目录机器学习自动化决策在数据分析领域中保持竞争力的三大关键数据分析的下一个前沿不再是“苹果、香蕉和螺丝刀”数据货币化大数据时代的商机未来的银行346911151718数据分析前沿我很高兴与您分享奥纬咨询的数据分析前沿报告，这份报告旨在帮助管理者在面对不断变化的挑战及突破性趋势时，提升管理效率。我们希望本文的见解能为您带来与众 不同的启发，同时也欢迎您进行反馈、讨论，并积极提出质疑。此致，Edouard DeMezerac（孟泽凯）您也许已经在某些地方听说过“机器学习”。它包含一系列进行预测性分析的自动化技术。工程师们利用一组已知数据（训练集）对计算机进行训练，使其开启自动化学习进程。在奥纬咨询，我们已经发现机器学习是十分强大的技术，可以广泛应用于一系列经典的商业难题。例如，我们最近利用机器学习，帮助一家电信公司算出哪些客户有较大可能“解约”并转为使用其他运营商。当电信公司认为他们发现了某一潜在的“解约者”时，他们通常采取优惠政策来挽留客户，包括电话升级、赠送免费通话时间或额外流量。如果电信公司将上述优惠赠送给那些本来就对服务感到满意的客户（即那些不大可能会解约的客户），这无异于花了冤枉钱。那么您会如何预测某个客户是否可能解约呢 ? 您可以收集某个客户的所有通话数据，然后查看该客户的上网习惯以及与客户呼叫中心的互动情况。有了这些信息，再加上自动化机器学习模型，您将得以预测出哪些客户有较大可能解约。事实上，通过这种方法我们大幅减少了的误报率，为电信公司节省了一大笔无谓开销。假设有两家电信公司，一家已经琢磨出哪些客户即将解约，而另一家则无法做出判断。那么，无法做出判断的公司将花费巨资，但投资回报率为零；而另一家公司则得以有的放矢地投入成本，并卓有成效。假以时日，掌握这种解约算法的电信公司将获得更多市场份额。想象一下，如果借助多种手段将机器语言运用到您的业务中，解决各种问题，那结果将是怎样 ? 很快，您的组织效率便会出现指数级的提高。机器学习是否想大量节省营销成本 ?作者：奥纬咨询董事合伙人 Paul BeswickPaul Beswick是奥纬咨询董事合伙人、奥纬咨询实验室负责人以及奥纬咨询数字应用联席主管。 Paul在奥纬咨询执业超过 20年，广泛涉猎多个行业，包括零售、交通、电信和消费品。PAUL BESWICK董事合伙人、数字应用联席主管、奥纬咨询实验室负责人关于作者返回目录3许多企业期望将其流程自动化，以实现更高的响应度及更低的成本。而那些涉及较高等级、需要判断力的决策行为则通常由经理们在自行分析数据后做出。实际上，基于相同类型的数据所作出的成千上万次决策（如定价、借贷决策、风险评估等）常常可以交给计算机进行运算，但前提是您的数据可靠，且能够在不同系统之间畅通使用。自动化决策就如同其他流程自动化的系统一样您编写一套规则，在数据与作出决策之间创建一种联系。接着您根据这些规则运行的优劣情况，对该流程进行微调，以提高效率和准确度。然后创建一个反馈循环，将这些规则与其创建的结果不断地相互比照并加以分析，建立起一个自我学习及自我纠正的系统。最后，您会识别出那些需要专家评估的特殊案例和例外情况，让他们发挥最佳作用，作出难度最高的判断。自动化决策管理例外情况并将棘手判断交给专家作者：奥纬咨询董事合伙人 Paul Beswicknull当该流程运行得当时，大多数基础决策将实现自动化，使企业的优秀人力资源节省宝贵时间，从事真正重要的事务。null4Paul Beswick是奥纬咨询董事合伙人、奥纬咨询实验室负责人以及奥纬咨询数字应用联席主管。 Paul在奥纬咨询执业超过 20年，广泛涉猎多个行业，包括零售、交通、电信和消费品。PAUL BESWICK董事合伙人、数字应用联席主管、奥纬咨询实验室负责人关于作者返回目录如此一来，您大幅提高了经理们的影响力。与以往相比，每个人将能够监控更广阔、更复杂的领域。若缺乏这种主要基于规则的系统和对例外情况的管理能力，许多公司（例如最大型的电子商务公司）将无法管理数以万计的商品以及千万次的客户互动。许多公司将寻找内部流程和决策自动化的可能性，但您也可以直接将客户互动自动化，这将往往使您在降低成本及增强客户体验方面获益更丰。举例来说，某个客户无需联系中介购买保险单，而是可以输入相关数据，从具体的承保人那里直接获得即时报价。这样一来，自动化过程同时节省了保险人和客户的时间与金钱。又例如，银行可以将贷款授信自动化。潜在的借款人无需联系银行经理，而是可以将业务账户与银行连接，证明其财务状况，从而获得即时的贷款批准（比如上限 50,000美元）。若出现例外情况，则交由银行高级职员处理。“管理例外情况”的美妙之处在于经理们拥有更多时间处理棘手的问题（例如异常艰难的判断或者非常灰色的地带），这样他们的专长将运用得更富有价值。当然，如果例外情况过多，实质上您将重回起点，进行“手动”操作。但如果该流程运行得当，大多数基础决策将实现自动化，使企业的优秀人力资源节省宝贵时间，从事真正重要的事务。5长期以来，领先的企业早已意识到，拥有由数据驱动的卓越分析战略是企业十分重要的竞争优势。然而，在市场压力日益增大的背景下，有效使用数据分析的能力更可以成为企业手中的筹码。目前的市场环境下，企业增长日益缓慢，利润率一再压缩，而企业之间的竞争也越发高效、巧妙和灵活。同时，监管要求对利润和成本施加了更多限制，提高了运营管理的要求。在此背景下，企业迫切需要借助尖端的分析能力升级客户定位，从而获取、服务和取悦重要客户。重重挑战下，新兴初创企业则展现出强大活力，在诸多行业中与传统企业一同争抢市场蛋糕。在日益饱和的市场，客户面对庞杂的数字化信息，对品牌、产品和服务的购买选择更加苛刻。这也对传统的市场竞争者提出了更迫切的需求，要重构流程，甚至重新定义基本的价值定位，以吸引留住最有价值的客户。在 80家跨行业企业的研究中，我们发现，那些成功利用数据分析的创新者普遍具有三个特征。聚焦44%的受调查企业 已开始使用整合式运营模型。在数据分析领域 保持竞争力的三大关键作者：奥纬咨询董事合伙人 Paul Mee44%31%25%整合式模型分散式数据分析集中式数据分析6首先，许多领先企业（即 44%的受调查企业）已开始使用整合式数据分析的运营模型，并同时使用“二层式跨企业部署”。其核心内容是，由卓越数据分析中心（ Data Analytics Center of Excellence，简称 CoE）启动企业范围的分析，并作为数据中介寻找及组织内外部数据。本地分析团队与业务职能部门紧密协作，并使用尖端工具执行分析任务。通常情况下，由卓越数据分析中心（ CoE）的数据科学家改进或重构工具。例如，为了推动试验内容和快速学习，一家大型工业运输企业已建立了企业范围的框架，以期在多个领域实现创新及相关改进。第二，那些已经获得显著改进的企业已对数据分析进行更广泛的投资，将数据分析的应用拓展至下一个前沿。 68%的受访企业正在将数据分析应用到营销、销售及客户定位以外的领域，包括优化运营流程、采购或库存管理和控制风险。例如，一家大型酒店运营商通过动态客房定价优化，将年度预订销售额提高了 4,000万美元。这套优化系统正是基于当地事件、天气、季节周期及库存情况的实时数据。第三，在许多领先企业中， IT资源使用与投资之间的平衡点已出现显著变化，从传统的交易流程、数据服务和基础设施供应向共享式、大众化的分析能力转变。正如一位受访者评论所言，“我们的目标就是让尖端分析能力普及，变得好像使用 Excel图表那样平常”。调查中，一家领先的大型金融服务机构为了提高企业认知度，不仅重新选址，还将那些无法提供竞争优势或客户增值服务的 IT应用和基础设施外包。越来越多的成功企业正在建立以数据为驱动力的原则和能力，并不断壮大自身的分析团队，以保持竞争力或扩大领先优势。对其他企业来说，迎头赶上掌握数据的能力、运用现代分析的技能和方法则是当务之急。奥纬咨询董事合伙人 Paul Mee描述整合式数据分析运营模型的重要性。7聚焦68%的受访企业正在将数据分析 应用到营销、销售及客户定位以外的领域。Paul Mee负责奥纬咨询战略 IT与运营的数据平台。他拥有超过 20年的专业经验，帮助企业解决涉及数据战略、数据管理、数据架构及数据质量等具有战略意义的重要问题。他已在奥纬咨询供职 12年奥纬咨询董事合伙人、奥纬咨询实验室负责人以及奥纬咨询数字应用联席主管。PAUL MEE董事合伙人关于作者返回目录优化销售与营销流程掌控客户/市场调查以激发洞察力优化运营流程交叉销售/向上销售生产监控/流程优化掌控流程质量保证A/B测试防止税收流失识别与管理企业风险客户互动78%75%68%56%39%29%28%25%24%5%以发展为导向的运营，即一些企业中盛行的发展和大多数企业中“下一前沿”发展8新一轮以客户为中心的数据分析热潮聚焦于数字营销及客户体验提升。为何如此呢 ?首先，反馈迅速：企业了解目标客户如何、何时及为何对某一特定的营销行为作出反应。通过完整的数据，企业能够理解产品或服务的使用情况、客户体验的实质以及再次购买的可能性。其次，企业能够从投资回报率的角度精准衡量某些行动或营销声明的效率。借助诸如 A/B对比测试和机器学习等技术，数据驱动的营销行为可快速转化成理想结果。因此，销售、营销及客户定位方面的优化在数据分析投入中占据了主要地位。但数据分析还蕴藏着其他的潜力。一家大型连锁酒店可以利用实时数据进行数据分析，并解答有关客户偏好的问题。通过动态客房定价优化，该酒店的年度预订销售额增加了数千万美元。数据分析的下一个前沿是运营效率。这将带来更深远、更广泛的效益，也可能更具可持续性。将分析运用到运营层面的例子包括： 由机器作出的流程、决策和建议 及时化库存管理（例如，精确匹配需求的原料储存，或用 3D打印生产所需零部件） 秉承时间表和工作量均衡确定工作，交给最优的可用资源或实体予以执行 具有成本效益的主动型维护工作（例如，能够传送机械状态并确定相应维护时间表的工厂、车辆、飞行器或其他机器） 采用动态定价的服务或材料，最大限度地减少浪费，充分利用产能 收集有关反洗钱（ AML）和了解客户需求（ KYC）的情报，以降低误判率 使用可视化机器学习进行监控（例如公共场合的高清情景识别或物体探测）数据分析的下一个前沿作者：奥纬咨询董事合伙人 Paul Mee9这些例子都效益可观，但比起与营销相关的数据分析，实现的难度更大。要想将数据分析运用到运营层面和日常决策中，需要从根本上改变流程、技术和人才结构。为涉足这片前沿领地，企业需要以全新的方式获取、消化、处理及储存数据。在追求这个战略目标的过程中，通常涉及五大步骤：6. 识别那些可以通过更多或更优的数据显著改善的运营领域及客户体验流程7. 优先考虑新一代的运营安排或可数字化的运营部署，因为数据在其中能发挥最大作用8. 明确数据要求，以及在现有及全新/替代数据资源中满足这些要求的条件。9. 开发一个有可行性的案例，并确定在何种情况下如何通过更多分析、原型取样与测试对该案例进行验证10.计划并编写运营蓝图；修改与预期的运营变革及数据能力相关的战略和绩效指标今天，领先企业正布下广阔的数据搜集网络，涵盖社交媒体远程信息处理、高端传感器、视频及物联网技术能力。从仅仅使用结构化的内部数据到同时使用非结构化的内外部数据，这是一种巨大的转变。从多种资源获取数据并进行整合，将使得运营效率出现阶跃变化，并可能显著改变商业模式。最后，比起针对营销行为的数据分析，针对运营效率的数据分析将更具影响力，也更具可持续性。这个新的前沿值得我们去开拓。Paul Mee负责奥纬咨询战略 IT与运营的数据平台。他拥有超过 20年的专业经验，帮助企业解决涉及数据战略、数据管理、数据架构及数据质量等具有战略意义的重要问题。他已在奥纬咨询供职 12年奥纬咨询董事合伙人、奥纬咨询实验室负责人以及奥纬咨询数字应用联席主管。PAUL MEE董事合伙人关于作者返回目录10