重视数据分析：深入洞察，提升企业绩效

重视数据分析：深入洞察，提升企业绩效很多企业的组织内部都具有潜在的分析能力。我们相信：对于雄心勃勃的企业，发展内部各部门的分析能力有助于成就卓越绩效。——戴夫•里奇、布莱恩•麦卡锡、珍妮•哈里斯2|重视数据分析：深入洞察，提升企业绩效3689101617目录数据：到处都是数据，而数据分析的目的又是什么？认识新旧障碍初步诊疗跨职能分析：零售商追回流失的客户深入透彻的分析分析法揭秘给企业管理者提出的问题3数据：到处都是数据，而数据分析的目的又是什么？图1.数据分析的价值链数据方法成果工具与技术员工、领导力和组织架构•深入分析使过程和行动对结果产生影响•数据的获得与提取•从表面数据到深入分析当今多数企业与服务提供商的关注范围过程过去十年，使用量化数据来支持决策和结果的能力已经成为一项关键的竞争力。随着信息技术的普及以及运算能力和交易量的迅速增加，任何规模的企业都能够利用数据了解客户行为、供应链、产品开发、新型服务模式、财务状况及人才管理等方方面面情况。虽然目前仅有少数企业通过加强自身的数据分析能力领先于竞争对手，但这些企业的数量正在不断增加。埃森哲认为，数据分析是一个综合性框架，也就是利用量化的方法从数据中找到可操作的洞察力，然后利用这些洞察力制定经营决策，最终获取更好的成果（见图1）。因此，数据分析不再仅仅是单纯的报告工具和手段。埃森哲研究证实，卓越绩效企业——也就是那些历经经济和行业周期以及领导层更迭，始终长期优于竞争对手的企业——战略性运用数据分析的几率要比对手高出5倍。卓越绩效企业认识到，科学技术本身并不能使其成为一个分析高手。而其管理人员也非常精明，不会把数据分析简单地等同于数据的收集和保存。卓越绩效企业具有很强的内部分析能力，并且把分析视为战略实施的核心。大多数卓越绩效企业都利用数据分析来优化其核心流程。例如，美国联合包裹运送服务公司（UPS）就利用路线优化分析减少了司机在行车过程中左转弯的次数，从而既提高了运输安全性，又节省了运输时间。又如，墨西哥西麦克斯集团（Cemex）利用进度分析确定以15分钟为一时间标准将水泥运到建筑工地，因此在特定的商品市场上取得了额外的溢价。一些领先企业已经成功利用数据分析实现丰厚收入和利润，或者在非盈利方面产生重要的公共信息。例如Google.org就利用搜索结果来预测美国各县流感爆发的情况，并把这一信息提供给联邦疾控中心，以便向受灾地区及时提供流感疫苗。114|重视数据分析：深入洞察，提升企业绩效图2.封闭循环技术赋能财务人力资源营销供应链业务绩效监控关键指标问题价值实现洞察力验证洞察力生成核心分析小组职能分析跨职能分析小组发生了什么？为什么会发生？应该发生什么？实施1相比之下，对于大多数企业来说，数据仍然是一项使用不足、未受到足够重视的资产。埃森哲近期的一项研究针对英美两国大型企业中的600多名首席及其他高管进行了调查，从深度上和广度上揭示了这一问题。过去几年，为了提高决策能力，很多企业都投资于开发报告及商务智能的技术解决方案。然而，埃森哲的研究显示，每10家企业中有8家都没有达到既定目标，这主要是因为它们缺乏数据分析能力，不能管理大量的信息，无法为科学而透明的决策起到辅助作用。更有甚者，每12家受访企业中只有1家通过对这些技术解决方案的投资取得了预期回报。目前，很多企业只关注基础分析，即将其仅仅视为普通的报告工具和手段，也就是作为回顾或是静态信息：41%的美国企业和23%的英国企业把资源投入到了基础分析。在调研中，有三分之二的美国企业承认自己需要提升数据分析能力，特别是需要雇用具有分析能力的人才。我们观察到，卓越绩效企业在发展分析能力方面出现了两种不同的路径。其一，致力于封闭式的循环：企业将原始数据转化为洞察力，然后利用洞察力制定出具体的决策及经营步骤，从而获取更好的成果并创造价值。不过，除非管理人员采取进一步的执行步骤，就洞察力本身而言并不具备很高的商业价值，也不会带来惊喜。谷歌的案例就说明了这一点。通过分析和格式化，谷歌将网络搜索关键字形成的原始数据转化为对客户有价值的产品。这些公司通过多种功能、不同地域、多个部门等相关元素的协同运作来形成封闭循环（见图2）。5图3.提升分析曲线比较优势智能成熟度预测性分析描述性分析1优化预测模型预测/外推法统计分析警示查询/深入分析特别报告标准报告最佳结果可能是什么？下一步会发生什么？如果这一趋势持续下去会如何？为什么会这样？需要哪些应对措施？问题出在哪里？数量？频率？地点？发生了什么？如今企业管理人员对数据分析越来越熟练，越来越重视，特别是在预测和优化这两个领域，数据分析能够逐渐解决更加复杂的问题，如图3所示。这些卓越绩效企业所采取的第二条路径就是提升分析曲线，通过预测分析为企业找到应对变化的洞察力。这不仅仅涉及技术工具，也包括对具有比较优势领域的组织层面关注，如UPS和Comex两公司就着眼于物流优化。认识新旧障碍6|重视数据分析：深入洞察，提升企业绩效当然，提升分析能力并非易事。即使是长于此道的企业也不可能轻而易举的从技术投资中获取洞察力，再将洞察力同相关的业务流程结合起来，并最终将洞察力转化为切实的商业成果。虽然不同的企业都会遇到独特的挑战，但所有企业都将面临一个或几个共同的问题：关注错误的指标或指标太多多数企业都建立了一大套指标体系，但往往缺乏各业务驱动要素之间的因果联系，而这正是一小套指标体系所能做到的。过度依赖技术，视其为解决方案各企业往往都建立了自己的大型数据仓库或企业资源规划系统，并认为这样就可以提高决策水平。他们没有将这些技术工具交给专门的分析人员，只有这些人员才能依照正确的业务流程加以运用，从而取得既定成果。淹没在浩瀚的数据海洋中今天，我们面对的信息不但数量日益庞大，而且种类繁多，包括音频、视频和网络数据，这些在5年前都不太容易获得。根据国际数据公司（IDC）估算，2008年全世界产生了4,870亿G字节的信息，比2007年增长了73%，而且这个数码世界的容量每18个月就要翻一番。管理人员们感觉像掉进了信息海洋，不知道该如何涉水前进。如果没有一个筛选正确数据的行之有效程序，那么企业就很难发现能支持明智商业决策的重要模式。一次性单点解决方案营销分析能力是有意义的，但取决于是否能和其他运营能力相结合，如产品如何到达消费者、或如何为客户提供服务等等。如若只是一种割裂的单点化解决方案，那么这种营销能力就不能发挥最佳效用。2文化阻碍虽然很多管理人员不愿意说出口，但实际上他们更多依赖的是直觉和经验，而非基于事实的分析。埃森哲近期的一项调查发现，40%的商业决策仍是来自于主观判断，其中一个原因就是数据质量不高。这一现象在工龄已达三、四十年的管理人员中颇为普遍，因为那时候他们所受的大学教育和在岗培训都缺乏量化统计，而且当时计算并非是他们日常工作的一部分。尽管他们的经验和直觉是宝贵的资产，但缺乏相关数据分析的支持，其价值依然十分有限。这些并非是全新的挑战。但在今天这样一个多极化的世界里，在一个存在着多个经济力量和经济活动中心的世界里，这些问题的副作用就越发明显了。迅捷的交通使得商业运营在全球铺开，同时也带动了一系列的服务行为，其中很多在国际贸易的大背景下发生在新兴市场中。如今，很多竞争对手出现在过去只能提供廉价劳动力、但而今却已提升其产品价值链的那些国家里。此外，随着新兴地区的客户变得越来越富有、个性化要求越来越高，由此出现了一个新的客户群。在一个多极世界里，复杂性是一项挑战，速度则是另一挑战，如果不能迅速地开发出新的客户群，就可能被他人抢占先机。埃森哲研究显示，卓越绩效企业的一个共同特征就是管理人员们做出决策的速度，特别是同客户相关的决策速度。卓越绩效企业将正确的信息传递给身处一线的正确人员，使其能够迅速采取行动。这就更加凸显了与客户密切相关的数据分析能力的必要性，实际上这种能力如果不是存在于整个企业中，就是分布在企业的许多部门中。347初步诊疗图4.分析成熟度的各个阶段阶段人员流程技术组织阶段1分析新手没有分析能力没有分析流程阶段2局部化分析各自独立的分析人员（可能在财务部门，或是在供应链管理、营销及客户关系管理等部门）不连贯，关注度狭窄近期的交易数据不统一，缺乏重要信息。孤立的商业智能/分析行为自发地利用数据形成经验并建立信心；建立基于数据分析的新型洞察力阶段3整体化分析倾向在多个业务领域有分析员，但交流有限大部分都是独立的分析流程。制定企业整体层面的计划商业智能工具发展。数据集市/数据仓库建立/发展协调统一；建立企业绩效评估指标，形成基于数据分析的洞察力阶段4整体化分析有技术，但往往不能统一到合适的层面或合适的职位上一些内置的分析流程高质量数据。有企业商业智能计划/策略、信息技术流程，管理原则到位调整规划，发展统一的分析流程和应用方法，建立分析能力阶段5分析高手技术熟练，各得其所，工作积极，集中管理，有大量外包工作-全部内置的整合分析流程商业智能/商业架构在企业内广泛实施深入的战略洞察，不断更新和改进一个企业分析能力的提升有赖于该企业当前的分析成熟度水平。例如，一家消费品公司已拥有通过对市场购物篮的分析进行创新的能力，而另一家银行可能还不清楚自己每天的信贷风险，那么这二者面临的状况、挑战和问题是完全不同的。同理，习惯于每年进行两次人工读表的电力公司，很可能还没有认识到使用智能电网每小时读表若干次的益处。因此，第一步就是诊断（见图4），明确企业当前的数据分析成熟度，以及问题所在。处在第一阶段的企业，即所谓的“分析新手”，应当努力提高数据的质量或技术工具的质量。当前，数据质量不高是全球通病，需要在投入分析前加以解决。如果您所在企业存在这一问题，就必须要确定哪些是实施核心战略最重要的数据，然后对其进行验证、清理与合并。此外，处于第一、二阶段的企业往往缺少掌握熟练分析技术的员工，此时懂得分析的专业人才就显得尤为重要了。这些企业应该聘用这样的专业人才，或是把公司的分析部门设在具有资源优势的地区，如班加罗尔。在提高了数据质量、聘用了专业分析人才之后，企业又将面临其他问题，即数据分析没有同业务流程联系起来，基于分析的解决方案往往只在企业内部的某些部门得以实施。对于这样的企业，必须尽可能将数据分析扩展到所有职能部门，把分析人员分派到价值最高的项目和合适的职位上，为公司带来最大的绩效收益。（具体案例请参见“跨职能分析：零售商利用分析追回流失的客户”。）无论是处于哪一阶段的企业，其长期目标就是提升整个企业的分析能力。1,5对客户、市场、竞争对手了解有限数据缺失/质量差，认识不统一，没有统一的系统58|重视数据分析：深入洞察，提升企业绩效9跨职能分析：零售商追回流失的客户多数经营问题都涉及企业的多个部门，因此如果一个基于分析的解决方案要发挥作用，就必须使每个相关部门都参与其中。一个大型零售连锁企业的案例可以说明这一问题。该零售企业在美国有很高的市场份额，但发展缓慢，因为有超过三分之一的客户流失了，也就是说，客户在该连锁店购买了东西后，超过两年的时间不会再次光顾。客户调查揭示了导致这一情形的以下四个原因：•店里摆在货架上的产品不全。•销售人员经常不到位，没有为顾客提供帮助。•产品的分类、包装或定价不当。•员工间的全面经验分享和交流很少。调查结果指出了问题所在，零售商围绕着这几个问题展开了分析工作。首先来看货架上的产品，平均95%的分析都是以静态方式进行的。但如果深入研究，我们就会发现一个较动态的画面：滞销的产品往往很容易找到，而销售良好的产品被找到的可能性只有30%。经过进一步对产品配送、销售地域以及销售渠道的分析，公司在计划流程方面作了相应的调整。公司首先根据各个地区的市场现状对销售情况良好的产品作了分析，并运用网络分析评估顾客每周所需要购买的产品，从而提高对需求预测的准确度。为了解决员工配置的问题，分析专家根据客户群、店面以及每天的工作时间对销售情况进行了分析。分析还发现了一些销售特征，例如富裕的男性客户喜欢在周二、周三或周四晚上6点到9点购物。据此，公司在这些时间段将更多的人手安排到了店中的某些位置，并把员工按季节调整成8组。对于产