APP下载

莫空谈大数据实用分析才是真

2014-07-28

中国计算机报 2014年19期
关键词:数据仓库决策分析

没有数据分析,大数据只是高成本、零收益的IT库存。与其在能力毫不匹配的情况下片面追求大数据,还不如立即行动起来,从手头既有的小数据当中提取价值,为真正的大数据时代的数字化决策打下基础。

大数据时代到来了么?潮流是一股可笑又可敬的力量:今天,如果打开任何媒体,要是不提“大数据”,恐怕都不好意思出版。大数据这股潮流,铺天盖地。问题在于:为什么人人言必称大数据?

大数据不分析就是累赘

价值隐藏在数据中,需要数据分析方可释放这些价值。数据分析能力的高低决定价值发现的成败。没有数据分析,大数据只是一堆IT库存,成本高而收益为零。但是国内热衷的大数据概念,目前仍然停留在数据收集、整理、存储和出简单报表等初级阶段。能够对大数据进行基本分析和运用的,只有少数几个行业的少数企业。

关于这一点,我们可以通过谷歌搜索结果来简单揭示这一现状。挑选“analytics”、“big data”、“分析”、“大数据”四个关键词分别搜索,结果很明显,英文世界里,“big data”的搜索结果计数比中文世界里的“大数据”搜索结果计数要多了不少;而“analytics”(分析)的搜索量不仅仅高于“big data”,更是远远高于“分析”在中文世界里的搜索量,大概是169倍(如图所示)。

这个结果,尽管不能100%还原中国业界对“大数据“和“分析”的重视程度,但仍然基本可以揭示一个事实:作为大数据概念源头的西方国家尤其是美国业界对于”分析”的重视,远甚于中国业界对“分析”的关注。这个来自谷歌搜索的简单分析结果,和我们对于中国企业大数据实施现状的理解不谋而合。

中国式大数据现状及原因

所谓“大数据”,其主要差别就在于数据量以及数据量带来的对于数据存储、查询及分析吞吐量的要求。要谈大数据分析的中国现状,首先必须深入了解数据分析在国内的应用情况。

国内企业,不论是国企还是民企,真正在业务决策中以数据分析结果为依据的,主要集中在银行、保险、电信和电商等几个行业。以IT预算最充沛、人员能力最强的银行为例,目前主要是大型银行在导入数据分析。中小银行尚在观望与学习阶段,人员与能力建设正在起步阶段。数据分析的应用范围主要集中在信用风险、流程优化、市场营销、成本与预算等几个方面,深度尚可,但广度一般,尚未扩充到运营管理的所有领域。而谈到大数据或者数据仓库,上述行业中的绝大多数企业早已实施了各种数据仓库,以管理数据。这种“先买药再看病”的模式,完全本末倒置。

数据仓库与数据库不一样,其使命就是为了分析而存在的。没有分析,仓库何用之有?某大型银行,20世纪90年代末期就开始花费好几亿元IT预算,建设“数据大集中”项目。受该行影响,其他国内银行掀起了一股数据集中的热潮。而当时连商业智能还是个尚未传入中国的IT概念,更遑论数据分析了。15年过去了,这些被集中的数据,还在么?真正用起来了么?

至于支撑起我国庞大GDP的制造业、建筑业和贸易业,在运用数据分析进行业务决策方面,则尚未见规模。其IT开支仍然主要集中在基础架构与流程化的软件套件领域(如ERP、CRM、HRM、SCM等),部分企业开始导入商业智能(报表、制图、管理驾驶舱),而数据分析应用远远没有进入规模发展阶段。以我国制造业企业为例,五六年前开始热炒“六西格玛”、“全面质量管理”、“精益生产”,尽管这对中国制造、中国创造等带来本质变化尚需时日,但是就提升企业决策能力和管理水平而言,这些举措的确起到了一定作用,对于中国企业开始从“拍脑袋”到用数据决策这一本质转变打下了基础。

出现上述现状的原因主要有如下几个方面:

企业的权力来源 数据分析才是真正的一把手工程。分析的使命在于改善决策。科学管理方法和决策手段的推广完全取决于企业最高领导人本身对于这些手段的认可程度。另外,数据分析更需要决策、运营进行相应的改善与调整,我们通常称之为“变革”。任何变革都会带来相匹配的风险与收益。

企业的运营能力储备 数据分析对于参与者的统计、概率、计算机、业务理解等几个方面的能力要求甚高。尽管“能力是可以培养的”,但是我们在国内这么多年的众多数据分析导入项目中,面临最多的挑战就是人员培训和流程变革问题。以电信运营业为例,BOSS系统,各种业务系统和数据仓库搭建了许多年,数据分析对于客户行为的理解与促销产品的层出不穷也使得这个行业的数据分析应用远远超过绝大多数其他行业。但电信业在大规模导入数据分析方面面临的首要问题,仍然是专业人才储备,以及与数据分析有关的规章制度、决策流程与文化体系的建立。

我们在市场上看到更多的,是IT部门主导的数据分析项目。项目名称是数据分析,而内容仔细一了解,往往都是数据仓库+企业报表,不是传统财务三表,而是用于展现核心KPI的图表。对“数据分析”不了解,把报表和制图当成“分析”,是这一现状的根源。

市场环节与竞争压力 有些行业尽管有压力,但是在提升生产力和生产效率的手段方面,改变缓慢而低效。高度市场化领域,比如家电、汽车、消费电子、化工、医药等领域,对以数据分析为代表的“高级能力”的接受程度则高了不少。

综上所述,我国企业界对于数据分析的应用仍然停留在个别行业与个别应用的阶段。不过,尽管导入数据分析的过程是如此艰难而挫折,我仍然认为,随着我国各行业市场化进程的推动,随着互联网、数据分析技术不断对传统产业的颠覆,数据分析或者大数据分析迟早会成为中国企业界突破藩篱的关键手段。

数据大不大一点也不重要

与其在能力毫不匹配的情况下片面追求大数据,还不如立即行动起来,从手头既有的小数据当中提取价值,进而为真正的大数据时代的数字化决策打下基础。

我们以中国零售及消费品行业为例来看数据分析在这一领域的应用现状:1.企业内部采用的分析手段是非标准化的、零散的,例如把图表当分析;2.更多地关注数据获取和管理,而不是开展面向客户的预测性建模与数据挖掘,前者是IT工作,后者才是从数据里获取价值的过程;3.尚未在公司真正地运行或者构建持续的分析能力、分析流程和与数据分析有关的业务与管理决策机制。

而根据我们为中国企业提供JMP数据分析战略拓展与项目支持的多年经验,我们的建议是:1.从项目级别的数据分析应用开始,逐渐形成项目组级别的标准化分析流程与业务决策制度。借助项目拓展出有基本分析与应用能力的团队。2.将项目分析经验扩展到部门级别,拓展数据分析—价值获取—业务决策这一价值链。根据部门级数据分析应用的需要来开展数据获取和管理。借助部门级应用导入拓展出数据分析与业务决策的流程,以及统一、先进的数据分析平台与业务实践库。3.从部门级到企业级应用,纵、横两个维度都在拓展,需要企业管理层的高度参与制度支持,推广基于数据分析为核心的文化与模式转变,建立支撑这些变化的长远的数据分析战略。4.至于数据是不是够大,是不是需要云计算,全看业务需要而定。endprint

猜你喜欢

数据仓库决策分析
为可持续决策提供依据
隐蔽失效适航要求符合性验证分析
决策为什么失误了
基于数据仓库的住房城乡建设信息系统整合研究
电力系统不平衡分析
分布式存储系统在液晶面板制造数据仓库中的设计
探析电力系统调度中数据仓库技术的应用
电力系统及其自动化发展趋势分析
基于数据仓库的数据分析探索与实践
关于抗美援朝出兵决策的几点认识