如果把數據比作新的石油，那么掌握如何將其提煉為可使用的情報就是發揮其潛力的關鍵。為此，首席信息官正在使用預測分析工具，設計機器學習算法和對其他解決方案進行測試，以追求企業的效率和以新的方式為客戶服務。
降低成本或提高營收的過度敏感可以幫助首席信息官在高管層和董事會的眼中得到重視，首席信息官比以往任何時候都支持在數據科學技術上投入更多。據互聯網數據中心(IDC)統計，2017年全球大數據和商業分析的收入將達到1580億美元，比2016年增長了12.4%。用于支持大數據和分析的硬件、軟件和服務的商業采購額預計將超過2100億美元。IDC分析師Dan Vesset指出，大數據分析解決方案已經成為全球各行業和業務流程中實現數字轉型工作的關鍵。
但是，這種瘋狂支出也有其黑暗的一面：大多數數據分析項目都無法產生可衡量的價值。舊系統和業務官僚機構已經形成了數據倉庫，并且其數據質量不佳。而首席信息官仍然在努力填補所需的人才差距，以進行數據操作與分析。人才爭奪戰是激烈的，大學數據分析課程的增加并不足以提供合格的數據分析人才的數量。
然而，在本月初的“CIO100研討會”上仍有很多數據分析的成功案例，幾名IT領導者在本次會議上講述了他們的成功故事，并由于他們的努力而獲獎。首席信息官們還向從事類似工作的同行們分享了他們的經驗教訓和建議。
在默克公司(Merck)做數據分析工作
默克公司已經發展成為價值400億美元全球性醫療保健公司，在全球140多個國家運營，試圖利用ERP和核心系統收集的數據進行生產管理和庫存控制，以獲得更多的業務洞察力。但是，默克公司的工程師花了60%到80%的工作精力來為每個項目努力尋找、訪問和采集數據時，商業目標早已經過時了。默克公司制造信息技術的首席信息官Michelle A'lessandro表示：“我們并沒有將數據視為一種可行的、永久的和寶貴的資產。我們希望建立一種文化，我們花更少的時間進行數據的移動和報告，而花更多的時間使用這些數據來獲得有意義的業務成果。”
默克公司創建了MANTIS(制造和分析智能)，這是一個über數據倉庫系統，它包括內存數據庫和開源工具，可以處理在結構化和非結構化系統中的數據，包括文本、視頻和社交媒體。重要的是，該系統旨在使非技術性業務分析人員能夠在可視化軟件中輕松查看數據。相反，數據科學家也可以通過復雜的模擬和建模工具獲取信息。MANTIS系統已經使公司整體IT分析項目總業務量的時間和成本降低了45%。有形的業務成果包括平均交貨時間減少30%，平均存貨持有成本減少50%。
經驗教訓：A'lessandro說，她成功的關鍵是在亞太工廠設立了一個“標桿”分析項目，默克公司將獲得最大的回報。由于MANTIS系統在此成功運行，其他地區也呼吁要求進行部署。她也學會了要避免貪多嚼不爛的局面。A'lessandro表示，她在早期的實驗中就出現“過度使用”的情況，使用人工智能和機器學習技術來分析默克公司的制造流程的成本。“這不是因為缺乏資金或缺乏遠見，而是我們無法讓它發揮作用，”A'andandro說。
胡椒博士集團(Dr. Pepper Snapple Group)將機器學習技術用于語境相關性工作中
多年來，胡椒博士集團的銷售路線員工一直是抓著一本厚厚的活頁夾，里面裝滿了客戶數據、銷售和促銷說明，然后去吸引一些零售客戶，如沃爾瑪和塔吉特百貨公司(Target)等。今天，銷售人員不再使用這種活頁夾，而是配備了能告訴他們需要拜訪哪家商店的iPad，而且還會告訴銷售人員該為這些零售商提供何種優惠，以及其他關鍵指標。胡椒博士集團的首席信息官湯姆·法拉(Tom Farrah)表示：“他們都是接訂單的銷售人員，為此他們感到很驕傲。現在他們配備了信息資料來幫助其實現目標，使他們成為智能的銷售人員。”
該MyDPS平臺配有機器學習和其他分析工具，可在工作人員加載應用程序時向其提供建議和日常操作記分卡。這些算法向員工顯示他們是如何按照預期計劃進行工作的，包括他們是否按照自己的計劃工作，或是落后于計劃，以及給他們提供見解，讓他們清楚如何糾正他們的工作。法拉說：“如果我要讓某人獲得成功，我必須確保他們擁有哪些信息是與工作內容相關的。”
經驗教訓：為了測試驗證MyDPS平臺的概念，法拉將該軟件分給了一個分公司的四個人，并讓業務總裁去拜訪他們。他們透露，自從上個月使用MyDPS之后，執行銷售額已經提高了50%，這一表現讓他批準了該項目。法拉說：“他獲得了結果，這就是銷售所需要的，這不僅僅是為了項目的商業贊助，而且這也是他們希望得到的結果，這一點非常重要。”
柏克德公司(Bechtel)以卓越的大數據中心來顛覆自己
一個鮮為人知的事實：柏克德公司首席信息官Carol Zierhoffer說，與建筑有關的支出占GDP的13%，但整個行業在過去二十年中只有1%的生產率增長。專家表示，通過重新制定合同、提高工人技能以及改進現場執行工作等方式，該行業可以提高50%至60%的生產率。柏克德公司建造了胡佛水壩、英吉利海峽隧道和其他大型設施，已經開始在業務各個環節的數據中挖掘洞察力。
Zierhoffer在沃爾瑪、波音和洛克希德馬丁公司會見了業內同行，以獲得有關如何向前發展的見解。柏克德公司建立了一個先進的大型數據中心，其中包含5千萬億字節數據的數據湖，并開始了概念驗證。該數據中心使用照片識別技術，并代表客戶來檢查和標記各個地點的照片，這節省了200萬美元。自然語言處理(NLP)工具可解析索賠、提案請求(RFP)和合同。過去需要幾天和幾周的評估和計劃工作現在只需要數小時。柏克德公司還擴大了分析工作范圍，以了解員工的流失率情況，包括試圖預測員工將何時離職。Zierhoffer說：“我們相信我們正在敲開解決生產率難題的大門。”
經驗教訓：數據倉庫和質量是支柱。盡管柏克德公司可以分析大量的數據，但在整個業務各環節的數據質量必須提高。“我們不得不顛覆自己，了解我們是如何工作的，并且將數據倉庫進行連接。”
憑借機器學習技術，RRD公司走上新業務之路
營銷傳播公司R.H. Donnelley公司為RRD公司的前身，幾年前，RRD公司設立了物流部門，向消費者和企業配送它的印刷材料。為了支持這項業務，公司自己管理運營，并代表其合作伙伴配送各種物品，包括洗衣機、狗糧等等，最終成長為價值10億美元的一個企業。這是一個挑戰嗎?在聯邦快遞和UPS成為無可爭議的霸主的天下，找到一個最優的運費。
諸如天氣、地域、司機和政治局面等因素都是業務上的成本。RRD公司的首席信息官肯•奧布萊恩(Ken O'Brien)表示，隨著迫切需要對費率變量進行預測，RRD公司轉向了機器學習和數據分析。公司聘請員工和與大學合作來幫助編寫算法，在700條路線上測試數千個場景，直到能夠以99%的準確率提前7天實時預計運費。奧布萊恩說：“該項目在不到一年的時間就完成了，我們現在仍然看到業務的增長與運費有關。”該公司預計，在2017年，其卡車貨運代理業務將從400萬美元增長到1600萬美元，營收將增長1200萬美元，業務規模達6億美元。
經驗教訓：新企業需要高水平的全心投入，盡管奧布萊恩承認，他的一些業務同行已準備好在業務的不同環節上認輸。該業務并不相信那些通常以感覺和猜測來完成一個流程的技術。RRD公司建立了一個協作環境，業務和IT共同合作來推進結果。“你會遇到困難，你會遇到挑戰，但要耐心，”奧布萊恩說。
孟山都公司(Monsanto)利用機器學習技術，實現最佳種植計劃
農民永遠為要種植何種作物，種植面積，在哪里種植及何時種植而苦惱。種子行業巨人孟山都公司正在研究這項工作，利用數據科學為農業種植提供規范性建議。數學和統計學模型會繪制出雄性作物和雌性作物的最佳種植時間，以及在何處種植，在理想狀態下，這就最大限度地提高產量并減少土地使用。孟山都公司全球IT分析主管艾德里安·卡地亞(Adrian Cartier)表示，其機器學習算法在數天內完成了超過900億的數據點，而不是幾周或幾個月。這是商業利益嗎?在2016年，孟山都公司節省了600萬美元，其供應鏈足跡減少了4%。卡地亞說：“北美地區的土地利用率下降了4%，相當于不去使用大面積的土地，這節省了大量資金。”
經驗教訓：孟山都公司成功的關鍵是在信息技術與供應鏈業務之間建立了一個“自始至終”的合作。卡地亞說：“他們具有農業和供應鏈角度的專業知識，而我們具有數學和統計領域的專業知識，兩者結合起來，就創造了我們能夠提供的價值。”卡地亞說道，他還尋求在供應鏈業務中“改變領導者和倡導者”，以形成對反對者一種健康的平衡。
對于Pitt Ohio公司來說，預測分析可以帶來成功
Pitt Ohio公司首席信息官斯科特•沙利文(Scott Sullivan)表示，貨運業正在遭受所謂的“亞馬遜影響”的打擊。Pitt Ohio是一家價值7億美元的貨運公司，已經習慣于前一天接收貨物，并在第二天交付給客戶。不過因為亞馬遜公司，客戶越來越期待能收取貨物，并且期待獲得有關他們包裹的更多信息。
沙利文說：“現在客戶不僅要知道什么時候貨物才能被接收，而且要知道貨物交付的過程，以便他們能夠計劃自己的工作量。”利用歷史數據、預測分析和算法，可以實時計算各種貨物的重量及行駛距離等因素，Pitt Ohio公司可以估計司機到達目的地的時間，并且準確率達到99%。該公司估計，通過老客戶的訂單(估計每年50,000美元)公司已增加了營收，并降低了客戶流失的風險(估計每年為60,000美元)。
經驗教訓：沙利文說，這是涉及市場研究、銷售業務和IT的跨部門工作，他們都要反復檢查結果，以確保他們實現其目標。沙利文表示：“在公司內部有很多數據，需要創新，尋找有挑戰性的方法來利用它。”
京公網安備 11010502049343號