怎樣使用數(shù)據(jù)分析來改善項目結果

MoiraAlexander

編譯 楊勇

到2019年，大數(shù)據(jù)和業(yè)務分析的全球收入預計將增長到1870億美元以上，到2020年，項目管理行業(yè)預計將達到5.81萬億美元。本文介紹了一些企業(yè)怎樣利用數(shù)據(jù)分析來提高其項目績效。

Gartner副總裁兼分析師Ted Friedman預測，以下三個趨勢將促使數(shù)據(jù)和分析應用發(fā)生根本性的變化：

數(shù)據(jù)分析并非只反映業(yè)務績效，而且還將成為運營的推動力量。

數(shù)據(jù)和分析將貫穿一個企業(yè)的體系架構，創(chuàng)造一種整體性的方法——這將包括EPMO（企業(yè)計劃管理辦公室）的戰(zhàn)略項目管理。

管理人員將使用數(shù)據(jù)和分析技術來實現(xiàn)業(yè)務戰(zhàn)略和增長，為專業(yè)人員創(chuàng)造新的角色。

專家分享關于數(shù)據(jù)怎樣提高項目績效的深度分析

各種規(guī)模的公司一直在使用數(shù)據(jù)分析技術來尋找機會、降低成本、提高效率、更好更快地做出決策，并最終提高客戶滿意度；這些極大地支持了整個公司的戰(zhàn)略，因此，也會體現(xiàn)在項目、計劃和投資層面上。

在芝加哥公牛隊，分析主管Matthew Kobe說，其業(yè)務戰(zhàn)略和分析團隊使用“消費者深度分析（consumer insights）”來推動企業(yè)的戰(zhàn)略方向發(fā)展。他們使用數(shù)據(jù)分析技術來關注與深度分析相關的三個關鍵領域——球迷級別、商業(yè)交易和數(shù)字參與，以幫助企業(yè)做出戰(zhàn)略選擇。他比較詳細的介紹了他們關注的以下三個方面：

1. 球迷級別深度分析——公牛隊正在建立一個強大的CRM和數(shù)據(jù)倉庫解決方案，更全面地了解其球迷。Matthew說：“我們從理解心理因素入手，幫助我們理解一個人為什么會與公牛隊交往，買公牛隊的東西。”他們還想“通過采集球迷體驗各方面的具體反饋來了解滿意度，從而知道哪些地方需要改進。”

2. 交易深度分析——團隊盡可能的分析所有商業(yè)交易，包括票務、特許權和商品，Matthew說：“我們把這些交易因素和球迷聯(lián)系起來，以便建立更全面的客戶全景圖。”

3. 數(shù)字參與深度分析——Kobe說：“公牛隊在北美所有球隊都關注的第二大社交媒體上擁有重要的數(shù)字化展示。”正是因為如此，他們致力于了解球迷所參與的內容類型，以及這些參與如何推動球迷后續(xù)行為的。他們盡力把參與重新和球迷聯(lián)系起來，以幫助他們繼續(xù)努力進一步擴大客戶全景圖。

他說：“由于這三個領域屬于我們的范圍，我們能夠更有效地影響整個企業(yè)的變革。具體來說，影響球迷對公牛隊體驗的每一個領域幾乎都與我們有關，這些領域包括票務、贊助、數(shù)字內容、營銷和特許經營。”

西部州長大學（WGU）機構研究副主席Jason Levin也分享了他們怎樣使用數(shù)據(jù)分析技術來成功的完成項目。他說：“從概念上講，項目成功最重要的因素是有一個測量計劃，包括了實施的保真度和有效性。”

他建議回答這個問題：“我們怎么知道我們正在做的就是我們要做的？”，以及“怎么知道我們所做的工作起作用了？”Jason進一步闡述了他們測量實施保真度和有效性的方法。

為了實現(xiàn)保真度，WGU使用了許多方法，從采用電子學習材料分析學生課程的日志數(shù)據(jù)，到讓教師在學生筆記中使用標記符號。

對于有效性，“我們偏向于使用隨機對照試驗，但我們也使用準實驗方法。最重要的數(shù)據(jù)是清楚定義的結果變量，這些變量能夠可靠地測量。與傳統(tǒng)高等教育機構相比，西部州長大學（WGU）具有結果變量的競爭優(yōu)勢。在WGU，我們的所有評估都集中開發(fā)以符合嚴格的標準。與讓教師單獨分配字母等級分數(shù)相比，這種評估系統(tǒng)產生的數(shù)據(jù)更可靠。”

他還描述了WGU數(shù)據(jù)的另一獨特之處——其“域名分類法或者學習結果等級被映射到學習材料和評估中。可以在電子課程材料和評估之間映射學生學習行為。形成性評估數(shù)據(jù)比簡單的網頁瀏覽更能預測高風險評估是否成功。”

為了作出最佳決策，公司應能夠從現(xiàn)有數(shù)據(jù)中提取出精確的和相關的信息。如果缺少這些，無論有多少原始數(shù)據(jù)，都沒有用。最終，公司尋找能夠告訴他們客戶最需要什么的信息，這類信息對于項目計劃、方向、執(zhí)行和指標的指南至關重要。

怎樣使用數(shù)據(jù)分析來改善項目結果？

無論哪一行業(yè)，從技術到運動或者教育，數(shù)據(jù)分析已經成為成功實現(xiàn)項目結果和公司全局戰(zhàn)略的重要工具。

BitMar網絡的創(chuàng)始人兼首席執(zhí)行官Jonathan Rodriguez說：“我們使用數(shù)據(jù)分析技術來檢查我們平臺的所有一切，包括我們的用戶申請過多少次客戶支持等。我們認識到的第一件事情是，在我們的用戶還沒有要求解決方案之前，我們提供的解決方案越多，我們的用戶申請的客服就越少。”

他有信心通過實施數(shù)據(jù)分析，讓BitMar找到一種全新的招聘方法。數(shù)據(jù)告訴BitMar，“您的用戶不需要您的技術支持，相反他們更喜歡彼此交談。所以，提供功能就可以了，讓他們去發(fā)揮吧。”這突出說明了公司需要的是聘請社區(qū)愛好者而不是客服人員。

BitMar開始了一個為客戶開發(fā)自助平臺的項目。Rodriguez說：“誰會想到我們能夠提供一個平臺，用戶從中可以幫助他們自己，對我們而言幾乎是零成本？”數(shù)據(jù)分析不僅幫助BitMar深入了解了他們應該進行的項目類型，還找到了項目中的機會，提高了客戶滿意度，也同時降低了內部成本。

Jason Levin （WGU） 說：“迄今為止最成功的項目是在情感方面教育學生的‘領導和溝通課程。使用準實驗方法，我們展示了在人員保留和信用積累方面有明顯的改善。在這項研究基礎上，該課程在本科生健康職業(yè)計劃中實施，現(xiàn)在每月大約能夠為1000名學生提供服務。”

對于芝加哥公牛隊的情況，Matthew說：“過去一年的首要任務是使用球迷級別和交易深度分析對購票者進行初步的客戶細分。我們想要了解我們是否有跨部門的漏洞，我們的產品組合是否存在任何差距。”具體來說，他說他們發(fā)現(xiàn)了在年輕專業(yè)人士和家庭群體中進一步發(fā)展球迷的機會，并采取球迷級別深度分析，進一步刻畫出這些細分群體，幫助職能部門知道怎樣和他們交互。

此外，公牛隊使用這些消費者深度分析技術完成以下工作：

找到進一步發(fā)展每個細分群體的機會

職能部門構建了戰(zhàn)略計劃后，戰(zhàn)略和分析團隊能夠與他們合作，建立衡量是否成功的指標。

開展針對年輕專業(yè)人士的新慈善活動，以及

對票證產品進行修改，更加強調創(chuàng)建公牛Snapchat內容。

在策略上，Matthew說：“我們使用球迷級別深度分析的一個子集來評估潛在的購票者是否有可能購票。我們使用現(xiàn)有的人口統(tǒng)計信息結合先前的購買歷史數(shù)據(jù)和數(shù)字參與技術來評估客戶的購買意向，評估哪些產品最適合他們。”使用這些信息，他們的團隊顯著提高了銷售代表的效率，提供的產品能夠滿足客戶的需求。

使用數(shù)據(jù)分析進行工作時有什么限制？

芝加哥公牛隊戰(zhàn)略和分析團隊學到了兩個重要的教訓。

他們必須從“為什么”開始。——為什么我們要采集某些數(shù)據(jù)點，能導致什么樣的用例。Matthew說：“我們很少有機會采集到最重要的球迷的數(shù)據(jù)。我們應確保我們采集到的數(shù)據(jù)能夠提升我們的消費者深度分析能力，創(chuàng)造機會讓更多的個人今后成為我們的球迷。”

在合適的時間使用技術來維持和加速一個過程。“我們發(fā)現(xiàn)，技術上雖然領先，但會導致采用率較低，技術不得不適應效率較低的過程。通過列出流程提綱，自己完成分析解決方案，我們能夠更好地評估技術選擇，選擇能真正推動企業(yè)向前發(fā)展的技術。”

西部州長大學的Jason Levens說：“有一種說法來自于愛因斯坦‘并非所有重要的東西都計算得清楚，也并非所有計算得清楚的東西都重要。在教育方面，的確如此。了解學生和教師心理發(fā)展非常重要，但是很難進行測量。如果您試圖實時測量這些概念而不依賴于調查工具，尤其如此。采用‘毅力或者‘心態(tài)這樣的量表進行研究，數(shù)據(jù)對于教育結果非常重要。”

總結

隨著數(shù)據(jù)分析和項目管理行業(yè)的爆炸式增長，只有把各種強大的工具組合起來使用并融入到公司架構中，才能獲得更持久的競爭優(yōu)勢。

Moira Alexander是“領先還是落后：鏈接戰(zhàn)略項目管理和思想領導力”的作者，并且是Lead-Her-Ship集團的創(chuàng)始人。她還是項目管理專業(yè)人士，并且曾是“商業(yè)價格談判電臺”1110 KTEK（彭博廣播電臺）的專欄作者。Moira曾在美國和加拿大從事了20多年的商業(yè)（IS&T）和項目管理工作。

原文網址：http：//www.cio.com/article/3182352/project-management/how-to-use-data-analytics-to-improve-project-outcomes.html