麦肯锡 | 如何启动大数据和分析项目

  • Dec. 13, 2016
  • |

毋庸置疑,如今的企业拥有前所未有的海量数据。但如何通过数据得出有价值的见解并将其转化为切实的行动,却是说起来容易做起来难。麦肯锡公司的Brad Brown就大数据管理以及高级分析中存在的挑战和机遇与六家企业的高管进行了访谈。他们分别是美国国际集团的Murli Buluswar,通用电气数字化事业部的前高管Vince Campisi美国运通公司Ash GuptaeBay公司的Zoher KaruAT&T公司的Victor Nilson,以及凯撒娱乐Ruben Sigala。六位高管于201510月齐聚纽约,共同探讨分析项目取得成功所必须的技术、人才、流程和文化变革。他们还分享了这些项目为所在公司带来的效益。本文整理了现场的精彩论述。


《麦肯锡商务技术周刊》: 启动大数据分析项目存在哪些主要障碍?

Murli Buluswar,美国国际集团(AIG)首席科学家: 最大的挑战绝对不是成本。最初它往往是因为想象和组织惰性而终结的。[EL1] 根据我过去几年来的体会,恐惧可以是致命性因素,这迫使我们现在改变思维方式和行动,积极反思以前从未考虑过的自身岗位和角色。这是一种观念的变革,从相对僵化的、专家主导的思维方式转向更为动态的、学习主导的心态。我认为,这对于任何组织的可持续健康都至关重要。

 

Ruben SigalaCaesars Entertainment高级副总裁兼首席分析专家:为组织高效创造价值的分析工具是很难找到的。我听说过使用某些特定应用软件取得成功的个别案例,但要形成一套紧密的数据分析生态系统,我认为这对所有企业来说都是一大挑战。部分原因在于,大数据分析仍然处于非常早期阶段。虽然过去几年来我们没少讨论高级分析和大数据,但这一技术本身仍在变革中,数据源也在不断变化中。


ZoherKarueBay公司分管全球客户优化和数据的副总裁:最大的挑战之一当然是数据隐私,即哪些数据可以分享,哪些不能分享。我的看法是,如果消费者看到有好处,会愿意分享个人隐私数据。单向分享不可能再奏效,因此挑战变成了我们该如何保护和管理信息,如何成为消费者的合作伙伴,而不仅仅是供应商。


《麦肯锡商务技术周刊》: 在面临这些挑战时,企业应该如何做以成功推动大数据和分析项目?

RubenSigala, 你必须对分析功能在组织内部的定位及其与其他部门的沟通方式非常明确。有的组织启动大数据的目标非常专注,就是为了支持某项传统业务,比如营销和定价。另一些组织的业务视角则要宽广得多。首先是定义大数据分析的要素,从而推动分析项目和相关论坛的合理架构,最后服务于更为细化的层面,如运营、培训和招聘。在项目启动初期达成一致意见至关重要,之后相关事宜自然会水到渠成。这是我所在的公司启动大数据项目的历程。


AshGupta美国运通公司信用风险兼全球信息管理总裁: 我们所采取的第一步变革是提升数据的质量。我们拥有海量数据,但不是在任何时候使用所有数据,而且以前对数据质量的重视程度也不如现在。我们当时需要确保数据来源的正规性,并获得授权以将其服务于客户。我认为,这就是一场旅行。我们已经取得了不错的进展,也期望会继续进行下去。第二步工作是与员工一起行动起来,确保公司集中分析能力,在使用中公平地分派数据资源。此外我们还认识到,作为一个团队和一家公司,我们不具备足够的能力,需要与外部各方进行协作,包括技术创新企业、数据供应商和专业分析服务公司。我们合作开发,共同学习,在对方的基础上构建各自的产品和服务。


《麦肯锡商务技术周刊》: 高级分析对贵公司产生了哪些效益?

VictorNilsonAT&T集团大数据业务高级副总裁:我们永远从客户体验入手,因为这永远是最重要的环节。公司的客户关怀中心有大量非常复杂的产品和工作模块。那么,我们如何在对外沟通时同时简化客户和客户代理人的服务流程呢?我们采用了大数据技术分析不同类别的数据序列,以提升客户体验,更快速地应对特定状况。我们正致力于通过分析技术简化相关工作内容。


VinceCampisi,通用电气数字事业部、Predix产品和技术部前任首席运营官:从内部来看,我们做的很多工作都是在推动实现我们所谓的“数字化线程”,即把创新和设计流程、制造流程以及所有与产品投放连接起来的流程1。以供应链优化为例:我们瞄准60多个涉及直接材料采购的信息孤岛,通过分析工具研究其中所有数据之间的新关系,通过机器学习识别采购直接材料方式的效率。从外部角度来看,我们正在着手借助大数据技术推动数字化产业。以风力田为例:通过大数据和分析技术,一家发电企业可以根据风级重新设定涡轮发电机的峰值,从而将生产效率提升10%。这是利用分析技术帮助客户在存量投资的基础上提高产出和生产率的一个案例。


《麦肯锡商务技术周刊》:在人才市场上,分析人才当前的发展状况如何?

Zoher Karu: 我认为,数据分析人才本身是供不应求的。我们公司不会只招那些仅仅具有单项技能的员工。当我组建分析团队的时候,我会找那些拥有主要技能和一项其他技能的人。你可以主要负责分析工作,但同时兼管营销策略。如果你只具备分析技能,如何与部门内的其他同事沟通呢?而且,如果不了解其他相关岗位,纯粹的数据科学家也无法与数据库管理人员、市场研究人员以及邮件营销渠道的负责人沟通。你需要根据分析技术做出合理的业务扩决策。


Murli Buluswar我发现,关注数据科学的起源,注重自己的发展目标,以及如何在团队中发挥作用,这些是我们在招聘加入团队的人才中所看重的。当然,接下来难度更大的是如何在日常工作中实现这些目标。工资待遇也很重要,我的逻辑是我开出的价码要在行业前25%,我不想做工资最高的那1%,因为无论在哪儿,多数人——特别是数据科学职能的人才,只要跳槽就能加薪两三成。我的目的不是努力缩小和潜在下家的差距,而是创造一种积极的环境和文化,让他们看到自己在学习和成长,他们解决的问题对公司、行业甚至社会具有更深远的影响,他们加入的是一个有活力的团队,这个团队因为自身的存在和对成功的独特定义而与众不同。对我而言,这绝对是吸引到所需人才的关键因素,我相信对于其他公司来说也是如此。


Victor Nilson: 人才就是一切,对吧?你必须有数据,但如果没有人才,一切都失去了意义。人才是区分高下的关键。合适的人才总会找到适合的技术,并且会有效解决相关问题。在很多开源社区中,我们已经在积极推动新兴技术的开发工作。我们拥有实验室提供的现有的先进技术,以及来自硅谷的最新技术。但与此同时,我们也有来自全国的主流技术人才,并希望进一步培养他们成长。为此,我们仅在2015年就提供了超过5万次的大数据相关培训课程,目前培训仍在继续进行。这可能仅仅是为期一周的新手训练营,也可能是高级的、博士水平的数据科学。我们希望继续培养有天赋、有兴趣的大数据分析人才。我们希望确保人才能够不断提高自身的技能,进而获得实现生产率最大化所需的工具。


MurliBuluswar是美国国际集团AIG的首席科学家,曾任Farmers Insurance公司负责企业客户体验、客户洞见和创新的副总裁。他在芝加哥大学Booth商学院获得市场营销和财务学方向的MBA学位,在Auburn大学获得经济学和统计学硕士学位,在Bluffton大学获得经济学学士学位。

VinceCampisi曾任通用电气集团数字化事业部、Predix产品和技术部的首席运营官,目前担任United Technologies首席信息官。在通用电气期间,他担任了一系列领导职位,包括主管智能平台、水和加工技术、保险解决方案的首席信息官。他在纽约州立大学Albany 分校获得商业管理学士学位。曾经获得《计算机世界》的Premier 100奖项,以及《CIO杂志》Top100首席信息官荣誉及其Ones to Watch奖项。

AshGupta是美国运通公司信用风险和全球信息管理总裁。他于1976年加入该公司,担任了一系列领导岗位,包括首席风险官、执行副总裁和首席信用官。他在哥伦比亚大学获得MBA学位,在印度技术学院德里校区获得机械工程学士学位。他曾担任数家公司的董事,包括纽约的Big Brothers Big SistersSymphony Teleca以及Encore Capital集团。

ZoherKaru eBay公司负责全球优化及数据业务的副总裁。他曾在Sears BrandsMattersightWeather ChannelZyman集团担任高管。他在麻省理工学院获得电子工程学和计算机科学博士学位,在卡内基梅隆大学获得电子工程学学士学位。他是工学教材“Signals and SystemsMade Ridiculously Simple(Zizi Press19951)一书的作者

Victor Nilson AT&T公司负责大数据业务的高级副总裁,曾担任该公司IT架构和通用服务整合的副总裁,兼任Sabre Holdings集团高级副总裁。他获得南卫理公会大学Cox 商学院的MBA学位。

RubenSigala是凯撒娱乐集团的高级副总裁兼首席分析官。他从20058月起在该公司工作,先后担任收入管理、商业情报、规划和分析、业务战略等多个部门的高管。他曾在公主邮轮工作,在安永公司担任咨询顾问。他在哈佛大学获得MBA学位,在堪萨斯大学获得金融和商业管理学士学位。


欲了解完整的访谈和视频,请参阅“How companies are using big data and analytics”,20164月,McKinsey.com

Brad Brown是麦肯锡全球资深董事合伙人,常驻纽约分公司。


转自智选堂


All comments(0)

No comments yet