今天，企業對大數據的關注無論何時都更甚于以往。然而，企業若要真正善用“大數據”，還需要配備兩種類型的專家及建立客戶服務文化。

大數據所需的專業人士

1.數據科學家(Data Scientist)取用這種經過組織的數據，建立復雜的分析模型，例如，協助預測顧客行為，并且可做先進的顧客區隔和定價優化(pricing optimization)。他們確保會經常更新每個模型，好讓模型長期有效用。

2.活動專家(Campaign Expert)將模型轉化為成果。他們很深入了解那些提供特定營銷活動的技術系統，例如哪個客戶應該在什么時候得到什么消息。他們使用從模型中學到的東西，來安排營銷活動推出順序和所用渠道的優先次序，例如，對某個已確認的市場區隔過去的行為進行分析，結果發現，最有效的方式是先發送一封電子郵件給客戶，然后在48小時后直接郵寄廣告數據。

重要的是，應追蹤數據在整個大數據團隊里移動的情況，并確保在人員和機器之間交接的所有數據，都有明確的負責人。這么做，可確保擔任既定角色的每個人都負起責任，完整地交付數據，而不只是完成個人的任務而已。

建立客戶服務文化

打造沒有人使用的產品或服務，是很傷士氣的。所以，你的團隊要負責證明這些模型對企業內部的業務負責人有何助益。這需要把業務負責人當成顧客。優良的零售商都會告訴你，若要成功，你必須了解你的顧客。定期與他們會面，以了解他們的需求，并征詢他們對團隊所建立的模型表現如何的意見。不時問自己，「在公司里，我的分析可以幫助到誰?」以及「他們是否同意，是我幫助他們成功的?」

我們也觀察到，大數據的相關計劃失敗了，因為企業內部顧客對大數據團隊沒有信心，也不信任他們的模型。信任始于透明化。對于誰正在做什么，要完全公開。提供務實的預定完成時間。在決定要建立哪些模型時，應清楚說明要做哪些取舍，好讓你的內部顧客有足夠的資訊做出明智決定，最后做出最佳終端產品。

為確保采取「服務單位」式的文化，你應根據企業的成功與否，來評量個人績效，不只是考慮數據的數量或速度等常用的評量指標。追蹤內部顧客使用多少新模型以獲得新結果。有些公司發放大數據團隊成員獎金的標準，依據的是內部顧客多迅速和多廣泛地采用那些模型，而不是模型有多創新。這種方法可以防止傳統的口水戰：「我建立了一個絕妙的模型，沒有人使用它不是我的錯!」這樣做也能預防這個問題：為分析而分析，不是為了對業務有好處而分析。

建立成功的分析團隊，既需要合適的人，也需要合適的文化。關于大數據，你的團隊應該花較少時間去擔心如何分析數據，應該花較多時間專注于如何提供數據。

原文鏈接：http://www.thebigdata.cn/YeJieDongTai/13768.html