- 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
- 2778 点
- 威望
- 14 点
- 阅读权限
- 150
- 积分
- 1975
- 相册
- 0
- 日志
- 0
- 记录
- 1
- 帖子
- 328
- 主题
- 180
- 精华
- 4
- 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
% K, U3 ?7 i# @& Q) R
; C% a* c( |1 H/ n5 V! G- B2 {
/ P+ y- m' Y! M$ G/ x/ |8 M
, h% g6 S( k. h0 u 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。+ m# j7 S2 c7 _6 i7 q) |
0 S7 d9 ?* V2 `
原则 1:从原有的业务与技术中开始着手
8 V+ P$ P/ `4 p+ q9 Y2 `" |
7 _5 P# F: A- z9 ~ 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。」
+ b# ~( A& ~& [+ K* m* P* s5 B% R, o2 q4 Z- l
原则 2:从相互连结的物联网中建造数据景观
" v7 }# ]. `7 X$ J; J: \) N% a8 Z6 ]+ o: k- l: J$ O
「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。
0 a7 Z5 T) ]6 a" b8 o, A9 l" N1 w) {9 r& U4 q
原则 3:建立数据科学与分析的文化
- e! X9 I* j: Q2 }2 n% a8 }3 Q
/ i! t, W* N* p! @ 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。0 p, ~- n1 b, n4 f7 i% G2 G
, z" U7 r8 T: F7 }6 ~) f
原则 4:从小做起,不断迭代
5 D! S# j' h$ @# E% F
" h; t; M6 f$ r3 ?$ |$ v 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。
6 U u4 k7 P! [( y
- x( `3 V+ m% F! Y p0 @* D" r' s5 ^ 原则 5:用数据科学丈量数据科学的成败
+ R4 m! w& V& W& \' l+ }
0 q- W, b5 y, `8 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。」
i. x# }3 L: Q4 m6 \/ U
, t, [* A U8 s) w 原则 6:数据的安全与隐私至高无上5 \0 ^0 I. y5 C) i
! I7 I6 G+ Y# k 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。
: D. b2 n' b3 y' K" O$ t$ q0 p
' j K8 v. a! } {3 K) g 原则 7:赋予成员洞察「作用点」的力量
! d( B! ^/ G& `( G, F4 j! f0 S7 W( M T2 x
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。% ?# |! o( H$ W6 y4 n
, T6 Z+ T8 t0 y; R, Q/ ]9 H; Z" ~4 j: Q1 G2 r
7 ?/ a! O% } B. e; W# [3 K, C
0 o& Q8 E3 O) |
|
zan
|