[[347551]]

組織是否使用最佳實踐進行分析?四位行業專家對數據分析的主要趨勢進行了討論。

一方面，人們聽說數據分析具有神奇的力量。分析軟件提供的基于指標的見解將推動組織業務取得成功。另一方面，組織中面臨數據分析這樣的現實：邏輯混亂，設計不當的系統以及組織高管憑直覺而不是數據驅動的洞察力進行操作。

為什么組織難以優化其數據分析?為了了解數據分析中的挑戰并提出一些實踐案例， Dell Boomi公司全球企業營銷主管Myles Suer、巴布森學院教授Tom Davenpor、哈佛商學院教授Marco Iansiti、Principal研究首席分析師Dion Hinchcliffe這四位行業專家對此進行了討論。

數據分析真的對公司有用嗎?

Suer：這要看情況而定。麻省理工學院信息系統研究中心 (MIT CISR)不久前進行了一項研究，他們發現，只有28%的公司真正做好了數字化轉型的準備，而51%的公司仍然處于孤島狀態。所以真的很有趣。就人工智能和機器學習的使用而言，這很有趣。像Stitch Fix這樣的公司正在為消費者做一些令人驚奇的事情，但是甚至像Nordstrom這樣的公司已經成功地將他們的供應鏈和購買數據聯系起來，并且實際上預測了人們想要什么產品。因此，有些公司正在取得成功，

Davenpor：國際分析學會對不同組織的分析成熟度進行了基準測試。指出，所有的成熟度模型都應該有五個層次，通常，最低的第一層通常是一團糟，而第五層是非常復雜的。但到目前為止，所有被評估公司的平均成熟度才達到2.25層。

Iansiti：實際上，很多的組織已經做了很多工作，我認為在很大程度上取決于其所處的行業。因此，所以我完全認同Davenpor的分析。實際上，無論是在AWS云平臺還是在零售領域，亞馬遜的出色表現令人贊嘆。我認為它們非常先進。例如，美國運通這樣的公司已經做了很多事情，或者一些信用卡公司不得不在某些方面采取行動，他們往往在不同的階段都很先進。如果金融服務機構不在這方面進行投資，就會知道很快就會倒閉。此外，今年發生的疫情正在加快事態的發展。

Hinchcliffe：我對一些公司的首席信息官進行了調查，在過去的幾年里，數據分析一直是推動信息技術發展的五大優先事項之一。而在我們進行的另一個調查中，數據分析排名第二，數字化轉型名列第一。

但就像所有強大的技術一樣，數據分析將領導者和落后者區分開來。我們看到，大多數組織都處于發展階段。

數據分析的挑戰和最佳實踐

Iansiti：我認為現在要把事情做好，擴大規模，而且要跨越各種不同的流程。因此，并不是要建立一種很酷的算法來進行市場預測。從根本上講，市場上有數百種這樣的算法。例如， Fidelity公司有大約120個不同的項目負責人，他們致力于大規模部署一些數字化的流程。

Hinchcliffe：有一位首席信息官說，“我的夢想就是能夠掌握我們所知道的一切，并比我們的競爭對手做得更好更快。”

Suer：在原有世界中，通常要求企業自己構建平臺。他們購買產品，然后進行部署。在此過程中，大多數項目開展的并不順利。所以我認為最大的問題是，組織需要數據科學家的幫助，當然也可以獲得數據工程師的幫助，或者需要某種方式使組織從數據管道初始階段清理原始數據。

Davenpor：我認為組織需要數據平臺，但是還需要某種工作流和決策平臺，因為要求組織采取其他的方法來使他們的工作變得智能化似乎并不成功。需要讓事情變得簡單些。例如銷售人員試圖確定，“我今天向誰銷售產品和服務?”可以隨機選擇一個人，也可以說：“我們正在使用Salesforce，我的老板購買了這款產品，該產品為我提供了預測性領先評分模型。為什么不在準備的清單上選擇最有可能購買產品的公司呢?”這太容易被忽視了，我認為在越來越多的情況下，如果成功地使用分析和人工智能，就必須將其嵌入到這些交易和決策平臺中。

數據分析的未來

Hinchcliffe：我認為大多數組織仍在努力，并且正在處于初始階段，他們仍然面臨著巨大的挑戰，把數據轉移到需要的地方。而數據所有權就是問題所在。數據訪問是一個主要問題，還是有些封閉。我們現在看到客戶數據平臺和其他解決方案得以興起，這些解決方案使組織的數據分析能夠實施系統化，使數據一致，并且其數據可以共享，因為在組織中，最有價值和不可替代的資產之一就是數據，我們看到了很多利用不足的情況。因此，我認為將看到基本進展，這樣就擁有更強大的開放數據基礎，我們的組織也將有更高的技能水平。

在五年后，我們將擁有更多經驗豐富的工作人員。他們將通過分析工具在現在開放的數據平臺上擁有云計算經驗。他們將不再在Excel中執行所有操作，將使用Snowflake等下一代分析平臺。

Davenport：就未來的情況而言，我認為將會更多地使用外部數據。幾十年來，我們主要關注內部數據。如果我們想知道世界上發生了什么，還有那些潛在客戶，需要更多地了解外部環境，并且獲得更多的外部數據。如今已經看到了一些變化。具有諷刺意味的是，也許要回歸規模更小的數據模型。而在一個名為GPT-3語言創造的最新人工智能系統中，這個深度學習模型中有1750億個神經元節點。

Iansiti：因此，組織將要開發一些工具集，以一種比過去更加細致的訪問方式來組織數據。而且，隨著傳統組織加快發展步伐，與數字公司相比，它們在許多方面都更加周到和保守，就在十年前，它們還是微不足道的。因此，從這個角度來看，希望在2025年能夠看到的是更加負責任的數據平臺架構和設計。而在這個領域中還有一定的成長空間。

 Suer：有一件事很有趣，上市公司從幾年前的20年的歷史下降到了10年。因此，我認為這些成功的組織非常擅長分析和數據以及諸如此類的事情，因此，傳統組織必須迅速找出應對的方法，否則他們可能會在市場競爭中落后。