数据分析对企业来说并不是什么新现象。但是，我们当前获得的数据在来源、数量和收集速度上都超过以往。同时，存储、操作和使用这些数据的技术从未如此便捷。这种数据爆炸的现象和运用数据提供决策依据的能力被越来越普遍地称为“大数据”。大数据已经成为了一个新兴行业，同时作为实践被越来越多的公司采用。这些公司看到了大数据在获得新的洞见和以数据为基础最终转化为竞争优势的潜力。大数据的兴起得到了媒体的广泛报道，但要想在企业中发挥实质性的影响，我们最好能为大数据的应用争取到组织和人才方面的必要投入。

互动话题：企业在实现“大数据”决策之前，面临哪些挑战？

　　当然，要发挥大数据的潜力需面对大量的技术挑战——为了跟上大数据平台的迅猛发展所需的计算和存储能力，以及利用数据的必要工具和架构。在成本控制论盛行数十年后，IT团队对大数据越来越关注，将其视为振奋人心的新增值机会。其中的关键在于制定清晰的技术和数据方案以及尽早处理潜在的隐私、法律或监管限制问题。

　　不过，发挥大数据的潜力可不仅仅只是个技术挑战。由于要使用其他转型技术，公司需要考虑他们是否有合适的高管人选来实施大数据解决方案和充分挖掘大数据的潜力。

　　除了人才以外，大数据工具和技术的运用也会对组织产生广泛的影响。与其他技术创新不同，大数据要求深度整合技术和非技术人员以及截然不同的业务流程，然后才能真正产生影响。某企业分管大数据的一位高管曾询问笔者在人才和组织方面是否遇到过类似的趋势。有两个趋势比较接近，一个是20世纪90年代末大多数企业应用互联网（这一现象或许带来了更基础的变革），另一个是企业广泛采用移动技术。但这两个趋势都无法完全与大数据的独特影响划上等号，但是与大数据趋势类似，这两种趋势都颠覆了传统的业务模型和实践，在从未有人涉足的领域凭空创造出了数以十亿计的利润。

　　最后，这两个趋势的早期阶段在人才方面远远供不应求；具备这两个领域工作经验的高管和技术领导者的现成的人选就是不够用。从第一批网站管理员到电子商务和数字化媒体巨头，这些高管和专家中的许多人都具备接近目标领域的其他方面的工作背景。大数据也同样呈现这种特点。确实，如今大多数高管在10年前都不是大数据的行家；他们来自多个不同的领域，包括关系数据库、内容管理、企业资源规划（ERP）软件、电子商务、广告网络和许多其他高度量化、数据导向型企业。

　　笔者通过与客户的合作和对大数据领导者的采访，发现了三条发挥大数据潜力的基本要求：为整个组织配备人才，以在数据驱动的环境中高效运营；培养企业文化，促进数据驱动式的决策流程；建立组织架构，促进数据的共享使用。

　　解决所有层级的人才需求问题

　　如果大数据要达到其承诺的目标，公司就必须解决组织内所有层级的人才需求问题，包括：高管层和职能部门领导者，这些人必须评估和找出机会，运用以数据驱动的深入见解对组织发挥最大的影响；数据专家，能够从数据中提取有意义的洞见；技术人员，开发和适应新技术的必要人才；以及能够全面察觉数据潜力的组织，不仅能从现有业务中发展出新的见解，还能开创新的业务模型、产品或服务。

　　从上层开始。公司在采用大数据方法和工具时会面临各种战略、运营和文化上的挑战。只有董事会、CEO和高管团队愿意接受大数据所带来的各种可能性，才能克服这些挑战。高管层必须直接将大数据资源用于解决企业最有意义的问题，并促进培养以量化分析为决策核心的企业文化。此外，他们还要将组织数据视为重要资产来创造新的价值。

　　领导者必须确保工程设计团队能部署和利用与大数据相关的技术，确保业务负责人知道如何评估利用大数据驱动的洞见来改善业务的机会。组织还需要部门和公司高管精通数据，同时愿意将大数据整合进业务流程。在数据量较大的职能部门，例如销售、客服、运营和营销，分析能力尤其关键。“那里存在超越竞争对手的巨大机会，我们正见证客户改变市场动态的过程，”MapR公司CEO约翰•施罗德（John Schroeder）说。他的公司帮助组织利用Hadoop发挥大数据分析的力量。“如果你落后了，就可能会被淘汰。”

　　请教专家。限制许多组织挖掘大数据价值的一个关键因素，就是缺乏数据科学和工程设计的专业知识。数据分析法十分复杂，因此需要相关员工拥有多年的学术或研发背景。此外，资深的数据科学家还深入掌握了相关领域的知识，这也是多年积累的结果。

　　将大数据视为竞争优势的组织需要聘请数据科学家，以及能建设和培训大数据团队的工程设计领导者。遗憾的是，有这方面经验的人才较少。这类高管主要来自少数高科技公司、IT服务公司、初创企业和某些较大机构内的先进IT和分析组织。理所当然地，对这些人才的竞争变得越来越激烈，最顶尖的人才希望面对最令人激动的挑战——拥有最有趣的数据资产或创新程度最高的技术和工具的公司。

　　随着组织努力提高这些专业技术领导者的地位和影响力，即将到来的新时代会出现“首席数据官”（CDO）和向最高管理层报告的分析团队负责人这样的新职务。雅虎在2004年任命了一位首席数据官，他们是最早设立这一职位的公司之一。如今设立这一职位的各类公司、联邦机构、州政府甚至是城市（包括芝加哥、纽约和费城）越来越多。CDO一般负责为整个企业内数据的管理和使用设定战略优先目标，包括新业务和绩效改善机会。

　　在整个组织内促进理解数据的能力。在《经济学人》（The Economist）进行的一项调研中，41%的受访者表示，其组织不具备正确的技能来加快数据的处理速度。目光远大的公司正实施计划来加强组织各级员工理解数据的能力。各部门的员工将被要求解读和使用根据大数据得出的分析结果；然后，组织将提高能力以聘用、评估和培养具备量化分析能力和能够将新决策流程整合到日常工作中的员工。

　　此外，许多企业还需要开发和部署新工具，将从数据中分析得来的洞见转化为员工可操作的信息。“各公司面临一个重要的机会，那就是大幅强化其能力，从大数据的杂音中提取出有价值的预测信号，并将这些信号转化为一线的非技术型员工能够‘消化’的洞见和指定的行动，”Opera Solutions的CEO阿纳博•古普塔（Arnab Gupta）说，“这需要企业营造让各层级都准备好迎接新流程和实践的文化。传统的数据管理概念，例如以相对静态的方式采集和存储数据，已经让位于持续管理数据流的概念——不仅包括公司自身的数据，还包括外部来源的数据。这对管理技术、管理架构、管理角度和数据价值等方面带来了极大的影响。大多数企业如今没有足够的能力处理数据流并从中提取情报。”

　　改用新行为、新方法

　　对大多数公司来说，充分利用大数据需要引入新的行上海样本设计为以及解决业务问题的新方法，而且同样重要的是，需要让组织愿意放弃传统的决策流程和工具，选择运用预测建模技巧，从大数据中挖掘出具有实操性的洞见。 这种做法能够发挥巨大的效果，但如果不能正确理解这种技巧，反而会导致对因果关系的错误推断，片面地理解其中的数据和统计学关联，从而得出符合组织意愿但却未必正确的结论。

　　培养数据导向型思维。除非将分析用于决策过程或用来开辟以数据为中心的新业务，否则在数据分析和支持技术方面的大笔投入就毫无价值。在有远见的高级领导者中，越来越多的人会坚持在深入分析信息后再进行管理决策，并定期应用预测性分析来进行企业的运作。这些领导者必须精通分析法以理解大数据的潜力，理解该将这份潜力用于何处。他们必须拥有足够的好奇心和渴望，从而对大数据技巧和工具进行投入和实验。他们必须乐于从崭新的角度看待业务问题——应用非常规的数据组合及方法解决常规问题。

　　愿意在意料上海样本设计不到的地方寻找答案的这份好奇心，能让管理者收获意外的宝贵洞见。在某个案例中，商用物业的电梯自动生成的数据反映出了建筑内的活动，被用来预测租客是否会续签租约。“衡量物业财务健康度的最有效的经济指标就是电梯客流量！”Splunk的总裁兼CEO戈弗雷•沙利文（Godfrey Sullivan）说，“业务线高管们现在才开始意识到他们找到了一个新的数据源，觉察到了新的可能性。大数据从根本上改变了人们的工作。如果高管有足够的好奇心，他们就会去挖掘大数据的可能性。如果没有这份好奇心，他们就会被其他愿意探索的人超越。”来自一切事物（包括收集、社交网络、运输车队和安全摄像头）的数据将成为新的源头，持续创造价值，提供洞见。

　　以直觉为由进行的决策必然只会被视为猜想。“如今，对数据导向型决策的接受程度因企业文化的不同而呈现很大差异，我们确实见到了某些人依赖其主观的评价来判断对错，他们对数据持怀疑态度，”10gen的CEO马克思•希瑞森（Max Schireson）说，“这种思维将来只会对高管的成功发挥越来越大的阻碍作用。”

　　培养以实验为基础的企业文化。在大数据的世界里，“过去行得通”的决策流程必须转变为让实验和持续学习贯穿业务流程始终的企业文化。先进的营销组织在这方面走在前列，他们通过实验得出的洞见推动了这一转变。传统的营销活动课持续数月之久，但对其效果的分析却很有限。

　　如今，社会化媒体和搜索营销持续的时间短到数天甚至数小时，需要根据即时获取的数据进行快速调试。在其他领域，推荐引擎、打折软件和移动应用借助大量专有和公开提供的客户 数据提高了销售额。

　　尽管这些领域的进步及其潜力无可否认，许多领导者承认其组织可能在收集数据以支持实时决策方面的频率和类型上都出现过错误。实验机制的核心架构也发生着巨大的转变，从简单的用户测试或试点项目到对数千（或数百万）用户进行的多变量测试。企业不仅对传统的营销或用户体验进行实验——还对数据的合并、分析和使用方式展开实验。

　　当然，数据本身是无法解答任何疑问的。各公司仍然需要在启动项目前设定一个清晰的目标：你希望解答哪些问题？你希望了解什么内容？数据不能替代企业领导力，但能够作为一项有用的工具帮你得出意料不到的答案。最有可能在大数据环境中创造佳绩的高管们会将其分析法的重点放在企业最重要的挑战和机遇上，乐于接受从数据中得出的洞见，努力确保遵循严格的逻辑进行此类数据的分析，并采用规范的流程来避免对最初结论的误读或过度反应。如果企业的氛围能够最大限度地发挥大数据的潜力，就能发现新的机会，而不只是把大数据当作更精确地理解当前业务的新工具。

　　克服组织壁垒

　　高效应用大数据进行决策的其中一个最大的障碍，就是组织壁垒和数据竖井的存在，尤其是在较大的组织中。有效数据来自不止一个团队、一个部门或者一个单独的“真相”来源（例如财务规划和分析），而是来自整个组织，而且常常并非来自传统的数据来源。越来越多的企业将结合内部数据和外部来源得出洞见，从而激发新的价值和潜力。各公司会将公共数据来源纳入其决策流程，并努力以与其他公司缔结有创意的协议的方式获取相关数据——比如，分析社会化媒体活动以发现潜在的欺诈，或分析推特上的内容来进行房地产开发决策。

　　能够打破组织壁垒和数据竖井的公司将有能力利用各职能部门和业务单位的大量宝贵信息。从喷气式引擎、自动售货机到家用电器，将一切作为数据来源的趋势愈演愈烈，但也因此产生了大量关于客户使用（或不使用）产品数据的数据，这份数据宝藏可为营销、产品管理、客户服务和其他活动提供深入的见解。

　　数据孤岛可防止此类的信息共享行为。有些竖井可能是由于监管或隐私限制的原因而存在，还有些可能是由于部门的技术限制或文化壁垒。尽管数据分享的运营化带来了巨大的技术挑战，但更难克服的反而是文化上的樊篱，那要求各级员工运用新的思维和工作方式。打破这些壁垒需要高管层的支持，同时还需要采用一定的标准和流程。

　　高层定调。高级管理层和部门领导者在消除文化壁垒时发挥着重要作用，他们能授权进行变革。他们能够相信和宣传大数据的潜力，培养正确的专业能力，而且重要的是，能够承认这些做法是崭新的，并且对过去的传统构成干扰，从而让下属放手开展变革——宣扬追求变革的渴望和对变革过程的容忍，因为变革本来就会伴随着成功与失败。为缓解转型过程的阵痛，某些公司会在尝试对组织全面转型之前，使用实验室和“臭鼬工厂”项目进行实验，或是创建新的职能部门，依靠该部门搜集整个公司的数据。

　　对组织进行正确设计。从大数据中得出有用信息需要从IT和工程设计、营销、财务、产品和客户支持部门的合作——每个部门都可能有独特的标准和流程来搜集、存储和使用数据。仅在组织上下增加更多懂得数据的员工是不足以处理组织上的缺陷的。某些公司已经创建了治理委员会以决定谁有权接触数据以及如何使用此数据。许多公司正在开展实验，了解如何在组织内构建大数据科学部门，思考是该将数据科学家分散到各部门和业务单位，还是该集中起来进行运作。

　　不论组织架构如何，公司都需要设立流程来促进对数据的合理访问，处理内在的隐私和安全问题，并且确保大数据方案能支持企业的战略优先目标。

　　大数据影响数字产品或服务的潜力，可能会是证明组织架构能帮助或阻碍创新的最常用的例子。搜集客户要求的传统方式现在可结合从社会化媒体数据中挖掘得出的结论，此外，通过观察实际使用情况，产品本身也越来越多地被用于测试大规模反应。借鉴不同的洞见——可能来自组织内的不同团队，产品团队就能结合传统的反馈，根据产品的使用模式来决定其发展方向。

　　“这些方案中有许多会跨越多个职能部门和公司，也会为人们创造新的角色，以在公司内推广数据分析法和掌握全面的信息——关于技术、技术产生的数据以及在企业中应用数据的方式，”希瑞森说。

　　最成功的组织将会是哪些全面解决大数据问题的公司。在华特迪士尼公司的前技术执行官尼克•乔特(Nick Choat)看来，“大数据要想真正成功，需要高管们把数据看作辅助他们不断探索未知信息的工具，而不是报告或看板这样的静态资产。”

　　原文经许可，摘自Jason Baumgarten、Michael Dickstein和Nayla Rizk于 2013年4月发表在Spencer Stuart的Beyond the Hype: Building a Big Data-Enabled Organization一文缩写并翻译。Spencer Stuart登记版权。秦岭译。

　　本中文版由世界经理人（www.ceconline.com）组织翻译并编辑。