現在有許多公司拚命投資數據科學家、數據存儲、數據分析軟件，但其中許多投資都沒有產生多大的貢獻，很可能永遠也無法產生成效。
問題出在哪里?首先，大數據已經過度炒作，很多公司期待這些數據提供的價值，高于數據實際可以產生的價值。此外，分析軟件產生的見解很容易復制。例如我們研究的某家銀行，根據大數據的分析建立一個模型，可用來找出設置提款機的最佳地點，但他們後來發現，已經有一些顧問為別家銀行建立了類似的模型。此外，把數據分析產生的見解轉變成競爭優勢，可能需要企業做一些改變，但企業本身不見得能做到。例如，某家零售商發現，在折扣前後延長商品在貨架上的時間可大幅提升獲利，但若要進行這種改變，必須重新設計供應鏈，但那家零售商并不愿意這樣做。
不過，大數據投資沒有效果的最大原因，在于大多數公司并未善用他們本來就有的資訊。他們不知道該如何管理那些資訊，分析資訊以了解相關情況，然後根據新的見解做出改變。公司不會因為花大錢投資精密的分析工具，就神奇地培養出那些能力。他們首先必須學習如何使用核心營運系統內本來就有的數據，就像我們在學代數以前，需要先熟悉基本算數一樣。公司必須先學會使用數據和分析，來支持營運決策，才有可能從大數據受惠。
過去三年，我們做了七個個案研究，訪問了51家公司的高階主管，以了解公司如何從數據中創造商業價值。我們發現，極少有公司經常運用數據來指引決策，只有少數例外。我們稱少數那些會這么做的公司擁有「證據導向的決策文化」，他們的經營業績都有明顯的改善，獲利通常也比沒那種文化的企業好。
數位經濟的重點，在于獲取、分析、運用資訊，以服務顧客。大多數公司只要根據營運數據來做日常決策，就能大幅改善營運績效。但為什么沒看到有更多公司善用數據和分析?可能的原因之一，是他們的管理實務尚未跟上科技平臺的發展。過去10到15年安裝數位平臺的公司，并未善用那些平臺提供的資訊;這類數位平臺包括ERP及CRM系統、即時數據存儲、自制的核心資訊系統等等。此外，根據證據做決策，是很困難的文化轉變：工作流程必須重新定義，數據必須篩選，還要訂定商業規則來指引大家工作。幸好，公司一旦改變了文化，通常不會再恢復原狀，競爭對手也無法輕易模仿他們的營運改善。
我們的研究顯示，具備證據導向決策文化的公司，會讓所有決策者每天隨時取得績效數據。他們也會采行四種做法：建立一個無爭議的績效數據來源;提供各層級決策者幾近即時的意見回饋;清楚講明商業規則，并經常因應事實加以更新;為經常做決策的員工，提供優質的指導和訓練。
深入探索這些做法以前，先看一家從創立以來就具備證據導向決策文化的公司。
南方公司最知名的就是率先推出7-Eleven便利商店連鎖系統的概念。1970年代，他們把日本便利商店的事業分割出去，成為日本7-Eleven。首任執行長鈴木敏文(Toshifumi Suzuki)很早就認定，便利商店的獲利關鍵，在于迅速的存貨周轉率，所以他把下訂單這個最重要的業務決定，交給便利商店的二十萬名店員來負責，而他們大多是兼職銷售人員。鈴木敏文認為這些店員了解顧客，也握有最佳的資訊，最懂得判斷什么東西可以迅速出售。
為了幫助店員做決策，他把每日銷售報告和天氣預測之類的補充數據，一并傳給每家便利商店。報告中詳列前一天賣出什么、去年同一天賣出什么、上次天氣狀況相似時賣出什么、其他分店賣出什么。日本的7- Eleven也賣生鮮食品，因此鈴木敏文安排每天補貨三次，讓店員可以根據即時需求來下單。他也讓店員接觸供應商，鼓勵他們開發適合當地客群口味的商品。結果，三十多年來，7-Eleven一直是日本獲利最好的零售商。
這不是關于大數據的故事，甚至跟大舉投資數據無關，而是與許多小數據有關。更重要的是，這個故事主要是在講，事業成敗要靠優秀員工運用良好的數據，做出良好的決策。用這種方式授權給員工，提供他們需要的數據，可以幫他們做出更好的日場運決策，也可以促進不斷創新。日本7-Eleven每年架上的商品，約有七成是新產品，是店員因應顧客偏好而設計的。
相反地，美國百貨公司高階主管自豪地宣稱，某家分店缺黃色毛衣，需要從存貨過量的分店調貨時，公司的系統會馬上通知總公司的主管。但進一步追問時，他坦白說公司的系統無法告訴他，要是他們賣橘色毛衣會賣幾件。只有店員知道橘色毛衣的需求，他沒有正式管道來收集店員的見解。 -
現在有許多公司拚命投資數據科學家、數據存儲、數據分析軟件，但其中許多投資都沒有產生多大的貢獻，很可能永遠也無法產生成效。
問題出在哪里?首先，大數據已經過度炒作，很多公司期待這些數據提供的價值，高于數據實際可以產生的價值。此外，分析軟件產生的見解很容易復制。例如我們研究的某家銀行，根據大數據的分析建立一個模型，可用來找出設置提款機的最佳地點，但他們後來發現，已經有一些顧問為別家銀行建立了類似的模型。此外，把數據分析產生的見解轉變成競爭優勢，可能需要企業做一些改變，但企業本身不見得能做到。例如，某家零售商發現，在折扣前後延長商品在貨架上的時間可大幅提升獲利，但若要進行這種改變，必須重新設計供應鏈，但那家零售商并不愿意這樣做。
不過，大數據投資沒有效果的最大原因，在于大多數公司并未善用他們本來就有的資訊。他們不知道該如何管理那些資訊，分析資訊以了解相關情況，然後根據新的見解做出改變。公司不會因為花大錢投資精密的分析工具，就神奇地培養出那些能力。他們首先必須學習如何使用核心營運系統內本來就有的數據，就像我們在學代數以前，需要先熟悉基本算數一樣。公司必須先學會使用數據和分析，來支持營運決策，才有可能從大數據受惠(見邊欄：「誰從大數據受惠?」)。
過去三年，我們做了七個個案研究，訪問了51家公司的高階主管，以了解公司如何從數據中創造商業價值。我們發現，極少有公司經常運用數據來指引決策，只有少數例外。我們稱少數那些會這么做的公司擁有「證據導向的決策文化」，他們的經營業績都有明顯的改善，獲利通常也比沒那種文化的企業好。
數位經濟的重點，在于獲取、分析、運用資訊，以服務顧客。大多數公司只要根據營運數據來做日常決策，就能大幅改善營運績效。但為什么沒看到有更多公司善用數據和分析?可能的原因之一，是他們的管理實務尚未跟上科技平臺的發展。過去10到15年安裝數位平臺的公司，并未善用那些平臺提供的資訊;這類數位平臺包括ERP及CRM系統、即時數據存儲、自制的核心資訊系統等等。此外，根據證據做決策，是很困難的文化轉變：工作流程必須重新定義，數據必須篩選，還要訂定商業規則來指引大家工作。幸好，公司一旦改變了文化，通常不會再恢復原狀，競爭對手也無法輕易模仿他們的營運改善。
原文鏈接：http://www.thebigdata.cn/YeJieDongTai/13777.html
京公網安備 11010502049343號