大數據文摘作品，轉載請聯系
作者|Nicolaus Henke, Jacques Bughin,
Michael Chui, James Manyika,
Tamim Saleh, Bill Wiseman,
and Guru Sethupathy
編譯團隊|Aileen Elaine廖遠舒
大數據的潛力在不斷增長。充分利用這項優勢意味著公司將他們的戰略視角與大數據結合分析，做出更好的、更快的決策。
大數據只是炒作么？恰恰相反：早期的研究可能只對最終結果產生了部分影響。麥肯錫全球研究所(McKinsey Global Institute，以下簡稱MGI)的新報告，‘數據分析的時代：大數據環境下的商業競爭，表明大數據的應用范圍和機遇仍在擴展。鑒于科技的飛速發展，許多公司當前需要面對如何將大數據整合到他們的運營與戰略中——在大數據分析可能顛覆整個行業的環境找準自己的定位。
MGI的一份報告早在2011年就指出大數據將大有作為，五年后的今天，我們仍然認為大數據的潛力還有很大。事實上，技術融合的趨勢正在加速。信息流正以每三年翻一倍的速度流入數據平臺、無線傳感器、虛擬現實應用，以及無數的智能手機中。數據存儲容量增加了，而成本則大幅下降。數據科學家們現在擁有了前所未有的計算能力，并致力開發更為復雜的算法。
早期，我們預計大數據和數據分析的潛在市場價值主要存在于五個領域。回顧過去，下圖證明了各領域的發展是不均衡的，而且仍存在進一步發展的空間(圖表1)。最大的發展在于位置定位服務以及美國零售業，這兩個領域的競爭對手都是數字原生代。相比之下，制造業、歐盟公共部門和美國醫療健康領域利用的潛力價值不到五年前文章預估價值的30%。此外，自2011年新機遇出現以來，領導企業和落后者之間的差距更大了。(圖表1)
大數據和數據分析價值獲取進度不均衡。
%表示已獲取的價值 右側表示面臨的主要障礙
大公司通過使用它們的能力，不僅提高了核心業務運作效率，而且推出了新的商業模式。數字平臺的網絡效應在某些市場形成了贏家通吃的局面。那些領先的公司已經擁有了資深的分析人才來處理各種問題，并且他們正在積極尋找進入其他行業的途徑。這些公司可以利用他們的體量和數據深度來增加新業務，這些擴張正在逐步侵蝕傳統行業分隔的界限[4]。
當數字原生代公司基于數據分析建立系統，老牌公司需要通過巨大努力改革或改造現有系統適應數據驅動決策的時代并不容易。一些公司在技術領域投入巨資，但他們尚未改變自身的組織結構使這些投資發揮效用。許多公司正在努力發掘人才，升級業務模式以及調整組織結構來獲取數據分析的成果。
首先需要將數據和分析納入公司的核心策略愿景[5] ( core strategic vision )。其次是開發合適的業務流程并構建功能，包括數據基礎設施和相應的人才儲備。這并不是簡單地將強大的技術系統疊加在現有的業務流程之上。這些轉換需要結合各個方面來實現數據和分析的全部潛力。老公司在改造時面臨的種種挑戰正是MGI2011年報告中提到的愿景并未實現的原因。
現有企業的改造迫在眉睫，因為先驅企業已經占據了絕對優勢，猶豫不決只會讓改革難上加難。由于多方面的原因，改革現在已經面臨阻力。引入新的類型的數據集(“正交數據”)可以帶來一些競爭優勢；例如，大規模數據集成能夠突破組織結構的束縛，使新視角和模型應用成為可能。超大型數字平臺[6]可以實時匹配買家和賣家，提高市場轉化率。精細數據可用于產品和服務的個性化定制，其中也包括了醫療保健這個特殊領域。新分析技術可以促進新的發現與創新。最重要的是，企業不再需要依賴直覺，他們可以使用數據和分析快速決策，并通過大量的實證實現更精準的預測。
下一代的工具可能會引發更大的變化。新的機器學習和深度學習技術可以延伸出巨大的可能，在許多領域產生經濟效益。系統通過機器學習可以提供客戶服務，物流管理，分析醫療記錄，甚至撰寫新聞報道。
這些技術可以提高生產力并改善生活質量，但同時也可能導致失業和混亂。MGI先前的研究發現，當前45%的人力勞動可以被機器人技術替代[7]；其中80%是通過機器學習實現的。自然語言處理的突破性成果可以進一步擴大這一影響。
大數據和數據分析已經使多個行業動搖，并且隨著數據分析的應用達到臨界質量---機器將獲得前所未有的能力來解決問題和理解語言，這些影響將變得更加明顯。能夠有效利用這些能力的企業將能夠創造巨大的價值和差異化，而其余企業則將發現自己越來越處于劣勢。
參考閱讀：
[1] 根據觀察表明，歐盟的零售業存在相似情況
[2] 制造杠桿根據其功能性應用加以區分
[3] 我們在其他高收入國家的政府部門觀測到了同樣的情況
[4] http://www.mckinsey.com/business-functions/strategy-and-corporate-finance/our-insights/the-new-global-competition-for-corporate-profits
[5] http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/making-data-analytics-work-for-you-instead-of-the-other-way-around
[6] http://www.mckinsey.com/industries/high-tech/our-insights/competition-at-the-digital-edge-hyperscale-businesses
[7] http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/four-fundamentals-of-workplace-automation
大數據文摘作品，轉載請聯系
作者|Nicolaus Henke, Jacques Bughin,
Michael Chui, James Manyika,
Tamim Saleh, Bill Wiseman,
and Guru Sethupathy
編譯團隊|Aileen Elaine廖遠舒
大數據的潛力在不斷增長。充分利用這項優勢意味著公司將他們的戰略視角與大數據結合分析，做出更好的、更快的決策。
大數據只是炒作么？恰恰相反：早期的研究可能只對最終結果產生了部分影響。麥肯錫全球研究所(McKinsey Global Institute，以下簡稱MGI)的新報告，‘數據分析的時代：大數據環境下的商業競爭，表明大數據的應用范圍和機遇仍在擴展。鑒于科技的飛速發展，許多公司當前需要面對如何將大數據整合到他們的運營與戰略中——在大數據分析可能顛覆整個行業的環境找準自己的定位。
MGI的一份報告早在2011年就指出大數據將大有作為，五年后的今天，我們仍然認為大數據的潛力還有很大。事實上，技術融合的趨勢正在加速。信息流正以每三年翻一倍的速度流入數據平臺、無線傳感器、虛擬現實應用，以及無數的智能手機中。數據存儲容量增加了，而成本則大幅下降。數據科學家們現在擁有了前所未有的計算能力，并致力開發更為復雜的算法。
早期，我們預計大數據和數據分析的潛在市場價值主要存在于五個領域。回顧過去，下圖證明了各領域的發展是不均衡的，而且仍存在進一步發展的空間(圖表1)。最大的發展在于位置定位服務以及美國零售業，這兩個領域的競爭對手都是數字原生代。相比之下，制造業、歐盟公共部門和美國醫療健康領域利用的潛力價值不到五年前文章預估價值的30%。此外，自2011年新機遇出現以來，領導企業和落后者之間的差距更大了。(圖表1)
大數據和數據分析價值獲取進度不均衡。
%表示已獲取的價值 右側表示面臨的主要障礙
大公司通過使用它們的能力，不僅提高了核心業務運作效率，而且推出了新的商業模式。數字平臺的網絡效應在某些市場形成了贏家通吃的局面。那些領先的公司已經擁有了資深的分析人才來處理各種問題，并且他們正在積極尋找進入其他行業的途徑。這些公司可以利用他們的體量和數據深度來增加新業務，這些擴張正在逐步侵蝕傳統行業分隔的界限[4]。
當數字原生代公司基于數據分析建立系統，老牌公司需要通過巨大努力改革或改造現有系統適應數據驅動決策的時代并不容易。一些公司在技術領域投入巨資，但他們尚未改變自身的組織結構使這些投資發揮效用。許多公司正在努力發掘人才，升級業務模式以及調整組織結構來獲取數據分析的成果。
首先需要將數據和分析納入公司的核心策略愿景[5] ( core strategic vision )。其次是開發合適的業務流程并構建功能，包括數據基礎設施和相應的人才儲備。這并不是簡單地將強大的技術系統疊加在現有的業務流程之上。這些轉換需要結合各個方面來實現數據和分析的全部潛力。老公司在改造時面臨的種種挑戰正是MGI2011年報告中提到的愿景并未實現的原因。
現有企業的改造迫在眉睫，因為先驅企業已經占據了絕對優勢，猶豫不決只會讓改革難上加難。由于多方面的原因，改革現在已經面臨阻力。引入新的類型的數據集(“正交數據”)可以帶來一些競爭優勢；例如，大規模數據集成能夠突破組織結構的束縛，使新視角和模型應用成為可能。超大型數字平臺[6]可以實時匹配買家和賣家，提高市場轉化率。精細數據可用于產品和服務的個性化定制，其中也包括了醫療保健這個特殊領域。新分析技術可以促進新的發現與創新。最重要的是，企業不再需要依賴直覺，他們可以使用數據和分析快速決策，并通過大量的實證實現更精準的預測。
下一代的工具可能會引發更大的變化。新的機器學習和深度學習技術可以延伸出巨大的可能，在許多領域產生經濟效益。系統通過機器學習可以提供客戶服務，物流管理，分析醫療記錄，甚至撰寫新聞報道。
這些技術可以提高生產力并改善生活質量，但同時也可能導致失業和混亂。MGI先前的研究發現，當前45%的人力勞動可以被機器人技術替代[7]；其中80%是通過機器學習實現的。自然語言處理的突破性成果可以進一步擴大這一影響。
大數據和數據分析已經使多個行業動搖，并且隨著數據分析的應用達到臨界質量---機器將獲得前所未有的能力來解決問題和理解語言，這些影響將變得更加明顯。能夠有效利用這些能力的企業將能夠創造巨大的價值和差異化，而其余企業則將發現自己越來越處于劣勢。
參考閱讀：
[1] 根據觀察表明，歐盟的零售業存在相似情況
[2] 制造杠桿根據其功能性應用加以區分
[3] 我們在其他高收入國家的政府部門觀測到了同樣的情況
[4] http://www.mckinsey.com/business-functions/strategy-and-corporate-finance/our-insights/the-new-global-competition-for-corporate-profits
[5] http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/making-data-analytics-work-for-you-instead-of-the-other-way-around
[6] http://www.mckinsey.com/industries/high-tech/our-insights/competition-at-the-digital-edge-hyperscale-businesses
[7] http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/four-fundamentals-of-workplace-automation
京公網安備 11010502049343號