<output id="sxtml"><track id="sxtml"></track></output>
  • <tr id="sxtml"><small id="sxtml"><delect id="sxtml"></delect></small></tr>
    <tr id="sxtml"></tr>
    <mark id="sxtml"></mark>
    <output id="sxtml"><nobr id="sxtml"></nobr></output>

      <menuitem id="sxtml"></menuitem>
      <code id="sxtml"></code>
    1. 首頁 > 大數據 > 正文

      如何將分析轉化為業務成果

      2020-09-09 10:19:04  來源:企業網D1Net

      摘要:要從分析中獲得最大收益就必須專注于業務成果。在本文中,IT領導者闡明了如何將公司的分析實踐轉化為業務成果。
      關鍵詞: 分析 轉化
        要從分析中獲得最大收益就必須專注于業務成果。在本文中,IT領導者闡明了如何將公司的分析實踐轉化為業務成果。
       
        許多組織都在努力從分析中獲取業務價值。Gartner的調查稱,到2022年,只有20%的分析洞察可以產生業務成果。就人工智能而言,Gartner說,今年80%的項目將始終“像煉金術一樣,由一群巫師在擺弄,其才能無法在組織中進一步擴大”。
       
        設立分析項目或分析組織是一回事,從分析中獲得價值則是另一回事。由于冠狀病毒大流行對全球經濟造成了巨大的破壞,各大公司在涉及分析和數據科學團隊方面的事情時可能會密切關注投資回報(ROI)。
       
        “這與分析無關,甚至與洞察無關,而與影響有關。如果你不能產生影響,那你就是在浪費時間”,Mike Onders(總部位于俄亥俄州克利夫蘭市的KeyBank的部門級首席信息官兼首席數據官兼企業架構負責人)這樣說道。
       
        在這里,對業務結果的持續關注是關鍵,快速證明分析可以對業務產生影響并大規模交付結果的能力也很關鍵。
       
        益百利(Experian)的執行副總裁兼全球分析和人工智能總經理Shri Santhanam說:“我們實際上采取了逆向思維,即從我們希望取得的特定業務成果開始。最終,機器學習和人工智能往往是使我們達到最終目標的手段,但實際上,我們所談論的內容,我們所共享的知識以及我們與客戶一起推動的事業才是更好的成果。”
       
        獲得分析價值所面臨的障礙
       
        Forrester Research的副總裁兼服務于首席信息官的首席分析師Brian Hopkins說,機構壁壘是妨礙分析獲得投資回報的最大障礙。
       
        “我們發現的問題是,首席信息官的數據戰略將很多業務級別的變革,業務流程的變革,IT外部的新組織結構統統包含在內,從而對數據的定義和優先事項做出決策,執行數據隱私策略以及其他首席信息官無法控制但又不得不付出代價的事情。”
       
        Hopkins說,許多公司正在向首席信息官求助,指望他們提供一種能從數據中獲取價值的技術解決方案,但它們卻忽視了更大的前景。無論它們為技術編制多少預算,它們也許不得不在廣泛的業務變革中投入雙倍的資金。
       
        “這些公司對數據戰略的遠大抱負以預算的形式由首席信息官負責對各種技術解決方案進行投資,這些公司認識到,數據戰略的成本遠不只是IT,還涉及很多業務變革”,Hopkins這樣說道。“該成本還包括流程變革,應用程序變革,組織變革管理,激勵措施變革等等。”
       
        首先,首席信息官必須與業務利益相關者建立伙伴關系。不過,最終,高層領導必須制定激勵機制來推動這些伙伴關系的發展。
       
        Hopkins說:“你必須激勵業務管理者關心數據,你還要關心他們的數據在多大程度上可以被其它業務部門使用。這并非大多數首席信息官可以輕松駕馭并做出變革得事情。”
       
        在本文中,IT領導者闡明了組織如何轉向由分析驅動的影響并為希望將數據實踐轉化為業務資產的人出謀劃策。
       
        分析責任
       
        Onders說,KeyBank解決了這個問題,其方法是使業務線的利益相關者與分析團隊緊密合作,使這些利益相關者對分析團隊要求實施的分析項目所要實現的業務成果負責。對每一個項目,KeyBank都會創建一個簡明的章程,這些章程中描述了企業所要達到的結果以及評估該結果的指標。該章程羅列了各個業務發起人,產品主管,分析主管,風險主管和技術主管。
       
        Onders說:“這一簡明的憲章指出,‘你正在考察的指標是什么?’人們必須列出各項指標。如果這些分析將改變某些東西,那么什么指標將發生改變?你將對自己所期望發生的變革負責,就在此刻。分析如何使你取得這樣的進展?這是一種更具進取性的指標驅動的,影響驅動的章程,它由高級業務領導者負責。”
       
        業務領導者必須每隔一個月提交一份報告,該報告表明分析如何影響業務成果,從而證明對項目的持續投資是合理的。
       
        Santhanam說,益百利的數據團隊還憑借與企業的緊密合作來推動分析計劃,包括強調“以一種可量化的方式澄清業務成果”。但是,益百利的分析理念也允許采用更靈活,迭代能力更強的方法。
       
        Santhanam說:“我們首先要做一些不會因為問題本身而擴大化或變得難以應付的事情。這使我們能夠擺脫一系列約束條件,從而使我們能夠非常迅速地運作,進行實驗并了解作用在哪里。”
       
        為分析獲得成功而提升技能
       
        但是,要使企業與IT部門在分析方面成功地建立合作關系就必須改變文化,因為業務專業人員不僅必須精通數據驅動的流程和技術,還必須在技能緊缺的領域填補空缺。
       
        捷普(Jabil)是這樣一家公司,它向業務專業人士和高管傳授將分析轉化為有影響力的業務計劃所需的各種知識。這家制造服務公司多年來一直致力于成為數據驅動型企業。在努力尋找數據科學家時,它創建了一個公民數據科學計劃來幫忙挖掘可供使用的數據。
       
        捷普的首席信息官Gary Cantrell表示,捷普之所以能成為數據驅動型組織是因為兩個關鍵的組成部分,即堅持不懈地關注如何解決業務問題以及努力獲得高管的支持。
       
        盡管捷普很難得到業務管理者和高級管理人員的支持,但這終究是捷普在分析方面獲得成功的最重要因素之一。作為“公民數據科學”計劃的一部分,捷普創建了一個高管級別的培訓隊列,主要高管要參加為期兩天的目標明確的數據科學培訓計劃。當高管們在尋找能用數據解決的各種問題時,該計劃有助于他們了解成為數據驅動型組織的重要性。該計劃持續不斷地強化了高管的支持,其方法是在每個隊列完成該計劃后邀請高管聽取簡要匯報。
       
        Cantrell說:“當行政團隊漸漸發現組織的問題得到解決并且出現了有助于他們改善的結果時,我們真的漸漸得到了他們的支持和關注。公允地說,我們在前端做了很多推廣工作,花了三年時間讓高管們對此產生興趣。但是,過去兩年一直存在的問題如今卻成了,‘好吧,你正在用分析做什么?下一步要做什么?這需要時間來消化,但我們最終都一一解釋清楚了,方法就是將其與業務關聯起來,因為業務可以體現價值。”
       
        打破數據孤島
       
        舊有的數據實踐也可能扼殺組織將數據轉化為業務價值的能力。而導致這個的罪魁禍首就是數據孤島。
       
        在過去的幾年中,拜耳作物科學(Bayer Crop Science)一直致力于將機器學習和人工智能應用于業務的各個方面。精準農業(precision agriculture)一直是重點關注對象。拜耳作物科學的植物生物技術部的研發數據戰略負責人Michelle Lacy表示,公司對FAIR數據的遵守(這是科學數據中發布的一組科學數據管理和管理指導原則)是其數據驅動轉型的基礎,這有助于它打破數據孤島。
       
        FAIR(可查找,可訪問,可互操作和可重用)有點類似于數據界的權利法案,該法案表明用戶必須能夠輕松地查找數據,用戶在做出決策時(同時依然遵循網絡安全性方面的策略)必須能夠訪問所需的數據,數據必須可互操作,可重用。
       
        Lacy說:“這非常重要。這是我們數據戰略的基礎。”
       
        通常,某一個小組開發的數據可能有助于其他小組所負責的工作。為了高效利用數據,各個小組必須知道這些數據的存在以及如何找到這些數據,而且這些數據必須兼容。
       
        Lacy說:“如果你在單個工廠中運行各種測定,無論是現場測定還是在實驗室中進行不同的實驗,你必須能夠將這些數據整合在一起。你可以視其為拼圖游戲,你運行的所有不同的檢測方法都是該拼圖的一部分。項目負責人必須將這些部分整合在一起。”
       
        信任
       
        向數據驅動型組織的轉變與許多轉型一樣取決于對團隊成員和新流程的信任,從數據中得出的見解將對業務產生積極影響。
       
        Santhanam說,在益百利,“四大支柱”為每個機器學習和人工智能項目提供了指導,它們分別是性能,擴展,采用和信任。
       
        Santhanam說,從歷史上看,信任問題使銀行在用分析模型處理問題時畏首畏尾。
       
        Santhanam說:“許多定位模型都是相當簡單的邏輯回歸模型,因此,人們對創建更復雜,透明度更高的東西的信心會帶來一定程度的風險,這使人們感到這種風險超出了受到嚴格監管的組織的風險承受能力。不過,我們發現,該領域的監管框架和企業紛紛認識到更復雜的算法和更復雜的技術的價值并且采取了一種分階段的方法,即用可解釋的人工智能框架進入該領域,這是十分負責任的做法。”
       
        Santhanam補充說:“最終,推動影響力需要滿足這四個方面,如果你不以這些業務成果為目標,那么你很容易迷失方向。”

      第三十屆CIO班招生
      法國布雷斯特商學院碩士班招生
      北達軟EXIN網絡空間與IT安全基礎認證培訓
      北達軟EXIN DevOps Professional認證培訓
      責編:zhangwenwen
      国语自产视频在线不卡,青青小草国产在线播放,午夜片神马福利在线观看