- 在线时间
- 101 小时
- 最后登录
- 2017-2-24
- 注册时间
- 2015-6-1
- 听众数
- 68
- 收听数
- 1
- 能力
- 40 分
- 体力
- 2775 点
- 威望
- 14 点
- 阅读权限
- 150
- 积分
- 1974
- 相册
- 0
- 日志
- 0
- 记录
- 1
- 帖子
- 328
- 主题
- 180
- 精华
- 3
- 分享
- 0
- 好友
- 77
TA的每日心情 | 开心 2015-6-19 13:01 |
---|
签到天数: 3 天 [LV.2]偶尔看看I
|
大数据时代,变身「大数据企业」的七大原则 ; p; w% v4 m+ v$ e
/ U) \2 E; W6 R. a
- h; a. o. B/ S9 K' ?
3 v. R* H$ s T4 C8 _7 @* Z 大数据时代,你准备好用数据驱策公司了吗?这并不是一项简单的任务,迅速吸收、整合与分析数据的能力缺一不可,而数据又来自内部原有的数据以及未来源源不绝诞生的海量数据,最终你必须把数据转化成「洞见(insights)」,并且依此为本,能在各种状况采取最适当的解决方案。法国凯捷(Capgemini)管理顾问公司「洞见与数据」副总裁 Jeff Hunter 表示,他们调查了 1000 名企业高层,整理出七项企业转型成「数据为本」的过程中,所需遵循的七大原则。- G$ N; p7 F) R3 B5 B" t7 @
* S& o7 c! v6 d0 l( H# \! R) A1 g7 W
原则 1:从原有的业务与技术中开始着手
+ j" ]1 h/ ?. c3 f+ d) a: R0 E) C% ~
想要转型成以数据为本的公司,首先一定得先确认业务目标,接着便能规划战略蓝图,运用新的数据来源,达成你所设定的目标。数据成熟度(data maturity)与技术两者双管齐下的起点,将决定未来整趟旅程的行进过程。Hunter 表示:「若能适当的部署业务与技术,就可以堪屎系统性地开展业务流程与商业模式,并且明辨哪些质化元素能被量化元素取代。」
8 i" z7 L+ N+ t) }9 L# v1 e3 l' l. }, e+ ^# S9 E$ q' z
原则 2:从相互连结的物联网中建造数据景观, n$ N1 |4 p# R& [% n- R( w% D
3 o! N, b M- P! ?; z4 X
「物联网」的实现近在咫尺,而且已经产生(而且会持续产生)史无前例的巨大数据。「存活超过 20 年的企业,近来不断设法制定企业数据策略,因为他们里头有数不清的数据市集(data marts)和数据孤岛(data silos)」Hunter 说。尽管公司组织努力解决数据孤岛的问题,但是宛如瀑布般倾泻而下的数据,只会一再造出新的孤岛,除非你的环境已经准备好应付那些海量数据,毕竟现在数据量产生的速度,远超 20 年前我们所习惯的步调。不过幸好,大数据热潮孕育了许多可以协助大企业管理笨重数据负担的新技术,因此能否好好善用那些新技术,把数据转化成真正的业务需求,是企业在形塑数据景观时不可或缺的原则。
7 I0 C6 i- b; {3 g( T4 n* y- G
& Z& B$ p2 y( e 原则 3:建立数据科学与分析的文化
0 O/ k! P' i9 [' \* d. j- ~5 W4 E7 N6 \) g4 R" l9 {
想靠「数据」发威,光有技术不够,还得建立一个理解数据、而且懂得利用数据的文化,两者缺一不可,文化甚至更加重要。「对我们来说,『懂数据』不再只是副产品,而是重要的资产,你要培养『这是一种资产』的心态,你要知道,数据有可能帮你重整业务流程或挖掘出新的收入来源。」因此,数据科学不该只是几个人的职责,必须灌输到整间企业的全体成员身上,让所有的决策都变得更明智。
3 s2 j& H) e1 [) c9 y8 W
s% z+ h0 w9 [8 z 原则 4:从小做起,不断迭代# ?1 L; g5 ?5 T: c8 N1 @* J
" x7 i4 ?3 V9 B% ~
我们可以预期使用者对于资讯与数据洞见的需求会愈来愈多,这表示他们要能随时随地获取这些资讯。这不是一件容易的事情,但是企业可以先从「小事」做起,找到一个可以从数据中直接受益的业务目标,接着反覆改善(iterate),让团队不断汲取经验,最终能以数据洞悉、解决业务问题,「这个过程可以持续复制、重复消耗,」Hunter 强调,Capgemini 针对技术、人才与分析的投资,总是能被客户一再使用。
2 G2 T. {7 L9 C: ` w4 f9 n0 y$ g, n3 I
原则 5:用数据科学丈量数据科学的成败- k& i/ I: E4 y. L6 z
3 }3 K: ^7 y& B& t7 C$ M* Q 要让数据当个称职的主角,你得采用数据科学的方法来判断数据科学是否成功,这不是什麽跳针的玩笑话。随着你的企业从数据洞见取得的营收愈来愈多,你得要能辨析数据政策是否产生重要的改变,要发展一套尺度用衡量成败。「我们怎麽丈量成功或失败?『洞察』就是我们最重视也最关键的 KPI。」
' Z y7 G' m/ J( @! |
0 l- \5 [0 |$ \3 c! }* j0 s 原则 6:数据的安全与隐私至高无上
+ Q$ K- n" d* s2 _% L
+ Y% C( b3 ^7 H& j% R 只靠直觉行事很糟,但未经筛选、从良莠不齐或不可靠的数据中采集作为决策考量,更糟。倘若你无法处理数据安全以及尊重隐私,将会导致企业暴露在险境之中。「维护数据资产的安全与隐私,是最基本的要务,我们总是尽己所能管理数据。」Hunter 强调,无论数据产生的速度多快,都不能轻忽契约或有违反法律的情事。
* |9 s( |6 F" ~
" |4 }& n$ O( n1 ]( M9 N 原则 7:赋予成员洞察「作用点」的力量
% \; o& Y9 M) E' H9 M, H4 S/ I' u: y* t) L y% `% k
唯有公司内部的成员面对数据洞见时能够迅速产生反应,数据才有价值。这些洞见在「作用点(point of action)」上必须有所区隔,比方说,如果现阶段的目标是优化购物车,反应够快的人就会想到可以在交易完结之前,提供消费者某些推荐商品。Hunter 以机械操作员来比喻,就是要让他们能够预测钻头何时可能会损坏。建立数据为本的心态,而且懂得因事制宜,方能抢在事情发生之前预做准备。1 J3 g" c; \" i0 ?7 O
1 t" o) x& }5 T: }7 O
3 }0 W# k2 B7 @2 b1 y, C
' x% k/ ^8 J. h
! R8 d* C" C4 a+ m
|
zan
|