如何將數據分析轉化為業務成果

Thor Olavsrud 沈建苗

許多企業組織在努力從數據分析中獲得業務價值。據市場研究公司Gartner聲稱，到2022年，只有20%的分析洞察力有望帶來業務成果。Gartner表示，說到人工智能，今年80%的項目將仍“如同煉金術，由一群專家在打理，他們的才能無法在本組織內推廣開來。”

設立分析項目或成立分析組織是一回事，從分析中獲得價值是另一回事。由于新冠疫情嚴重擾亂了全球各地的經濟，許多公司在考慮是否設立分析和數據科學團隊時可能會密切關注投資回報。

Mike Onders是俄亥俄州克利夫蘭市KeyBank的首席數據官、部門CIO兼企業架構負責人，他說：“這并非關乎分析，甚至并非關乎洞察力，而是關乎影響。如果你無法帶來影響，無異于白白浪費時間。”

就這點而言，持續地關注業務結果是關鍵，能夠迅速證明分析可以對業務帶來影響，而隨后大規模交付成果也是關鍵。

益百利（Experian）的執行副總裁兼全球分析和人工智能總經理Shri Santhanam說：“我們實際上是在進行逆向設計，先從我們希望獲得的具體業務成果入手。最終，機器學習和人工智能往往是使我們實現最終目標的工具，但實際上，我們談論的、我們共享的以及我們與客戶共同努力獲得的是一系列更好的成果。”

分析創造價值所面臨的障礙

市場研究公司Forrester的副總裁兼為CIO提供咨詢服務的首席分析師Brian Hopkins表示，制度性障礙是數據分析獲得投資回報面臨的最大障礙。

“我們發現的問題是，CIO的數據戰略將涉及許多業務層面的變更、業務流程變更、IT部門之外新的組織結構，才能對數據定義和優先事項做出決策，并執行數據隱私策略以及CIO無法控制但面臨成本的其他事情。”

Hopkins表示，許多公司轉向CIO，希望他們提供一種能從數據中獲取價值的技術解決方案，卻沒有看到更宏觀的局面。無論他們為技術編制了多少預算，可能不得不為廣泛的業務變化投入多達一倍的預算。

Hopkins說：“這些公司對最終由CIO負責的數據戰略制定了目光宏遠的愿景，編制了預算以購置技術解決方案，它們會認識到數據戰略的成本遠不止IT方面的，還涉及大量的業務變更。這包括流程變更、應用程序變更、組織變化管理和激勵措施變更等。”

首先，CIO必須與業務部門的利益相關者建立伙伴關系。不過最終，高層領導人必須制訂激勵措施以促進這些伙伴關系。

Hopkins說：“你必須調動業務經理的積極性，關注數據，關注他們的數據如何可以被其他業務部門妥善使用。這不是大多數CIO輕松揮舞權杖就能改變的事情。”

幾位IT領導人在這里闡明了其企業組織如何利用數據分析帶來業務影響，并為希望將數據實踐轉化為業務成果的人給出了幾點忠告。

分析方面的責任

Onders表示，KeyBank解決這個問題的方法是，使業務部門的利益相關者與分析團隊緊密合作，并對他們請求的分析項目取得的業務成果負責。針對每個項目，KeyBank會設立一頁長的章程，章程概述了公司要取得的成果和評估該成果的度量指標，并列出了業務發起人、產品負責人、分析負責人、風險負責人和技術負責人。

Onders說：“這一頁長的章程寫道‘你關注的度量指標是什么？章程必須列出度量指標。如果這些分析技術將改變某個方面，什么度量指標會發生變化？你要對某個期限之前的預期成果負責。數據分析將如何助你抵達成功彼岸？這是一種極具進取性的指標驅動、影響驅動的章程，由高級業務領導人對此負責。”

業務領導人必須每兩個月提交一份報告，報告表明數據分析如何影響了業務成果，以證明有必要對項目持續投入。

Santhanam表示，益百利的數據團隊還依賴與業務部門緊密合作的關系，推動了分析計劃，包括注重“以一種可量化的方式來闡明業務成果”。但是益百利的分析理念還支持一種更靈活的迭代性方法。

Santhanam說：“我們一開始做了一些可解決業務問題本身的事情。這讓我們得以擺脫一系列約束條件，從而使我們得以非常迅速地運營，試探并了解哪方面可以產生影響。”

提升技能以確保分析取得成功

但是要使業務部門與IT部門在分析方面的合作取得成功，文化變革必不可少，因為業務專業人員不僅要精通數據驅動型流程和技術，還要在技能需求超過供給的方面幫助填補空白。

Jabil這家公司專門為業務專業人員和高管傳授如何將分析轉化為有影響力的業務計劃。這家制造服務公司多年來致力于變得更加由數據驅動。由于很難找到數據科學家，它制訂了平民數據科學計劃，以幫助挖掘可供使用的數據。

Jabil CIO Gary Cantrell表示，Jabil竭力變得更加由數據驅動，兩個關鍵的要素是持續地致力于解決業務問題以及竭力獲得高管的支持。

獲得業務領導人和高層管理人員的支持困難重重，但最終是Jabil在分析方面獲得成功的最重要因素之一。作為平民數據科學計劃的一部分，Jabil建立了一個高管培訓組，讓高管們參加為期兩天的強化數據科學培訓課程。高管們開始尋找能用數據解決的各種業務問題時，該課程幫助他們了解成為數據驅動型組織的重要性，并獲得他們的積極支持。該課程在每一期學習班完成課程后邀請更高級別的高管到場聽取總結匯報，繼續加強高管的支持。

Cantrell說：“當高管團隊開始看到企業組織的問題得到解決，由此帶來的成果幫助他們改善業務后，我們真正開始得到高管的認可和支持。客觀地說，我們在前期做了大量宣傳工作，花了近三年的時間讓高管們對此產生興趣。而現在，過去兩年的問題是‘OK，你在用數據分析做什么？下一步要做什么？回答這種問題需要花點時間，但我們最終還是解釋清楚了，將其與業務關聯起來，他們可以切實看到價值。”

打破數據孤島

原有的數據實踐也可能遏制企業組織將數據轉化為業務價值的能力。數據孤島就是罪魁禍首。

在過去這幾年，拜耳作物科學公司竭力將機器學習和人工智能應用于業務的方方面面。精準農業一直是其關注的重要方面。拜耳作物科學公司植物生物技術部研發部門數據戰略負責人Michelle Lacy表示，該公司遵守FAIR數據是其數據驅動轉型的立足之本，幫助它打破了數據孤島。FAIR數據是《自然》雜志旗下《科學數據》子刊所發布的一套指導性的科學數據管理原則。

FAIR（可查找、可訪問、可互操作和可重用）是數據領域的某種權利法案，表明用戶應該能夠輕松查找數據，用戶在制定決策時應該能夠訪問所需的數據（同時仍遵守網絡安全政策），數據應該可互操作，數據還應該可重用。

Lacy說：“FAIR極其重要。它是我們數據戰略的基礎。”

一個小組開發的數據對于其他小組所做的工作常常有所幫助。為了高效使用數據，各個小組就要知道數據的存在以及如何找到這些數據，而且數據必須兼容。

Lacy說：“如果你在單單一家工廠進行各種檢驗，無論是現場檢驗還是在實驗室中進行不同的實驗，你必須能夠將這些數據整合起來。這就好比七巧板，你進行的所有這些不同檢驗都是這七巧板的拼塊。項目負責人要把那些拼塊拼完整。”

信任

與許多轉型一樣，向數據驅動型組織轉變取決于信任：對團隊成員和新流程的信任，相信從數據獲得的洞察力將對業務帶來積極影響。

Santhanam表示，在益百利，性能、擴展、采用和信任這“四大支柱”是每個機器學習和人工智能項目的指導準則。在過去，信任問題制約了許多銀行用分析模型來處理問題。

Santhanam說：“過去許多定位模型都是相當簡單的邏輯回歸模型，原因就在于銀行在開發更復雜、更不透明的系統方面的信心帶來了一定程度的風險，這使人們感到這種風險超出了受到嚴格監管組織的風險偏好范圍。不過我們發現，這個領域的監管框架和企業認識到更復雜的算法和更復雜的技術具有的價值，更多地采取了一種分階段的方法，在負責任的前提下，憑借可解釋型人工智能框架進入該領域。”

他補充道：“最終，推動影響力需要滿足這4個方面，如果你不以這些業務成果為導向，就很容易迷失方向。”

本文作者Thor Olavsrud為CIO.com撰寫數據分析、商業智能和數據科學方面的文章。

原文網址

https：//www.cio.com/article/3572642/transforming-analytics-into-business-impact.html