大數據塑造未來業務的五種方式

李時

大數據分析可添加到以人為主導的流程中，從而進行人機協作，而不是用一對一的交換形式取代人類。

關于技術，最常見的一個誤解就是：新技術總是優于傳統人工。考慮到過去人類職業被機器自動化所取代的次數，人們很容易就會得出這個結論。但是替代現象并不是線性的。有無數例子證明，新技術并不總能企及它所替代的人所提供的價值。

人們往往會太過盲目地運用自動化——讓機器做只有人類才擅長的事，比如接電話、讀取面部表情等任務。與此同時，在其它領域，我們卻要求人類完成機器非常擅長的數據驅動型任務，例如決定如何更好地安排店鋪庫存。

多虧有了大數據分析，我們可以糾正這兩方面的錯誤。大數據分析可添加到以人為主導的流程中，從而進行人機協作，而不是用一對一的交換形式取代人類。通過在流程中適時地添加更多數據，大數據分析可以減少決策對人類推測的依賴。

通過更加明智地運用自動化，大數據讓機器和人協同做出關于流程和政策的決策，充分發揮各自的優勢。

對于全球企業來說，這是一個巨大的優勢，因為技術能夠根據需求被添加和取代，從而以近乎完美的可靠性和連貫性來兌現企業所需的智能自動化。

盡管大量的大數據分析裝置已在全球部署到位，但是它們大多遠離公眾視線，僅用于機密性、高價值的任務。2016年，這種情況將發生改變——大數據分析將出現在各種業務應用最醒目的位置。

以下是我們預測大數據將在2016年提供的五大關鍵業務優勢：

勞動力優化

我們都對所要做的事，以及什么是正確、什么是錯誤有預感和“直覺”，但是沒有數據做支撐的直覺很少能夠做出理想的選擇。當決策由數據驅動并輔以人類直覺做補充時，就會實現優化。

例如，運營車輛的司機往往依賴直覺和之前的經驗決定行車路線。如果擁有車載信息和路線優化數據，人們就能大大提高其駕駛效率，并在必要的時候通過直覺解決問題。這種流程混合能讓機器和人類發揮各自最大優勢，為業務流程和客戶體驗帶來最大價值。

通過更多數據驅動型決策支持來補充人類為主導的流程，大數據分析能夠輔助和優化各項人為活動。

多渠道世界中的選擇

人們對渠道有著強烈的偏好。例如有研究表明，80后、90后會傾向于選擇通過他們的“原生”渠道——移動或社交媒體來獲得所需的服務。

渠道多樣化對于用戶選擇非常有利，但卻為企業帶來挑戰，尤其是當他們沒有技術保證每個渠道都擁有同樣的客戶體驗時。例如，呼叫中心的座席使用決策支持工具來根據政策解決問題，但是如果系統數據和政策與其它渠道中的數據和政策并不相同，那么客戶體驗就會分崩離析。這容易導致用戶不滿和困惑——因為不同渠道可能產生不同的結果。

大數據分析可幫助企業免除渠道限制。如果你能夠迅速、準確地分析大數據，那么每個渠道都可以利用相同的數據源和政策，從而確保所有渠道都能平等地運行。此外，大數據分析可支持無縫跨渠道流程，這意味著員工和客戶在任何時候始終都能選擇最便利的渠道。

流程編排和政策管理

在任何企業，政策和流程都是密不可分的。流程必須在企業制定的政策內執行，并且定期進行審查，以確保它們不會過時或妨礙業務。

通過技術來執行流程和政策時，過程中的問題就會在業務成果中顯現出來。這是好事，因為當流程導致意想不到的結果時，出現的異常情況會準確告訴我們流程或政策的哪方面需要改進。例如，如果客戶放棄了一個在線購物車，轉而尋求客服或呼叫中心的幫助，那么這表明某些方面需要進行改進。大數據分析提供了追蹤和分析這些相關性的方法，從而避免了它們可能會導致的問題。

除此之外，大數據分析將有助于降低業務流程運行的整體成本。例如，通過識別超出自動化流程處理能力的情況，大數據分析可幫助企業減少異常的開支。

自動個性化

過去，由人執行個性化任務是有意義的，因為機器往往不善于做出主觀決策，即我們通常所說的“軟”決策。其中包括非語言行為、面部表情和語調等人類交流中的暗示。

2016年，公司將取得進一步突破，讓機器能夠模擬“軟”數據。通過吸收大量信息（包括過去收集和分析起來太慢、太貴的數據類型，如知識型員工的溝通與案例記錄），大數據分析使其成為可能。由于機器變得更善于解析各種數據類型（所謂的“非結構化”數據）并把它們與大量結構化數據進行關聯，機器可以開始改進并加快員工的業務流程和客戶體驗。

機器將開始模仿人類決策，而人類操作者可以對其進行監督和交付。這種大數據分析模擬可通過更強的技術手段以及增強機器與人之間聯系而實現。

更強大的數據儀器

數據驅動型決策取決于數據的質量和數量，以及能否在合適的時候向合適的決策者提供見解。也就是說，要拓寬思維并更好地了解萬物是如何互聯的。要想從至今尚未被利用的數據源中收集情報，企業必須采用更精確的技術手段來分析人與機器的行為及其之間的交互。

對于人類而言，這意味著從我們在網上所做的一切活動中收集并分析點擊流——從購物到工作中的訂單錄入。這也會涉及線下數據，例如：當我們訂外賣或者開車時使用導航。對于機器來說，這意味著向大型固定設備（從噴氣發動機到攝像頭）添加更多傳感器和測量儀，以便提供更豐富的數據集供人們發掘。在這兩種情況下，更多的數據可能會導致對行動和行為更好的了解，并對政策和流程所產生多米諾效應。

當我們開始采集并利用這些數據時，我們將開始在大數據系統上添加另一個“感官”，從而使能帶來下游創新的新智能類型成為可能。

制定大數據分析戰略

當然，技術改進是一個漸進的過程。但是對于企業領導者來說，不能坐等采用大數據分析和先進自動化的完美機會。相反，企業應在整個公司層面積極尋求大數據與人為活動互補的機會。

找到位置，把人工智能嵌入人類和機器工作流程，發現能改進人機交互的領域——這樣就能達成目標。要想獲得成功，企業還應謹慎關注這些嘗試帶來的結果，避免一方面的改進掩蓋其它方面的不良影響。

大數據分析將帶來分布式智能，它可以在不進行重大變化的前提下，改善人類所做的大部分事物。通過對集成智能全局把控，你將在2016年從未來科技中獲益。