數(shù)字化轉(zhuǎn)型正在推動新的商業(yè)模式——推動總收入增長的粘性價值主張，以及大量優(yōu)化運營成本的機(jī)會。在新興經(jīng)濟(jì)體中，顛覆者和被顛覆者之間的新興競爭發(fā)掘了數(shù)據(jù)的價值，這些遍布在現(xiàn)有客戶名單中的的數(shù)據(jù)正在成為大型企業(yè)的新的價值驅(qū)動力。因此，到2018年，我們將看到更多企業(yè)希望以這種數(shù)據(jù)貨幣賺錢。
成功的往往是這些公司——它們知道如何準(zhǔn)備用于消費的數(shù)據(jù)，并使用深度統(tǒng)計推理和機(jī)器學(xué)習(xí)技術(shù)來發(fā)現(xiàn)更明智的見解。然后，它們知道如何通過主動的推動將這些見解轉(zhuǎn)化為行動——在流程的恰當(dāng)階段、恰當(dāng)?shù)臅r間提供恰當(dāng)?shù)闹笇?dǎo)。我們來探討一下公司如何充分利用數(shù)據(jù)，應(yīng)用分析和人工智能(AI)來產(chǎn)生真實的、有影響力的洞察，然后在組織中推動有意義的變革。
從明確的愿景和目標(biāo)開始
好的開始是成功的一半。高效的分析策略要處理的不僅僅是數(shù)據(jù)和見解——它包括人員、流程和變革管理。我們經(jīng)?？吹?，那些沒有投資于更廣泛的，使分析成為業(yè)務(wù)核心的企業(yè)未能充分利用這些奇妙的洞察。行業(yè)證據(jù)清楚地表明，基于分析的，業(yè)務(wù)驅(qū)動的卓越中心能實現(xiàn)的價值遠(yuǎn)遠(yuǎn)高于分析小組所能實現(xiàn)的價值。
如果我們直入分析工作的核心，它始于數(shù)據(jù)戰(zhàn)略——通過所需的數(shù)據(jù)進(jìn)行設(shè)計思考，并做出深思熟慮的選擇，這些選擇能確保流程和技術(shù)系統(tǒng)地捕獲數(shù)據(jù)。例如，我們看到電梯公司現(xiàn)在可以采集負(fù)載并在一天中的不同時間停下來，以便他們可以提供更好的用戶體驗——我們以前從未捕獲過的數(shù)據(jù)?；蛘?，制造商從飛機(jī)發(fā)動機(jī)上的傳感器獲取數(shù)據(jù)，以便優(yōu)化資產(chǎn)維護(hù)。將具有戰(zhàn)略重要性的新數(shù)據(jù)與來自內(nèi)部和外部資源的其它現(xiàn)有數(shù)據(jù)相結(jié)合，這樣可以創(chuàng)建可供企業(yè)利用的豐富的大數(shù)據(jù)。
提取，構(gòu)建和設(shè)計數(shù)據(jù)
數(shù)據(jù)工程是分析實踐的基礎(chǔ)，它還涉及數(shù)據(jù)架構(gòu)(發(fā)現(xiàn)、理解、采購和容納數(shù)據(jù));數(shù)據(jù)編排(攝入、清理、轉(zhuǎn)換和統(tǒng)一數(shù)據(jù));和數(shù)據(jù)治理(主數(shù)據(jù)管理，安全性和起源)，使其能夠運行建模技術(shù)以提供業(yè)務(wù)洞察。
此外，人工智能方面的新進(jìn)展也開啟了隱藏在非結(jié)構(gòu)化數(shù)據(jù)中的有價值的信息。這是存放在電子郵件、PDF和其它文件中的信息，自然語言處理(NLP)和計算語言學(xué)算法現(xiàn)在可以將其轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)以供使用。因此，以前必須由人類閱讀的文檔現(xiàn)在可以自動訪問、嵌入這些文檔的數(shù)據(jù)現(xiàn)在可以用來運行分析。例如，我們看到銀行使用人工智能來讀取資產(chǎn)負(fù)債表，并動態(tài)地獲取貸款組合的風(fēng)險分?jǐn)?shù)。我們看到企業(yè)動態(tài)地讀取采購合同并自動將其與發(fā)票進(jìn)行核對。
從數(shù)據(jù)中產(chǎn)生見解
數(shù)據(jù)一旦面向消費，就可以使用各種統(tǒng)計推斷技術(shù)。不斷擴(kuò)大的數(shù)據(jù)科學(xué)領(lǐng)域現(xiàn)在為優(yōu)化、分類或聚類提供了一些非常成熟的技術(shù)，這些技術(shù)都有助于預(yù)測結(jié)果。優(yōu)化可以讓工業(yè)制造公司預(yù)測最接近高端機(jī)器資產(chǎn)的備件的最佳布置辦法。分類使保險公司得以快速查看傳入的理賠請求并對其進(jìn)行動態(tài)轉(zhuǎn)交以實現(xiàn)快速補救。聚類可以讓銀行通過更準(zhǔn)確地檢測異常情況來檢測欺詐和反洗錢。
機(jī)器學(xué)習(xí)算法近年來發(fā)展迅速，特別是通過開發(fā)基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)技術(shù)。計算能力也有所提高，所以現(xiàn)在可以更快地訓(xùn)練更大更復(fù)雜的模型。最后，我們捕捉的數(shù)據(jù)不斷增長，培訓(xùn)機(jī)器學(xué)習(xí)算法的能力也在不斷提高，從而使其更適用于商業(yè)用途。
這個快速發(fā)展的機(jī)器學(xué)習(xí)領(lǐng)域正在進(jìn)軍商界。例如，我們正在尋找能夠根據(jù)照片準(zhǔn)確預(yù)測受損屋頂?shù)木S修成本的機(jī)器，只要這些機(jī)器已經(jīng)接受數(shù)百萬張照片和相關(guān)理賠信息的訓(xùn)練。由于提供見解的速度，準(zhǔn)確性和成本變得更加有利，數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)正在打開全新的商業(yè)模式。
將數(shù)據(jù)科學(xué)與領(lǐng)域知識和流程理解結(jié)合起來
使分析可操作的關(guān)鍵部分之一是將其與領(lǐng)域知識和流程理解配對。情境化(contextualization)和提煉(distillation)是數(shù)據(jù)科學(xué)的關(guān)鍵，目標(biāo)導(dǎo)向是機(jī)器學(xué)習(xí)的基礎(chǔ)。這些最好來自對業(yè)務(wù)環(huán)境和發(fā)生在上下游的流程握手(process handshake)的深刻理解。這一切都需要可以添加這些關(guān)鍵組件的合適人員的參與。我們經(jīng)?？吹巾椖勘憩F(xiàn)不佳，因為它們?nèi)狈@個重要的基礎(chǔ)。
化分析為行動
正如Lisa Morgan最近在InformationWeek上所分享的那樣，“獲得洞察是一回事，而將洞察付諸行動是另一回事。”將數(shù)據(jù)和分析轉(zhuǎn)化為可以使企業(yè)發(fā)展壯大，產(chǎn)生差異化的行動至關(guān)重要。做這種事的其中一個方法是通過助推。助推理論(nudge theory)是由經(jīng)濟(jì)學(xué)家Richard Thaler于2008年發(fā)展出來的，他在去年10月獲得了諾貝爾獎。企業(yè)利用分析和智能用戶體驗就可以推動或引導(dǎo)員工和消費者做出與其目標(biāo)相一致的特定決策。在某些方面，這類似于在下一個路口獲得谷歌地圖的信息——助推——將基于目的地路線規(guī)劃和預(yù)期交通的背景中的重要分析具體化，并將其簡化為簡單的助推：左轉(zhuǎn)。
我們再來舉一個在財富管理中實施的有效分析戰(zhàn)略的例子。假如一位客戶三年前發(fā)送了一封電子郵件，他要求推遲預(yù)約，因為他與兒子的中學(xué)畢業(yè)典禮在時間上有沖突。這封電子郵件和幾百萬其它郵件一起封存在公司的檔案中。三年后，通過分析和自然語言處理，來自此電子郵件的信息可用來推動財務(wù)顧問聯(lián)系客戶，并向客戶的兒子推薦車險，因為他正值適駕年齡。明智地使用分析可以為客戶的需求提供預(yù)測模型。但是，使這一切成為現(xiàn)實的是，在正確的時間、用正確的背景信息來推動合適的人選(財務(wù)顧問)。
總而言之，要充分利用數(shù)據(jù)價值獲利或賺錢，業(yè)務(wù)領(lǐng)導(dǎo)者就必須從正確愿景著手——以分析為后盾來推動業(yè)務(wù)。然后，在數(shù)據(jù)戰(zhàn)略和架構(gòu)，數(shù)據(jù)工程，數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)方面發(fā)展強(qiáng)大的競爭力。最后，使用領(lǐng)域知識和流程洞察，將這些洞察轉(zhuǎn)化為行動。
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。
京公網(wǎng)安備 11010502049343號