據說大數據牛的公司，決策能力也都杠杠的

當某在線視頻網站準備推出自製劇的時候，評論家紛紛嘲笑他們把握觀眾品味的能力。很難有誰會想到，該公司通過分析其積累的多年用戶觀影偏好的大數據，來指導製片人、主演選擇和編劇內容並一炮走紅，幫助其在一個季度內獲取數百萬新增用戶，並在接下來的一兩年內里獲得數倍的股價提升。

4大挑戰

我們正在迎來一個數據爆炸的時代：各類設備和互動產生的數據量正以年均大於50%的速度增長，預計在2020年可能會達到44ZB（44萬億GB）。據調查顯示，擁有優秀大數據能力的企業，它的財務表現排在行業前25分位的可能性是競爭對手的2倍、做出正確決策的可能性高出競爭對手3倍、決策速度比競爭對手快5倍。可見，大數據對於企業乃至整個社會的重要性不言而喻。

無論數據如何變化，它們是「金礦」還是「垃圾」，取決於企業是否了解自身擁有（或能夠獲得）的數據資產，並以此建立清晰的大數據戰略，從而在戰略、運營和一線層面產生價值。無法持續地產生價值的數據是沒有意義的。

基於貝恩公司的大數據行業調研，企業今天在運用大數據時還面臨不少困難。主要包括戰略、人才、數據資產和工具等四大類挑戰。

戰略：僅有約23%的企業擁有明確的大數據相關戰略，決定並知道如何將大數據分析有效地應用於企業運營，並建立相應的組織能力、流程和激勵機制來賦能數據分析以支持決策。

人才：僅有約36%的企業擁有專門的數據洞察團隊，並擁有同時具備數據科學專業能力和商業敏感度的人才。

數據資產：僅有約19%的企業擁有高質量、一致性較好、易於獲取和應用的大數據。

工具：僅有38%的企業正在使用先進的大數據工具，如Hadoop、NoSQL、HPCC和自動數據清洗演算法等。

6大關鍵因素

企業如何建立清晰的大數據戰略和關鍵的大數據能力？貝恩根據與全球客戶合作的大數據相關項目經驗，總結出企業建立大數據戰略與能力的6大關鍵因素。

1. 發現獨有的「數據資產」。

作為建立大數據能力的基礎，企業應像對待其他重要資產一樣，發現、評估和管理好並不斷擴充數據資產。

首先，應對企業數據資產現狀開展深入評估，明確目前數據資產的來源、類型與數據準備情況，評估數據是否足夠完整、是否與業務發展直接相關；

其次，根據評估結果以及企業經營戰略目標，應明確目前還有哪些數據資產與目標存在顯著差距，彌補差距的優先順序是什麼；

然後，對所有可進一步獲取的內外部數據資產進行識別與評估，在深入考慮數據質量、重要性與相關度、獲取成本與時間要求等相關因素之後，選擇獲取數據資產的最佳方式，諸如自行採集整理、對外採購數據、與外部合作夥伴進行交換等；

在獲取新的數據資產後，企業還需建立數據治理機制，對數據進行妥善清洗與存儲，確保數據的可用性與一致性，並明確數據授權和更新制度。

2. 明確數據資產如何「創造價值」。

在評估企業的數據資產後，需確定如何運用其對企業戰略進行支撐與引領。具體而言，大數據可為企業帶來五方面的價值：

優化企業內部運營流程：例如，某飲料公司運用複雜演算法分析社交媒體大數據，識別對於重要議題具有影響力的品牌意見領袖，並對其進行針對性的引領，以提升營銷效果；某連鎖零售公司通過分析大量門店銷售數據，尋找產品之間的未知聯繫，以提升捆綁銷售。

優化現有產品與服務：例如，某娛樂公司運用電子公園通行證來採集遊客在其主題公園中的活動數據信息，以此來優化遊客在公園中的體驗；某汽車安全信息系統服務商使用感測器來收集車輛駕駛數據，以改進其產品的設計、生產與維修流程。

開發新產品新服務：例如，某保險公司使用插入式設備來收集駕駛行為數據、通過分析司機的駕駛習慣對其保險提供相應折扣，以主動保留駕駛行為較安全的客戶；某在線影片租賃提供商通過分析觀影檔案數據來針對性提升用戶觀影體驗，並提供分析結果給影片投資方以優化影片製作內容。

建立新業務模式：例如，某醫療保險公司通過對病人信息數據的預測性分析，向易患病的人群提供預防性關懷服務，以提高服務此類客戶的利潤率；某理財服務公司免費贈送個人財務軟體給用戶，在用戶使用時分析其消費數據，再向其精準推送相關廣告。

獲取生態系統控制力：例如，某企業級軟體公司通過對渠道夥伴的運營數據開展智能化管理與分析，鑒別渠道商的資質與能力，並對業績進行預測和預警；某電子商務公司數據產品團隊基於其電商平台沉澱的大量交易數據，為平台上的賣家開發各類大數據產品，幫助它實現數據化運營和增收，提升電商生態系統對賣家的吸引力。

3. 識別優先應用場景。

對於公司業務部門（營銷、銷售和服務等部門），大數據可以幫助其創造以上五種戰略價值；對於公司職能部門（研發、供應鏈和人力資源等部門），大數據也可以幫助其優化內部運營流程。為識別公司業務與職能部門具體可能的大數據應用場景，可對標業界大數據應用實踐、基於數據資產現狀評估、剖析業務與職能流程中可能進一步採集的數據與應用方式，運用頭腦風暴和內部研討會列出所有可能的大數據應用。需注意的是，大數據應用場景必須契合業務與職能部門的現實需求，切忌閉門造車、脫離實際。

在確定可能的大數據應用之後，可通過價值創造與業務成熟度兩個維度對大數據應用進行評估和優先順序排序，以按順序推動相關大數據應用的落地實施。對於價值創造維度，可以用創造價值的多少（如提升運營效率、提升投資回報等）作為評估標準；對於業務成熟度維度，可以將所需數據資產的可獲得性以及所需資源投入和大數據能力支撐（如資金、人才和跨部門合作等）等標準用於評估。

4. 數據→分析→洞察→決策支撐的產品化、常態化。

為將大數據高效應用於企業的日常運營，需要不斷將數據分析能力轉化為內部應用產品，並將數據分析工作常態化。對於數據分析產品化，可通過大數據應用戰略規劃、大數據應用場景設計、分析大數據以獲取洞察這一過程的牽引，不斷推動大數據應用產品的設計、開發與應用，最終實現數據分析產品的可持續運營。而對於分析工作常態化，需要持續維護數據分析產品並監測實際使用效果，為業務與職能部門提供數據分析支持，並對其日常使用中的問題及時進行解答。

以某家電公司為例，其藉助於收集存儲了上億用戶數據的大數據平台，建立了需求預測和用戶活躍度等數據模型。以此為基礎，該公司為營銷及銷售人員開發了具有精準營銷功能的應用軟體，可輔助其面向區域、社區和用戶個體開展精準營銷；此外，還為研發人員開發了具有用戶交互功能的應用軟體，可幫助研發人員更全面地了解用戶痛點、受歡迎的產品特徵、用戶興趣分布與可參與交互的活躍用戶。這些大數據產品在日常應用中取得了巨大的成效，在系統運營的近一年裡，該公司開展了數百場基於數據挖掘和需求預測的精準營銷活動，轉化的銷售額達60億元。

5. 通過組織、人才與IT，為大數據提供強力保障與支撐。

大數據戰略的落地離不開組織、人才與IT能力的支持，而這些關鍵要素與能力的建設，需要既能貼近業務一線、又能與戰略保持一致。

對於大數據組織運作方式，由於大數據核心分析能力、工具投資等在各業務部門之間協同效應突出，企業（尤其是大型企業）一般採用集中化運營中心模式。同時，與業務決策、應用相關的權利被授予前線部門，以確保數據分析與業務決策的無縫銜接。無論如何設計大數據組織運作模式，核心原則是根據公司自身情況與需要，確保大數據分析能力能夠最有效地支持一線決策。

此外，大數據組織需要多種具備關鍵能力的人才隊伍，來共同支持大數據組織架構的運營。其需要的人才團隊包括大數據應用業務經理團隊、大數據分析團隊、數據資產管理團隊、技術開發與維護團隊以及風險管理團隊等等。除了組織與人才之外，企業需要建立強大的大數據分析平台系統，從不同數據源調取並分析數據，拉通數據基礎分析，以統一服務各部門的大數據應用場景。

6. 通過大數據隱私和安全管理，消除法律及消費者認知風險。

大數據帶來機遇與價值的同時，也帶來了一定的商業風險，特別是涉及法律（例如某社交網路平台由於違反其隱私政策，遭到美國貿易委員會起訴）與消費者認知的風險（例如某互聯網公司街景項目由於拍攝的很多照片涉及當地居民隱私，遭到後者大規模抗議）。為此，可按數據類型及從數據收集到分析使用各環節來識別不同類型、地域的法規與認知風險，並予以及時應對。

以隱私風險程度較高的數據收集環節為例：對於個人可識別數據（如身份號等），由於法律規定最高級別保護，故若無明確用途不建議採集；對於敏感數據（如交易和信用信息等），數據採集需明確告知用戶並獲得其同意；對於非敏感數據（如產品數據等）可按需採集。

此外，企業應建立統一的國際政策法規團隊，通過基於全球標準的數據流程來管理數據隱私，並在此基礎上根據各國不同法規進行合法的數據隱私本土化管理。同時，還可通過主動披露客戶隱私政策以獲取數據使用分析授權、向用戶提供自身隱私信息控制與刪除許可權或將個人隱私數據整合為群體匿名數據進行分析以及獲取第三方隱私風險管理認證等方式，來降低用戶的擔憂。

企業在建立大數據能力過程中，需要專業公司的幫助和支持。貝恩公司的完整大數據方法論可助力企業建立制勝的大數據戰略和能力。

大數據的快速發展對於企業既是挑戰，更是機會。企業必須及時抓住大數據帶來的戰略機遇，制定明確的大數據戰略、建立強大的大數據決策支持體系與各方面能力，以充分挖掘大數據時代蘊含的巨大商業價值。

陸原 申文燮|文陸原是貝恩公司全球合伙人，中國區高科技業務主席。申文燮是貝恩公司全球合伙人、大數據及TMT業務領導人之一。貝恩公司的包銘鋒和岳野亦對本文有貢獻。李全偉|編輯本文有刪節，原文參見《哈佛商業評論》中文版2016年5月《建立大數據能力的6大要素》。《哈佛商業評論·大數據觀察者》編輯|李全偉quanweili@hbrchina.org想
推薦閱讀：