在一個罕見的數據分析領導者聚會中，各種新的解決方案漸漸浮出水面，這些方案旨在解決人才，組織和前沿採用等一系列難題。
去年10月，來自數據分析領域的先進企業的八位高管就自己所面臨的最大難題發表了看法。他們都是公司中負責數據分析工作的最高管理人員，其中包括美國國際集團(AIG)、美國運通、三星移動、西門子醫療，TD Bank和沃爾瑪。他們的背景各不相同，首席信息官、首席數據官、首席營銷官、首席風險官和首席科學官都參加了該會議。我們通過事先詢問他們各自所面臨的緊迫問題來展開討論。
對於這些高管，最重要的五個問題是：
數據和分析是否被過度炒作?
隱私問題是否威脅到發展?
人才招聘是否在減緩戰略?
哪種組織模型效果最好?
確保採用的最佳方法是什麼?
以下是討論的匯總。
1. 數據和分析並沒有被過度炒作，但它們被過渡簡化了
與會者一致認為高管的期望是一個實實在在的問題。大數據分析正在給組織帶來經濟影響，但高管獲得收益的希望往往與前沿應用程式的實際情況脫節。不可避免的難題使他們措手不及並迅速產生了懷疑。
一位與會者指出，對應用的關注有助於公司擺脫「鳥瞰的視角」，在這個視角裡「一切看起來並無不同」。數據分析能在何處提高績效，如何提高績效，這種實際情況因公司和行業而異。
面向客戶的活動。在某些行業中(例如電信)，這是絕佳機會所在之處。在這裡，當公司將重點放在優化分析模型上，這些模型可優化整個消費者生命周期中的服務定價，通過預測產品促銷最有效的領域並確定留住客戶的策略來最大限度利用營銷支出。
內部應用程式。在其它行業(例如運輸服務)中，模型將專注於流程效率。例如，優化路線或根據工作人員的可用性和需求的變化來調度人員。
混合應用程式。其它行業則需要在以上兩者之間取得平衡。例如，零售商可以利用數據來影響客戶做出「下一個要購買的產品」的決策並優化新店選址或籌劃流經供應鏈的產品流。同樣，保險公司希望預測有助於擴展產品線並評估投資組合風險的新興領域。明智地確定工作的輕重緩急並切實解決各種相關難題，這是數據分析策略獲得成功的關鍵所在。
公司需要從兩個角度進行運營：快速取得成果以增加動力，同時關注長期的，具有突破性意義的應用程式。儘管一位高管指出，「我們會仔細衡量近期影響並圍繞這些結果來形成內部意見」，但人們仍然堅信整個過程跨越了多個領域。一位與會者說：「我們看到的只是冰山一角」。許多人認為，真正的價值在於重新構想現有業務或根據公司擁有的數據開展全新業務。
新機會將不斷到來。例如，與會者漸漸意識到這樣的可能性——利用不斷膨脹的外部數據(有時稱為開放數據)並將其與現有的專有數據結合起來以改善模型和業務成果。對衝基金最早開始利用大量新近獲得的政府數據，它將這些信息與股價走勢相關聯，從而發現各種短期的投資機會。做長期投資的公司需要為開放的數據制定不同的規則，但鮮有與會者懷疑此舉的價值。
2. 必須解決隱私問題，讓消費者擁有控制權大有裨益
在有關大數據的公共討論中，隱私已成為不可談及的禁忌，因為媒體已經正確地指出了某些數據收集方法中的過度行為。難怪消費者越來越警惕了(但B2B領域對數據的關注度似乎較小)。另一方面，數據分析漸漸為消費者(更不用說公司和政府)帶來了一系列好處，例如得到了改善的醫療效果，精準反映消費者喜好的新產品或因自定義信息的能力增強而產生的更有用且更重要的數字體驗。這些好處必然取決於收集，存儲和分析描述真實人物的大型的粒度數據集。
我們的分析領導者一致認為，將更多的信息控制權交給消費者並建立起他們的信任，這才是正確的發展方向。
選擇加入模型。第一步是使消費者可以選擇是否可以收集，共享和使用其數據。例如，數據聚合商Acxiom最近發布了一個網站(aboutthedata .com)，該網站使消費者可以對公司收集的有關他們的數據的分發進行評估，編輯和限制。例如，消費者可以選擇限制以精準投放網絡廣告為目的的數據共享。他們控制著目標廣告(但私密性較低)和非目標廣告(潛在價值較低)之間的權衡。
公司行為。我們的小組成員認為，在數據收集領域裡，各大公司的動機都是善良的，各大組織也將十分負責任地採取行動。但是它們必須不斷贏得這種信任。從單個隱私違規或錯誤判斷中恢復可能需要數年時間。建立內部實踐以加強良好的數據管理能力，同時讓客戶知道數據分析的好處，這一點至關重要。用一位與會者的話來說就是：「消費者會信任那些忠於價值主張的公司。如果我們專注於實現這一目標，那麼消費者將十分欣慰。如果我們偏離了方向，那我們就有麻煩了。」
3. 人才的缺乏正在催生各種創新方法，但人們還需要更多方法
人才短缺是個熱門話題。這可不僅僅是IT專業人員和分析專業人員的短缺。即使那些漸漸通過創意十足的招聘和薪酬策略來解決技能缺口的公司也發現自己在另一個領域缺人：他們需要更多的「翻譯人員」，即將IT與數據，分析和業務決策的學科聯繫起來的人。這些翻譯人員可以將IT，分析和業務部門的團隊聯繫起來，同時推動整體數據分析策略的設計和執行。如果沒有這樣的員工，新數據策略、工具和方法(不管它們有多先進)都不會產生令人滿意的影響。
但是，這樣的兼才是很少見的。更有可能發生的情景是，公司能找到將三個所需技能中的兩個相結合的個人。數據戰略師將IT知識和制定業務決策的經驗結合在一起，因此他們非常適合為高價值的業務分析明確各種數據要求。數據科學家將深厚的分析專業知識與IT知識相結合，以開發各種複雜的模型和算法。分析顧問將實用的業務知識與分析經驗相結合，以專注於影響力巨大的分析商機。
與會者普遍認為，常見的人才來源(一流大學和MBA課程)越來越不足。很少有公司開發出培養具備多項技能的人所需的課程。為了彌補這種缺口並使更多的人紮根於各種業務技能和定量技能，有些公司正在從先進的網際網路公司挖數據科學家。而另一些公司則採用離岸外包的方法。
要管理並留住這些特殊人員就要求思維方式和文化方面的變革。工作一：提供激發人們研究各種新方法和洞察的空間和自由。一位高管在描述公司為創新提供更多自由的努力時指出：「有時，你很可能並不確切知道他們(數據科學家)會發現什麼」。(到目前為止，這些努力正在留住更多人才)。另一個優先事項：創建一個充滿活力的環境，使頂尖人才認為自己處於技術變革和新興最佳實踐的最前沿。促進與數據分析生態系統(包括風險投資家，分析初創公司和成熟的分析供應商)的互動是十分有用的。
4. 你需要卓越中心並且要不斷發展
為了促進分析工作，幾乎所有的公司都在使用卓越中心，卓越中心與企業一起快速開發和部署分析。卓越中心通常包含數據科學家，業務專家和工具開發人員。公司之所以建立這些中心，部分原因在於企業領導者需要幫助。卓越中心還增強了上述稀缺的翻譯人員對整個組織的影響。卓越中心甚至有助於吸引和留住人才：在最佳狀態下，這些中心是學習和創新的溫床，由於團隊會共享一系列想法，如怎樣構建可靠的數據集，怎樣創建強大的模型並將其轉化為有價值的業務工具，因此，卓越中心是學習和創新的溫床。
與會者一致認為，只有在這種情況下才值得創建卓越中心——你使卓越中心成為公司的一部分，在這裡，數據分析資產或功能可能會產生重大戰略影響。對某些公司來說，這其實就是IT。對另一些公司來說，這其實就是營銷和銷售或大型業務部門。例如，有一家公司的分析議程致力於利用一系列跨多個業務和職能的核心交易數據。在這個例子中，卓越中心在IT內部利用其對該核心數據集的深刻了解以及其作為跨業務共享功能所發揮的作用。
這些中心的目標必須是成功地在整個組織內建立數據分析功能，以便它們能夠應對各種越來越耗時的優先事項。一位高管認為，隨著企業不斷增強分析能力，卓越中心將越來越多地致力於類似於複雜研發的長期項目，它們將重點放在分析創新和各種突破性洞察上。
5. 刺激採用的兩條途徑——無論哪種都需要投資
對許多領導者而言，前沿採用是最重要的問題。讓管理者和個體貢獻者有的放矢且熱情洋溢地使用新工具是很難的。我們在另一篇文章有寫過這樣的內容，公司根本沒有投入足夠的時間或金錢來開發結合了智能，直觀設計和強大功能的殺手級應用程式。但是，與會者發現了兩條導致廣泛採用的明確途徑。
自動化。刺激採用的一種途徑對相對簡單且重複的分析十分管用：創建可快速推出而無需什麼培訓的直觀的最終用戶界面。例如，智慧型手機或平板電腦上的行動應用程式可能使品牌管理者立即了解銷量和銷售趨勢，市場份額以及平均價格。這些工具已成為日常決策流程的一部分，它們有助於管理者弄清楚以何種強度推廣產品，何時有必要為了與競爭對手角逐而在定價上做策略性調整，或者最終從何處開始推銷新產品。一位高管表示，使用這類簡單工具「幾乎不需要培訓」。只要它們「清晰明白，設計合理，具備過硬的可視化質量，那麼最終用戶就會發現這些工具。」
培訓。第二條途徑要求在培訓上投入大量資金，從而為更複雜的分析提供支持。不妨考慮使用一種用於承銷中小型企業貸款的工具。該工具結合了承銷商的知識和模型的強大功能，這些知識和模型使承銷商的判斷高度一致，從而明確風險並最大程度地減少偏差。但是，承銷商需要接受培訓，以此來了解該模型適用於承銷流程的哪個地方以及如何將模型和工具所帶來的真知灼見納入到他們自己的客戶特徵和業務優先事項方面的經驗中。
無論選擇哪種方式都必須從試點工作開始，從明確的規則開始，從而決定到底要不要做出這樣的轉變——從探索性分析轉向全面實施。某些模型最終並沒有足夠的預測性來形成所需的影響;最好將這些模型擱置起來，以免它們成為投資陷阱並破壞組織對分析的信心。高管們必須願意「停頓」並向組織發出這樣的提醒，即某些分析計劃雖然未能成功實施，但這並沒有什麼好擔心的。實際上，這就是為什麼要貫徹多個計劃。形形色色的成功案例和刻板的決策形成了一種氛圍，在這種氛圍裡，各個業務部門，各種職能，眾多高管和一線員工都接受了這樣一個事實，即數據分析是有可能發生轉型的。