迎接運營型數據分析時代的到來

2015-12-07 13:36:59 大云網　點擊量：評論 (0)

《IT經理世界》雜志2015年11月20日出版運營型分析將改變企業處理數據的方式。大概從世紀之交開始，商業智能（BI）、數據分析（analytics）、大數據（big data）等與商業數據應用相關的概念越來越成為企業界的熱

《IT經理世界》雜志2015年11月20日出版

運營型分析將改變企業處理數據的方式。

大概從世紀之交開始，商業智能（BI）、數據分析（analytics）、大數據（big data）等與商業數據應用相關的概念越來越成為企業界的熱門話題。在中國，大數據概念卷起的旋風更是讓2013年貼上“大數據元年”的標簽而載入史冊。

數據科技接下來會如何發展？這應該是每個企業管理者都關心的問題。撥開喧囂浮躁的概念泡沫，我們更希望多聽一聽真正的業內專家的觀點。Bill Franks，Teradata天睿公司首席數據分析官，是數據分析和大數據領域的資深專家，嘗試在自己的新著《數據分析變革》中給出這一問題的答案。

數據分析3.0時代

在數據分析的總體演化上，Bill借鑒了國際數據分析研究中心（IIA）的數據分析1.0~3.0的概念框架。數據分析1.0即傳統的數據分析，主要以描述性分析和報表為主，主要來源于內部相對較小的結構化數據，分析團隊基本上脫離業務群體而退居幕后，為企業內部決策提供支持。

進入21世紀，人們也就進入了數據分析2.0也就是大數據的時代。此時面對的數據已經主要是體量龐大且復雜的非結構化數據，這需要新的分析和計算能力。“數據科學家”應運而生，他們往往在新的Hadoop環境下采用R和Python分析數據。數據分析人員不再是脫離業務群體的幕后資源，而開始對業務決策發揮直接的影響力。

在數據分析2.0時代，互聯網公司和電商公司已經開始基于數據分析來開發產品，例如LinkedIn的“你可能認識的人”。但是總體上還是以報表和描述性分析為主，預測性和規范性分析仍然相對較少。

從2014年左右開始，數據分析演進到3.0時代，也就是運營型數據分析的時代。3.0時代不僅綜合了1.0時代和2.0時代的優勢，而且演進到了新的高度。此時，企業開始聚焦于從數據中獲得新的觀點，并進而推導出行為、產品和服務。為此，數據分析必須成為企業戰略的核心組成部分，嵌入到業務決策和運營過程當中。首席數據官的職位會越來越普遍。

運營型數據分析的威力：以營銷為例

對于企業來說，運營型數據分析能夠帶來的最重要的一點幫助就是，讓行動變得更加主動。運營型分析的目標不是在出現問題時積極應對，而是為了避免出現問題。盡管不能避免所有的問題，它的目的在于當問題出現時能夠快速而自動化地得到解決。

例如，在營銷領域，運營型分析能夠幫助企業向潛在顧客提供個性化的產品、服務和營銷信息，從而大幅改進顧客體驗，實現“實時激活”（real-time activation）。

通過個性化網頁提升在線體驗是一個典型的例子。現在很多企業都可以根據所有的顧客數據，包括最近的一次點擊，來實時調整頁面內容，從而優化顧客體驗。顧客當前的操作將會影響到哪怕一秒鐘之后他們所看到的網頁內容。

迪士尼為游客提供的“魔法手環”也是一個典型的例子。這一內嵌了RFID芯片的手環不僅可以幫助游客更加便捷地在園內游玩，通過跟蹤游客的移動信息，也可以讓迪士尼更精確地掌握游客在園內的流動情況，更好地在不同的景點之間分流人群。

另外，迪士尼還可以據此改變與游客互動的方式。當一個孩子來到迪士尼樂園，米老鼠或者白雪公主出現在他的面前跟他說話，而且（通過魔法手環傳遞的信息）竟然知道他的名字是史密斯，今天是他九歲生日，他最愛吃小熊軟糖……這個孩子會感覺多么神奇呀。當然這背后都是小孩手上帶的手環在發揮“魔法”的威力。

運營型分析還可以通過為顧客提供透明度來提升顧客體驗。例如，聯邦快遞推出的SenseAware服務，在那些顧客特別在意的包裹（例如藝術品、高端收藏品或昂貴且易損物品）中加入傳感器，運輸途中不斷將包裹的相關數據實時傳遞到聯邦快遞，讓顧客隨時監控自己的物品。

運營型分析可以在提升顧客滿意度的同時幫助降低運營成本。以前，有航班延誤時，航空公司經常會被蜂擁而來的幾十上百位要求改簽的乘客搞得手忙腳亂狼狽不堪。現在有了運營型分析的支持，這種情況的處理可以巧妙很多。一旦出現航班延誤，它會先識別出那些會出現問題的乘客，并且按照票價、常旅客身份、旅行受影響的優先級以及其他因素來做出快速處理，從而使航班延誤帶來最小化的影響。

企業需要做什么

更多的可用數據、不斷提升的數據分析處理能力和強大的數據分析技術，給企業帶來無數商機。是否將數據分析技術成功地嵌入業務流程，正在成為競爭優勢劣勢的分野。

運營型分析成為迫切的要求。而傳統的系統、架構和分析方法將不再適用于當今復雜的需求，企業必須改變它們存儲數據、分析數據和部署分析結果的方法。這不僅需要改變基礎設施和分析方法論，也需要改變企業政策。

在技術之外，Bill特別強調了組織和文化變革的重要性，事情歸根結底是靠人來實現的。運營化分析需要組建合適的團隊，把合適的團隊放在合適的位置上。這不僅意味著要招到有技能的聰明人，還必須建立起高效的組織和架構，設置有效的激勵手段，賦予團隊成功所需要的權力、責任和心態。在這個基礎上，整個企業文化也要發生相應的變革，企業各級員工都要對數據分析樹立起信任、接納和擁抱的態度。

在書的末尾，Bill做了一個讓人印象深刻的類比：就像工業革命改變了制造業，運營型分析也將改變企業處理數據的方式。那么，數據分析的革命已經開始，你是否已經做好了準備？