毫無疑問，數(shù)據(jù)分析將成為企業(yè)的一個重要競爭優(yōu)勢，其可以幫助提供有益于提高銷售和市場份額的見解。企業(yè)通過分析能夠獲得多少收益，在很大程度上取決于他們對這種最新技術的利用程度，以及他們對未來發(fā)展的準備程度。

[[406134]]

利用自助式分析

自助式分析使得業(yè)務用戶不需要IT的支持和高級分析技能即可自己執(zhí)行查詢和生成報告。用戶可以使用易于使用的商業(yè)智能(BI)工具，這些工具帶有基本分析功能。

自助式分析方法可以幫助企業(yè)彌補由于缺乏訓練有素的數(shù)據(jù)分析師而造成的短板，并可以將數(shù)據(jù)直接提供給那些最需要數(shù)據(jù)的用戶，以幫助他們完成工作。

業(yè)務用戶不需等待數(shù)據(jù)科學家或其他分析專家生成報告就可以根據(jù)對數(shù)據(jù)的分析做出相應的決策。對于那些需要快速適應市場變化或客戶需求變化的企業(yè)來說，這將是一大優(yōu)勢。

IT咨詢公司Computer Task Group的高級解決方案架構師John Walton指出，部署自助式分析的第一步應該是充分了解用戶群體，包括他們有哪些信息需求以及需要哪些工具。

Walton說：“信息消費者和相關的執(zhí)行者所需要的分析工具套件與數(shù)據(jù)科學家所使用的工具套件完全不同。同時，讓工具與業(yè)務需求保持一致非常重要。此外，自助式分析高度依賴于干凈的數(shù)據(jù)。如果信息用戶對他們使用的儀表板失去了信任，那么要想恢復信任將變得非常困難。他們會說‘我不相信我所看到的。’如果失去了信任，那么數(shù)據(jù)分析將會無法得到發(fā)展。”

通過數(shù)據(jù)治理計劃建立信息一致性也是一個非常好的主意。Walton說：“一旦就緒，那么多維數(shù)據(jù)架構將成為自助式分析的‘管道’。”

在這種架構中，儀表板上顯示的關鍵性能指標和度量值可以根據(jù)批準的業(yè)務規(guī)則進行預計算，與適當?shù)臉I(yè)務篩選器或分析維度相關聯(lián)，并存儲在數(shù)據(jù)庫中。

Walton說：“分析工具用戶不必做所有這些繁重的工作。機器學習(ML)可以在強化數(shù)據(jù)分析處理中發(fā)揮重要作用，特別是對于需要處理大量信息的公司而言。”

機器學習將需要一種不同于分析的體系結構。Walton 說：“在這里，你不想應用預先計算的指標，因為這會導致數(shù)據(jù)扭曲，讓潛在的有價值的見解變得模糊不清。機器學習希望獲得大量非常精細的數(shù)據(jù)，以最大效率地發(fā)揮自己的作用。”

例如，在醫(yī)療保險行業(yè)，企業(yè)可能需要處理包括索賠數(shù)據(jù)、患者數(shù)據(jù)以及結構化和非結構化注釋等大量數(shù)據(jù)集。

機器學習的最佳實踐是將正確的數(shù)據(jù)層用于正確的目的。Walton 說：“最底層的‘攝取’層是來自不同來源的數(shù)據(jù)。越是最原始數(shù)據(jù)，對于ML來說就越理想。”

中間層，即“一致性”層是從各種來源獲取的數(shù)據(jù)，符合既定的數(shù)據(jù)治理規(guī)則的標準。Walton稱，頂層則由一系列有側重點的數(shù)據(jù)集組成，它們非常適合進行分析。

端到端管理數(shù)據(jù)

許多企業(yè)正努力管理來自各種來源的大量且不斷增長的數(shù)據(jù)，企業(yè)的這種努力可能會阻礙分析工作，但跨企業(yè)管理數(shù)據(jù)技術可以提供一個解決方案。

[[406135]]

醫(yī)療保健供應公司Paul Hartmann AG正在使用SAP的一個中央管理平臺Data Hub，以橫跨多個內(nèi)部和外部源以實現(xiàn)對數(shù)據(jù)的整合、訪問和分析。該公司的首席信息官兼首席數(shù)據(jù)官Sinanudin Omerhodzic說，他們的目標是最大限度地挖掘數(shù)據(jù)的潛力，以獲得優(yōu)化制造和供應鏈所需的必要見解。

Omerhodzic說：“通過訪問這些數(shù)據(jù)發(fā)現(xiàn)，我們可以隨時為客戶提供所需的產(chǎn)品，以挽救患者的生命。”

Hartman可通過Data Hub技術為客戶、供應商和運營數(shù)據(jù)建立“單一的事實來源”，幫助公司更好地了解客戶面臨的挑戰(zhàn)。

該公司現(xiàn)在已經(jīng)能夠熟練使用人工智能(AI)、物聯(lián)網(wǎng)(IoT)和預測分析等技術。此外公司還可以利用有關天氣和流行病等因素的新數(shù)據(jù)源，更好地預測醫(yī)院和藥店的需求，確保他們能夠在適當?shù)臅r間獲得適當數(shù)量的供給。

向業(yè)務用戶介紹整體數(shù)據(jù)策略

使用數(shù)據(jù)洞察力的業(yè)務用戶需要全面了解企業(yè)的數(shù)據(jù)科學、人工智能、機器學習和數(shù)據(jù)分析戰(zhàn)略。通過這種方式他們可更加容易理解他們所看到的東西。

HGS Digital是一家?guī)椭髽I(yè)利用數(shù)據(jù)提升客戶體驗的數(shù)字化轉(zhuǎn)型咨詢公司。該公司負責數(shù)據(jù)科學和分析的全球業(yè)務主管Venu Gooty說：“舉辦成果交流會可以幫助負責業(yè)務和運營的領導者更好地了解人工智能和數(shù)據(jù)學習的優(yōu)勢。”

Gooty說：“這對于第一次開啟數(shù)據(jù)科學之旅的企業(yè)來說尤為重要。HGS Digital在部署人工智能和機器學習時面臨的最大障礙是向業(yè)務用戶介紹交付數(shù)據(jù)科學項目后取得的成果，以及向他們解釋我們交付數(shù)據(jù)科學項目的方法。”

企業(yè)需要制定一個數(shù)據(jù)策略，以解釋不同部門是如何協(xié)同工作的。Gooty說：“這是必需的，因為機器學習計劃需要與多個部門合作，比如市場營銷、IT、運營等部門。”

機器學習涉及大量數(shù)據(jù)的處理。例如，為了幫助零售商預測客戶流失情況，它們需要比如客戶統(tǒng)計、購買歷史、客戶購買的產(chǎn)品等諸多數(shù)據(jù)集。

Gooty稱：“這些數(shù)據(jù)集通常來自不同的數(shù)據(jù)源，可能沒有統(tǒng)一的數(shù)據(jù)源來提取數(shù)據(jù)。因此團隊需要與不同的部門合作，才能將數(shù)據(jù)整合到一個統(tǒng)一的平臺上。與沒有清楚的數(shù)據(jù)策略的企業(yè)相比，那些對數(shù)據(jù)策略和數(shù)據(jù)治理進行了詳細規(guī)范的企業(yè)會處理的更加流暢。”

在云端進行分析

與其他所有的東西一樣，云服務為數(shù)據(jù)分析提供了一種經(jīng)濟高效的選擇。對于那些需要分析大量數(shù)據(jù)并且沒有內(nèi)部處理能力的企業(yè)來說，云計算尤為有用。

[[406136]]

Gooty提醒道，任何計劃在云端執(zhí)行分析的企業(yè)都應該首先制定一個清晰的遷移策略。他說：“對于大多數(shù)企業(yè)來說，都是第一次將數(shù)據(jù)轉(zhuǎn)移到云端。最好從小處著手，不斷地總結經(jīng)驗，并根據(jù)需要做出改變。”

此外，用戶還需要根據(jù)安全策略制定一個清晰的治理框架。Gooty說：“向云端遷移意味著將內(nèi)部數(shù)據(jù)、外部數(shù)據(jù)和用戶遷移到云上。企業(yè)必須制定詳細的安全和隱私政策，明確每個部分的負責人。每個用戶要有適當?shù)脑L問權限。”

另一個好的做法是盡可能地實現(xiàn)自動化。Gooty說：“云的力量在于靈活性和自動化。手動加載或一次性加載的請求會很多，隨著這些一次性請求的增加，自動化的優(yōu)勢會變得越來越明顯。”

建立分析中心或卓越中心

企業(yè)可以組建卓越中心(CoE)向領導分享最佳實踐，開展研究，就特定的重點領域開展培訓?？紤]到當今數(shù)據(jù)分析的重要戰(zhàn)略作用，建立一個專注于這些工作的CoE具有重大意義。

市場研究公司IDC在2019年對美國首席信息官和其他IT高管進行了一項調(diào)查。該調(diào)查顯示，93%的人表示，他們的企業(yè)正在使用某種形式的卓越中心來推動人工智能和數(shù)據(jù)科學項目。IDC 的IT執(zhí)行項目副總裁Serge Findling說：“卓越中心是所有人工智能、商業(yè)智能和分析的主要樞紐。對于一個既有中央資源又有分布式資源的企業(yè)而言，它們的主要任務是在整個企業(yè)中進行協(xié)調(diào)。”

全球咨詢公司Keyrus指出，為了從數(shù)據(jù)中獲得最佳投資回報和最大價值，企業(yè)應當建立一個以分析為中心的卓越中心。這個卓越中心可以簡化企業(yè)的所有分析工作。

Keyrus表示：“想象一下有一支能力極強的專家團隊非常了解你的企業(yè)情況，并且非常熟悉你的數(shù)據(jù)來源。這個團隊的技能和能力能夠充分分析你所掌握的數(shù)據(jù)，并可以將公司的所有工作都引導到正確的方向。”

Keyrus說，以分析為中心的卓越中心應當提供對企業(yè)分析愿景進行詳細規(guī)劃等功能，包括選擇要使用的工具和確定需要哪些關鍵績效指標，構建技術藍圖，為共享數(shù)據(jù)源等領域建立標準，管理項目和控制資金，發(fā)展用戶技能，總結領導方法。

Keyrus指出，卓越中心的組織架構取決于企業(yè)的規(guī)模、行業(yè)、目標等因素，因此所有的CoE都不盡相同。此外，企業(yè)應該視自己的具體業(yè)務目標和組織體系而組建卓越中心。