为实际驱动公司战略的组织成员.
MurliBuluswar: 我发现, 着重研究各个基本面, 比如科学为什么会诞生, 我们的抱负是什么以及成为该团队的一部分将如何影响团队成员的职业发展, 这一切对吸引我们所关注的高素质人才具有深远的意义. 当然, 随之而来的是更艰辛的部分, 即日复一日地履行这样的承诺.
金钱固然很重要. 我的金钱观就是, 我希望成为前 25% 的人; 但我并不想成为塔尖 1% 的人. 因为无论你处在什么位置, 大多数人 (尤其是从事数据科学工作的人) 只要选择采取实际行动, 他们都可以将薪酬提高 20% 至 30%. 我的目的不是要缩小这种差距, 而是创造一种环境和一种文化, 在这种环境和文化氛围中, 他们发现自己正在学习; 他们发现自己正在研究对公司, 行业乃至整个社会都产生广泛影响的问题; 他们是一支充满活力的团队的一部分, 这个团队的灵感来自于自身存在的原因以及它如何定义成功. 对我而言, 专注于这一点绝对是吸引我所需要的人才的关键要素, 就此而言, 其他任何人也需要这样的关键因素.
培养合适的专业知识
Victor Nilson: 人才很重要, 对吧? 你必须具备数据, 显然, 美国电话电报公司拥有海量数据. 但是没有人才, 数据就毫无意义. 人才是一个竞争优势. 合适的人才能发现合适的技术; 合适的人才能解决各种问题.
我们在一定程度上为开源社区中很多新兴技术的开发做出了贡献. 我们可以使用实验室里遗留的各种先进技术, 我们还有新兴的硅谷. 但是, 我们在全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能.
因此, 仅今年一年, 我们就提供了 50000 多个与大数据相关的培训课程. 我们正在继续发展. 这是一个完整的连续体. 这可能只是一个为期一周的训练营, 或者可能是高级的, 博士级别的数据科学. 但是, 我们希望继续为在这方面有天赋和兴趣的人培养这种才能. 我们希望确保他们能够发展各种技能, 然后将这些技能与工具结合起来, 从而将生产力最大化.
ZoherKaru: 在任何数据和分析过程中, 人才都是至关重要的. 我认为, 仅凭分析方面的人才还不足以解决问题. 我们不能用技能单一的人. 我扩建组织的方式是找博学多才的人. 比如某人主修分析, 但可以辅修营销战略. 因为如果你没有学过辅修课程, 你怎么与组织的其他部门进行沟通呢? 另外, 举个例子, 纯数据科学家将无法与数据库管理员对话, 而数据库管理员又无法与市场研究人员对话, 市场研究人员又无法与电子邮件渠道的负责人对话. 你必须根据可扩展的分析做出合理的业务决策.
来源: http://bigdata.51cto.com/art/202009/625222.htm