利用大数据创造竞争优势
CPDA数据分析师课程在学习中，需要进行更多的学习与考虑。
似乎几乎每个组织都在追赶“大数据”的潮流。但是，正如本文作者所写的，团结在最新的新事物周围是一回事。理解大数据是什么，以及它如何推动你的组织向前发展，成为领先者是另一回事。读者将学习如何使用大数据来创造可持续的竞争优势。
《大数据:一种新的竞争优势》(Big Data: A New Competitive Advantage)是最近一期《毅伟商业杂志》(Ivey Business Journal[1])的头条。但事实是，虽然这样的说法很常见，但它们也可能具有误导性。“大数据”并不是什么新鲜事物，创造并保持竞争优势并非易事。关键问题是“我们如何从大数据中提取有用的、有意义的管理见解，从而获得持续的竞争优势?”这篇文章将提出几个方法，管理者可以挖掘大数据，使他们的公司建立和保持竞争优势。
背景
许多公司现在每天都要处理大量流入的原始数据。然而，数据本身只是一个成本项目。让人兴奋的是，恰当地、战略性地使用大数据有可能创造竞争优势。Sara Lee面包店集团前首席执行官巴里·贝拉查(Barry Beracha)曾被引用为数据驱动管理学院的格言:“我们相信上帝。其他所有人都带来了数据。然而，很少有高管能够处理少量的原始数据，更不用说每天流入许多公司的千兆字节的原始数据了。此外，这些数据通常具有很高的质量，从而排除了使用传统的“数据不好”的哀嚎，这通常只是忽略它的方便借口。
现在很多人都在谈论大数据的价值和用途。但事实是，很少有业务分析专业人士了解业务和业务问题，以及从数据中增加价值和提取相关信息所需的分析。分析之于管理，就像灯泡之于黑暗:它在揭示未来的机会和陷阱方面具有启发性和帮助。描述性分析旨在理解过去的数据，并被广泛使用。预测分析旨在了解未来。这对许多公司来说是一个挑战，因为它带来了风险(未来是不确定的)和管理风险的需要。规定性分析试图确定公司应该做什么。这也提出了一个重大的管理挑战，因为人们对公司应该做什么有直观的想法，这可能与规定性分析的结果相冲突。
在我们的新书[3]中，管理者的分析，合著者Greg Zaric和我认为分析已经并且可以成为竞争优势的来源。汤姆?库克(Tom Cook)曾在美国航空(American Airlines)领导一个分析团队，在超过15年的时间里(大约从1985年到2000年)为美国航空创造了竞争优势。Joe Hinson，联邦快递运营研究总经理，担任公司战略规划委员会主席，并直接定期向首席执行官Fred Smith汇报。“联邦快递是通过将科学方法应用于运营而取得成功的典型公司。模型和分析为(联邦快递)许多关键的业务塑造决策提供了依据。在没有使用(高级分析)的情况下，公司表现很差。
2013年的一项调查发现，“67%的受访者表示，他们的公司正从分析的使用中获得竞争优势”，高于2012年的58%和2010年的37%。
然而，分析经常被误解，并被许多高级管理人员视为一种威胁。但分析的最佳作用是为决策者提供信息，从而改善决策。分析并不能做出决定，但分析的输入可以帮助聪明、有知识、有经验的人做出更好的决定。从大数据中创造竞争优势既需要大数据本身，也需要分析专业人员的技能。
开始学习业务分析
高管们经常问他们的公司如何启动业务分析功能。事实上，没有标准的方法。聘请分析专家来组建一个团队，为公司决策提供有用且有价值的信息，同时对涉及的管理和个人问题保持敏感，这通常需要从其他公司挖人。如果该公司是直接竞争对手，就可能发生知识产权冲突。越来越多的常见选择是从国内或海外供应商那里购买分析。
IBM、埃森哲(Accenture)、SAS研究所(SAS Institute)和其他公司已经投入巨资，成为企业和政府在国内和全球的主要分析供应商:
在过去的五年里，IBM在24项分析收购中投资了超过140亿美元。今天，IBM有8000多名商业顾问致力于分析，200多名数学家正在IBM研究院开发突破性的算法
由于其历史和对数学和统计培训的关注，印度已成为分析学的主要海外供应商。迪拉吉?拉贾拉姆(Dhiraj Rajaram)毕业于芝加哥，曾担任博思艾伦(Booz Allen Hamilton)和普华永道(PricewaterhouseCoopers)的战略顾问。Mu Sigma已经成为一个分析引擎:
Mu Sigma是全球最大的决策科学和分析公司之一，拥有超过2500名(分析)专业人员和超过75家财富500强客户，横跨10个垂直行业。我们利用跨行业专业知识解决问题的跨学科方法，证实了我们与客户的可持续参与模式，使我们成为同时代人最青睐的分析和决策科学合作伙伴之一。
其他离岸分析供应商最初是跨国公司的俘虏，最终被剥离出去。美国运通(American Express)是在印度建立专属分析供应商的领导者，通用电气(General Electric)则在专注于数学科学教育的国家建立了GENPACT;在印度、中国和匈牙利都设立了中心。
“在为GE服务超过15年的传统基础上，[GENPACT]对流程创新和卓越运营的热情驱动下，全球60,500多名专业人员通过遍布20个国家的74个交付中心网络，支持30多种语言，为600多名客户提供服务。
将部分或全部分析流程外包到海外的公司包括沃尔玛、好事达、高盛、汇丰、花旗银行和苏格兰皇家银行。外包和/或离岸分析需要非常小心地管理，特别是如果所涉及的分析或数据对所有者的竞争包至关重要(更多细节请参阅“通过将分析带到离岸与分析竞争”[9])。
外包和竞争优势
外包分析的便捷性使得通过大数据和分析创造竞争优势的任务变得复杂。容易进入也使得保持任何竞争优势变得更加困难。然而，许多公司通过认识和利用使竞争对手难以复制工作的因素来做到这一点。戴尔(Dell)和中国工商银行(Industrial and Commercial Bank of China)的大数据规范分析的例子(更多例子见[10])展示了两种常见的方法。
戴尔建立在配置到订单(CTO)的商业模式上，客户选择他们个人电脑的各种组件，然后定制个人电脑组装和运输。在CTO的带领下，戴尔成长为顶级个人电脑品牌之一。但这种商业模式在2007年左右开始厌倦，戴尔决定拓展新的渠道，包括零售和新兴国家的增值网络。这种渠道扩张要求戴尔指定一个“现成的”预先配置的pc产品线，他们可以体验式地设计这些pc。但相反，戴尔转向了规定性的大数据分析。通过访问数十亿份客户购买历史记录，并使用先进的分析方法评估数百万种可能的产品配置组合，戴尔的分析师们能够定义一个预先配置的个人电脑产品线(考虑到一些折价)，占据了戴尔笔记本电脑和台式电脑近四分之三的销量。如今，这些配置占据了戴尔销售额的一半左右
这是一个大数据和分析为重大商业决策提供信息的例子(还有许多其他例子)。这是一个具有重要战略意义的一次性决策，是通过使用专有数据做出的，其中数据和高级分析的结合有助于做出伟大的决策。数据和分析的竞争价值体现在由此产生的产品线中，这可能是可持续的。
中国工商银行(ICBC)在中国各地有大约16000家分行，从许多指标(市值、存款)来看，都是世界上最大的银行。分行网络是任何零售银行的关键战略资产，而管理分行网络是银行的核心竞争力。分行网络被视为工商银行最重要的服务和营销渠道，因为分行是最有效的获取客户的手段。
随着中国经济的扩张和现代化，商业和客户活动的中心不断转移，新的城区和卫星城不断出现，个人财富不断增加。这些快速变化的环境和中国银行业市场的竞争力，使得工商银行必须迅速确定新的高潜力的分行地点，并搬迁或重新配置现有的分行。工商银行需要确定每个城市应该开设多少家分行及其位置，确定新的高潜力地区进行扩张，并改进分行选址决策，以最大限度地降低成本，避免选址不当。
2006年，在分析驱动下，工行与IBM研究院合作，开始开发工行分行网络优化系统。每个城市被划分为成千上万个100平方米的单元，每个单元的商业活动和人口数据都是从地理信息系统数据库中识别出来的。这些数据被用于计算每个单元的基础市场潜力值，然后使用人类意见和优化模型对其进行优化，以产生最终的市场潜力估计。最后，采用大规模优化和专家判断相结合的方法，综合考虑市场潜力、竞争对手的位置和附近的其他工行分行，找到提供最佳位置的单元。
这一进程已在中国40多个主要城市实施，并取得了良好效果。工商银行将苏州地区新增存款10.4亿美元归功于该系统的使用，以改善网点布局。工商银行已经培训了500多名员工使用该系统，现在将分行选址视为一个持续的战略问题，需要持续关注。
解决这一问题所需的海量数据，以及使用复杂的大规模优化来获取、维护和处理这些快速变化的数据的能力，使得竞争银行很难快速复制该系统。”
本例使用公共领域数据，因此数据不是优势的来源。相反，问题在于分析的复杂性，很少有竞争对手能够复制(前提是工行对IBM开发的知识产权有一定的控制权)。此外，由于占据了最佳地点，这是一种先发优势。因此，这项工作将在一段时间内为工行提供竞争优势。
许多高管还没有接受大数据运动
这些例子说明了大数据和基于分析的决策的巨大好处。那么，为什么不是每个人都这样做呢?答案在很大程度上是来自不熟悉数据或分析的管理者的强烈抵制。电影《点球成金》中有一个场景，奥克兰运动家队的球探正在讨论招募高中学生的策略。比利·比恩(决策者)来了，告诉他们，数据显示这种招聘策略行不通，运动家队不会再使用它了。球探们的职业生涯建立在评估和招募高中球员的特殊技能之上，他们对这一消息的反应相当激烈。如果从他们不理解的分析数据得出的结果挑战了他们根深蒂固的直觉，高管们也可能会做出强烈而消极的反应。
更熟悉数据和分析的高管们认识到这样一个事实:未来是如此不确定，即使在事后，也很难根据结果来判断一个决定是好是坏。一个可怕的决定可能会带来好运，而一个伟大的决定可能会带来坏运气，成为一场灾难。因此，在评估一个决定或一个决策者时，看看做出决定的过程是很重要的。越来越多地，当我们寻找优秀的决策者时，我们实际上已经开始关注他们处理数据的方式和对决策过程的分析输入。
许多c级高管的人际交往能力很强，但量化能力较弱。然而，在一个数据分析的世界里，了解电子表格的人经常对讨论施加不成比例的控制。那些努力理解数据和分析的c级高管将能够控制讨论，并从数据驱动的决策中获得巨大收益。
McGuire等人指出，大数据有可能取代一些管理人员。但是，从积极的方面来看，我们看到越来越多的情况，基于分析的系统正在丰富经理的角色。例如，个人贷款审批系统、航空公司和酒店定价系统以及供应链优化人员每天都要做出数百万个管理这些复杂业务所需的决策。在这些情况下，反馈循环很短，在这种情况下，由软件算法做出快速、一致和健壮的决策比让人类试图跟上无休止的决策需求要好得多。因此，当经理的工作从操作层面的决策职能转变为管理角色时，经理的工作就丰富了，在管理角色中，个人是一个复杂系统的监督者。经理现在需要了解操作系统和驱动该系统决策的分析。否则，管理人员将过于频繁地覆盖算法的决策，从而降低算法的有效性。
虽然明智地使用大数据和分析可以普遍地改善管理决策，但大数据和高级分析最大的希望也是最难以捉摸的，即它将导致新的商业模式。谷歌正在使用先进的分析技术重塑人员管理。其他人则认为，使用分析和大数据的公司可以根据个人客户的需求细分市场，这种能力为新型业务创造了机会。这是一个明显的优势，因为许多企业的存在很大程度上是因为他们不知道个人的需求。例如，零售商店作为各种商品的展示而存在。零售商或超市知道他们的客户的确切需求，不需要展示品种，可能不需要零售空间的成本。
高管的未来
成功的高管将在指导公司努力从大数据中收集有用的相关信息和知识方面发挥主导作用。他们还将参与开发和指导创新方法和业务流程。那些依靠直觉做决策的高管在理解和接受来自大数据和分析的新想法和创新方面将面临越来越大的挑战。
大数据的影响注定首先出现在竞争激烈的行业。竞争优势是双向的:如果你的公司可以利用大数据和分析创造优势，那么你的竞争对手也可以这样做，使你的公司处于不利地位。这种情况可能会迅速发生，比如人民快捷航空公司(Peoples Express Airlines)，一家非常成功且不断发展的航空公司在不到三个月的时间内就倒闭了，因为它无法应对创始人兼首席执行官唐纳德·伯尔(Donald Burr)所说的“复杂的计算机程序”，这些程序能够立即匹配或降低他的价格成功的高级管理人员需要不断感知环境，并意识到竞争对手正在使用的前沿分析方法。
大数据世界将需要新的组织结构:首席数据官和首席分析官正在出现(尽管头衔尚未标准化)。最后，管理技能已经扩展，c级管理人员的工作变得更加复杂。领导力、远见和人际交往能力仍然很重要。然而，高管现在还必须具备批判性地评估数据和高级分析中出现的创新的技能，结合他们自己的知识和经验，并做出推动公司前进的决策和行动。那些怀疑投资大数据和分析收益的高管可能会发现，像唐纳德·伯尔(Donald Burr)一样，他们的公司对“复杂的计算机程序”没有反应。
其他更多的关于数据分析相关的优秀文章， 我们将在后续的推文中进行推送。CPDA数据分析师课程中，也同样具有大量的相关内容，欢迎索取。
举报/反馈