调查了全球2000多名企业家后,Salesforce总结出20条未来数据分析发展的结论
译者:王雨思
如今,我们面对着一道“消费者鸿沟”。没有洞识的数据是毫无价值的。国际数据中心的数据显示,企业平均分析到的数据只占其可用数据的不到1%。剩下那没有分析的99%会对公司造成什么样的影响?
今年年初,普华永道发布了一份针对77国逾1300位CEO的调查。结果显示,在推动数字技术发展、提高组织能力方面,数据挖掘分析占有第二重要的战略地位,仅次于提高客户参与度的移动技术。同时,这些CEO还认为,数据分析对于提供更好的客户体验并提高业务效率来说是一最为重要的一项能力。
需要注意的是,数据本身并不能提供洞识。如果数据分析的结果无法在组织内部分享和公开,那就无法促进业务成果和运营效率的最优化。
如今,我们面对着一道“消费者鸿沟”。没有洞识的数据是毫无价值的。国际数据中心的数据显示,企业平均分析到的数据只占其可用数据的不到1%。剩下那没有分析的99%会对公司造成什么样的影响?
“大数据就是21世纪的石油,但数据本身是不会说话的。如果你不知道如何使用数据的话,它就毫无价值可言。这就好比石油,它本身也只是一团黏糊糊的东西,直到有人将它提炼成燃料。从大数据提炼出来的燃料就是企业的专有算法。专有算法能够解决执行中的具体问题,将会成为未来成功企业的秘密武器。下一轮数字淘金热的重点,就在于如何用数据来进一步做文章,而非仅仅处理数据。这才是算法经济的未来。”
——Gartner高级副总裁兼全球研究主管彼得·森德高
说到利用算法来实现价值,组织和企业都面临着巨大的机遇。但要做到这一点,企业必须发展自身的分析能力。要想发展出算法,企业必须抓住数据、分析数据,并将研究结果反馈到整个系统里(即所有利益相关方:员工、合作伙伴和客户)。Gartner预计,到2017年70%的公司将会发展出各自的分析中心。
而当今的企业是如何利用数据分析取得竞争优势的呢?为了了解企业现在的数据分析情况,我们调查了全球的2000多位企业领导,主要研究以下三个问题:
- 数据分析在当今企业中的角色转变
- 数据分析的运用在哪些领域呈上升趋势
- 杰出企业(high perfomers)如何利用数据分析
根据调查,我们有如下重要发现:
- 数据分析跃为企业的战略重心。有90%的杰出企业表示,数据分析绝对是他们制定整体战略和改善运营成果的关键。
- 数据分析的应用案例急剧增加。杰出企业大量使用数据分析的可能性是落后企业的3倍,他们能在十多个领域中收集有价值的信息,平均分析的信息类别超过17种——这个数字几乎是落后企业的2倍。
- 实时分析的时代已经到来。杰出企业利用现有分析工具获取及时有效信息的能力是落后者的5.1倍。
- 杰出企业欣然采纳这种新的数据分析文化。顶尖团队里过半员工使用分析工具的可能性是落后团队的2倍。
经过分析,我总结出了20条重要结论。
1.到2020年,杰出企业有效分析的数据源数目将会增长150%,从2015年的20个数据来源增长到2020年的50个以上。
2.缺乏自动化技术会给数据分析制造痛点。
以下是数据分析的十大难点:
1. 需要手动将所有数据源导入到一个视图中;
2. 太多数据不能得到分析;
3. 花费过多时间更新电子数据表;
4. 分析者是业务分析师,而非终端用户;
5. 产出分析结果的周转周期太长;
6. 数据不能为终端用户定制;
7. 不能灵活地根据需求提供数据分析结果;
8. 企业用户无法完全相信业务成果;
9. 缺少迅速创建报告的自助服务接口;
10. 不能解答关键的商业问题
总的来说,建立数据驱动型文化的关键在于三点:数据整合和定制的自动化,确保数据源的可信度,以及移动设备的实时报告。
3. 数据分析对制定企业战略至关重要。
杰出企业更可能将数据分析视为战略制定和改善运营成果的重点,是落后企业的8.2倍。84%的杰出组织表示,到2017年,数据分析的重要性就会大幅提升。
4. 针对数据分析的投资将会增长。
到2017年,杰出企业在数据分析方面的投资提高至少50%的可能性是落后企业的6.4倍。
5. 到2017年,企业领导将会在以下领域的数据和分析方面投入更多资源:
- 工具和技术(51%)
- 人才(35%)
- 培训(35%)
在我看来,各个行业的企业领导人应当投入更多资金招揽数据和分析专才,比如数据科学家。杰出企业也应设立首席数据官(CDO),并投资建立中央分析中心,这样就能精简最佳实践模式的应用过程,针对企业实际情况开展具体的分析培训。在客户关系管理和分析平台方面的投资可以使分析结果的获取、定制和传递更为大众化,同时大幅提高业务敏捷性,便于达到预期成果。
6. 除了简单的保留记录,杰出企业更有可能利用数据推动实质的企业决策,其可能性是落后企业的4.6倍。
在制定企业决策时,落后企业依靠自身直觉而非数据的可能性是杰出企业的5.7倍。我曾经当过首席客户官和首席营销官,从我的经验来看,只有数据驱动的企业才能持续保持业务优势。
7.数据分析正逐渐遍及每个业务领域。
以下是数据分析的十大优势:
- 提高运营效率
- 促进增长
- 优化运营过程
- 改善现有产品、服务和特点
- 找到新的收益来源
- 产生新的想法,推动创新
- 监管消费者行为
- 预测消费者行为
- 改善员工之间的合作
- 提升决策速度和准确性
从我的经验来看,杰出的数据驱动型组织能够从数据分析的描述功能(即描述过去)进化到预测功能(基于回归分析预测未来趋势)和规范功能(基于预测结果改变企业行为,从而取得预期成果)。为了尽可能提高分析水平,企业必须动员全体成员,共同创造并保持数据驱动的思维模式,营造数据驱动式的企业文化。成功企业的所有决策都以客户为中心,他们利用数据来保证决策透明度、问责机制和以成果为导向的机制。
8. 杰出企业分析的数据源数量约为落后企业的2倍。
9. 杰出企业使用的十大数据源包括:
- 电子邮件
- 研究数据
- 交易数据
- 商业化数据
- 日志数据
- 企业系统数据
- 事件驱动数据
- 社交媒体
- 合作方数据
- 客户服务中心记录数据
10. 销售、市场和服务将引领数据分析革命。
到2016年,74%的销售主管会采用销售数据分析手段。杰出的服务团队高效利用数据分析的可能性是落后团队的19倍。54%的市场营销人员相信,数据绝对是建立深度客户合作的关键所在。
11. 速度、便捷性和相关性是关键的区分点。
杰出企业利用分析工具来收集实时商业分析的可能性是落后企业的5.1倍。从我的经验来看,能够在收集速度上拉开差距的组织最有可能实现或超越其内部预期和外部的客户预期。
12. 杰出企业利用移动分析手段的可能性是落后企业的3.5倍。
企业领导必须具备在何时何地都能做出明智决策的能力。
但是,移动并不等于智能手机或平板电脑。移动指的是能够在运作过程中始终工作良好的能力。除了在办公桌前,你要学会随时随地都能工作。移动分析则必须能在运作过程中实时提供分析。
13. 顶尖团队的管理层都会大力支持发展数据分析。
90%的杰出企业的管理团队都将自己的成功归功于分析工具和分析技术。这里有一个很重要的问题,所有的主管都应该问问自己——如何能让消费者相信我们的决策是明智的?今天,我们的经济体高度连接,谁能在没有数据支持的情况下做出正确决策?为了在未来赢得客户,企业必须利用数据获得洞察,迅速做出决定、采取行动,为客户、合作伙伴和员工提供真正及时且有价值的服务。
14. 数据要对所有员工开放,并且利于他们的理解和使用。
杰出企业给至少半数员工提供分析工具的可能性是落后企业的2倍。我的经验是,在所有员工都能够接触正确的工具和商业流程的前提下,给员工进行培训和授权是扩大规模的关键。企业往往会将获取分析数据和使用分析工具的权限限制在管理层和分析师之间,但这么做就限制了整个企业的视野和潜能。系统集成、数据质量、数据整合定制和移动性是激发公司上下共同分析结果、发展洞察的关键。这也解释了为什么说分析平台是成功的关键。
15. 杰出企业内部各类人员合作分析的可能性是落后企业的15.5倍。
这一点非常关键,因为销售、市场营销和服务的界限正变得越来越模糊。客户的预期要求我们重新思考、设计其业务程序,建立更为流畅协调的新模型,根据具体情况分析采取最佳行动。你必须广泛分享你的分析成果才能保持高效。假设你如果在跑一场接力赛,数据分析就是你的接力棒;想要赢得比赛,就必须完美并及时地传递这个接力棒。
16. 选择分析工具的5大决定性因素:
- 运用的速度和易用性
- 商业用户使用该工具的易用性
- 自助服务和数据发现工具
- 发掘和分享数据的移动性
云部署
17. 杰出企业更倾向于认为,选择分析工具的关键在于发掘和分享数据的移动性(即上文第四点)。
18. 92%的杰出企业强烈赞同一点:拥有数据分析能力对企业未来的成功具有战略性的意义。
19. 杰出企业更可能相信分析非结构化数据对于了解消费者行为具有重要意义,这是落后企业的5.3倍。
社交媒体数据就属于非结构化数据。在我看来,结合结构化和非结构化数据是发挥数据预测和规范功能的唯一有效途径,并需要向你的雇员、合作伙伴和客户反馈及时、具体、有价值的信息。
20. 企业高效利用数据分析手段的关键:
1. 制定更灵敏的战略——利用数据分析来制定战略并衡量成果
2. 扩大数据分析范围——推动跨部门合作
3. 营造数据分析文化——使公司上下都能接触并使用分析工具
4. 投资数据分析——越早投资越能确保竞争优势
5. 采纳新兴技术——持续发展数据分析方面的竞争力
根据星座研究公司(ConstellationResearch)的分析,目前全球90%的数据是在过去一年里创造出来的。我们正处于数据科学革命的开端,想要生存并占据一席之地,就必须更多、更有效地利用数据分析手段和工具。企业要想成功,就必须投资数据分析工具和技术,发展自身的数据驱动型文化。
via:ITValue
End.