麻省理工学院技术评论：数据分析揭示真正的商业价值

数据分析揭示真实商业价值 出品联合 关键要点 未开发的运营和客户旅程数据为公司提供了丰富的组织洞察——如果公司拥有发现、管理和分析这些数据的工具。 数据分析洞察可以应用于提高企业各个方面的效率和流程优化，从前端客户体验到后台履约工作流程。 预测分析，即利用历史数据预测未来行为，使企业能够预见并积极应对变化的环境和消费者需求。 商业数据提供了一座常常未被充分利用的富矿。组织的价值。客户互动数据，供应链数据，运营数据人力资源数据，财务数据，市场研究数据，后台数据——这些 常常被隐藏的数据来源“具有巨大的潜力”。\"运营洞察和价值创造，”西达尔特说。穆克吉，Teleperformance的首席数字官一家全球数字商务服务公司。 数据实操化的益处 到2025年，全球数据量将增长至180泽字节以上。根据Statista这包括由日常商业应用产生的海量数据流：客户互动日志、供应商联系、转化跟踪结果、员工和劳动力管理信息、客户反馈数据、研究结果、发票处理收据、供应商管理。从工资处理解决方案到员工入职工具，这些技术产生的数据潜力往往被低估。然而，随着组织转向数据分析来检查这些数据、识别模式并创建模型，以呈现相关信息和推荐，从而做出更明智的决策，这一状况正在改变。 理解今天庞大的商业数据量是一个艰巨的过程。首先，数据量巨大，结构通常是非正式的，并且常常在组织内部未知或孤立。事实上，研究公司Forrester将“非结构化‘暗数据’的激活”识别为2022客户服务大趋势. 2022年底企业级生成式AI工具的问世，将利用这些数据的必要性凸显出来。鉴于最近几个月围绕生成式AI的巨大炒作和期望值的提升，拥有一个稳固的数据策略已成为渴望利用其潜力的组织的关键当务之急。 商业数据蕴含着巨大的潜力，可用于运营洞察和价值创造。Sidharth Mukherjee，Teleperformance首席数字官 幸运的是，数据分析可以帮助组织从这些未被充分利用的数据中识别并提取可操作的洞见，以支持更明智的决策、简化的后台流程和提升企业绩效。然而，要实现这一目标，商业和数据分析领导者必须确保数据质量，同时确保合适的管理层、员工认同以及数据驱动的文化。 优化库存，以防止产品浪费、客户不满和不必要的成本。 “在过去几年里，数据分析技术取得了巨大的进步，”EverestGroup商业流程服务副总裁Sharang Sharma表示。“看到这些工具能够分析并从大量数据中提取见解，真的令人惊叹。”事实上，预计到2025年，分析和商业智能软件市场将翻一番，达到130亿美元的价值。根据Gartner研究. 保险公司可能会分析人力资源管理系统产生数据，以开发新的运营洞见。例如，一家健康保险公司花时间检查其员工入职流程相关的数据。它可能会发现导致一些新员工比其他人更慢地成为完全生产力因素——因此，业务可以实施旨在提高生产力和减少流动率的培训模块。当然，这类应用在高度竞争的行业和今天的紧张劳动力市场中具有特别的优势。 组织已经开始发现通过数据分析实现业务数据运营的新颖和创新方法。这些用例涵盖了多个行业，展示了数据分析在识别低效内部流程，尤其是后台工作流程，并提高其以改善业务绩效方面的力量。 在客户支持环境中，当使用数据分析工具监控互动活动时，可以实现运营效率。某些数据模式可能表明，例如，电话量突然激增。识别这些模式有助于组织为增长做准备，并根据波动更战略性地分配资源。 一家杂货连锁店，例如，可能会检查其供应链数据，以确定瓶颈和延误的原因。这些见解不仅使零售商能够解决延误并提前采取行动，而且还使仓库和采购经理能够 数据分析的领先者和落后者在过去两年内采用商业智能和数据分析软件的调查受访者。 看到这些工具能够分析的数据量和从中产生的见解，真是令人叹为观止。 需求。结果：成本节省、客户体验改善和新运营效率。 预测未来 预测分析——利用历史信息或其他商业数据来预测未来的能力——是企业的一项新式工具，由人工智能推动。穆克吉表示：“预测分析是利用统计工具和机器学习算法来获得洞察力和预测客户行为或行为模式，以便您可以做出更基于数据的决策。” Sharang Sharma，业务流程服务副总裁，喜马拉雅集团 组织可以利用预测工具来创建需求和转化预测、推荐产品和替代品，或开发针对特定客户角色的更有效的渠道策略。他们还可以监控市场变化，如产品需求的变化、新兴的消费趋势和产品使用模式。在此过程中，夏尔马表示，组织可以“更好地理解客户的需求，以便他们可以调整他们的产品提供，以满足这些需求并创造竞争优势。” 通过这种方式利用商业数据，预见和预测未来的行为和需求，使得组织能够积极应对并实现更高的敏捷性。案例如下：一家大型欧洲银行转向基于机器学习的预测分析套件，以提高其外销销售效率和最大化潜在客户。通过使用历史数据预测客户流失，推荐替代产品，提升交叉销售，增强收款，并提出最佳行动建议，该银行的客户代表得以更好地理解如何管理电话，管理人员也能构建更坚强的策略。 “这正是预测分析的价值所在，”夏尔马说。“它可以帮助预测客户行为，从而实现更好的销售预测。我们还看到预测分析被应用于产品设计各个阶段，例如预测客户对设计变更或关键功能的反应。银行正在使用预测分析来检测欺诈，所有行业都在发现其在预测资源需求以实现资源优化方面的价值。” 正在使用预测分析来做出商业决策 专家们预计，随着组织认识到预测工具的力量，其使用将迎来繁荣。“尽管企业开始认识到分析学的影响，但许多刚开始这一旅程的组织仍然面临诸多挑战。” “我们仍然主要依赖于全面的数据可视化和BI洞察，”夏尔马说。“因此，我们看到的情况是，尽管描述性分析被广泛使用，但在使用预测性和规范性分析工具方面，仍有成熟的空间。” 例如，数据加密可以保护数据免受篡改和其他安全威胁，而数据清洗和验证是支持数据准确性、完整性和相关性的关键。 采用全面的数据管理方法对于改进运营流程也至关重要。Mukherjee 提供了一个想要利用数据分析来预测哪些员工离职风险最高的组织的例子。尽管员工的出勤数据可能表明工作满意度低，但其他数据来源，如工资信息和福利登记详情，可能呈现出完全不同的画面。因此，Mukherjee 表示：“了解员工的全貌——他们的历程、在组织中的生命周期、人口统计信息、绩效指标，以及他们最近可能填写的任何员工满意度调查——至关重要。” Mukherjee 认为，通过将这些不同的数据点收集到一个单一数据库中，组织可以获取“对员工的全面看法”，包括针对防止员工流失的定制建议。 尽管使用数据分析来改进后台流程和实现业务数据化具有诸多优势，但仍需克服一些技术和组织上的挑战。据穆克赫杰所说，这些挑战包括“确保数据质量、整合来自多个来源的数据、处理大量数据、解决数据隐私和安全问题、填补技能差距、打破组织数据孤岛以及建立明确的目标和战略。”这是一个漫长的障碍清单，但可以通过强有力的领导、员工的认同和数据驱动文化来克服。 数据质量是关键起点：数据分析得出的洞察与从企业系统收集到的数据的准确性相同。例如，如果供应链数据过时，即使是最先进的数据分析解决方案也无法改进配送流程或准确预测装运延迟。Mukherjee说，确保数据质量“需要强有力的数据治理、专业技能、以数据为导向的文化和战略数据管理方法。” 然而，在一个合并与收购、影子IT和远程工作的时代，打造一个组织数据的整体视图是一项重大挑战。451研究集团（S&P全球市场情报的一部分）的主管分析师Nick Patience警告称，定期整合数据壁垒的需求是“不可避免的”。为了掌握这一问题，他建议组织应指定负责“打破这些壁垒”的责任人，不论是首席数据官还是首席分析师。 对数据进行结构化并围绕数据标准化制定政策可以确保不同数据源的一致性。并且，采取保护性措施， 玛丽·珀克，沃顿商学院人工智能与数据分析研究中心的总经理，补充说，当涉及到将商业数据转化为可操作见解时，整个企业对具备技能的员工的需求是迫切的。识别未开发的数据、清理和准备数据、整合数据孤岛以及创建数据可视化，对于大多数正在进行数字化转型的企业来说，是至关重要的技术技能。但充分发挥数据分析的优势，也需要超越数据管理的专业知识。珀克补充说：“为了充分利用对数据的投资，你需要的是不仅知道如何访问和评估数据，还知道如何将领域专业知识应用于从数据资产中揭示并实施见解的个人。” 您需要那些将领域专业知识应用于从数据资产中揭示洞察并实施这些洞察的个人。 玛丽·珀克，沃顿商学院AI与数据分析研究中心，总经理 强有力的领导推动竞争优势 案例研究预测金融服务分析 通过分析商业数据，组织可以识别低效的工作流程以及其他数字化转型的障碍。平凡的任务可以自动化以提高效率，同时提升员工的生产力。但尽管这种自动化旨在协助人类并放大他们的能力，它也可能在员工中引起恐惧，特别是那些抵制变革的员工。 巴纳卡·蒙特·迪·帕西·迪·锡耶纳是全球运营时间最长的银行，为意大利及全球近四百万客户提供服务。当该银行寻求提高其外销销售效率时，它寻求开发一个预测模型来优先处理其潜在客户，并改善其电话销售策略。 那正是Sharma所说的，组织需要建立“懂得如何有效利用数据驱动洞见的领导力”的更多理由。这不仅仅是关于创造洞见；更重要的是利用这些洞见来制定行动、理解洞见的影响，并获得利益相关者的支持。 通过分析潜在客户的历史数据——人口统计、购买历史和支付模式——预测模型可以评估每个潜在客户转化为销售的可能性。银行随后利用该评分来分割潜在客户名单，将其拓展工作重点放在模型认为最有可能产生销售的潜在客户上。 耐心认同，恰当的领导对于解决“对数据分析工具可能提供见解的不信任或信心不足”问题至关重要。然而，耐心并不主张建立一个技能集中的卓越中心，而是建议数据分析能力“嵌入业务之中，以便员工更接近数据。因为如果你想要理解你的数据，人们实际上必须了解如何使用它。”幸运的是，许多数据分析解决方案现在包括图表、图形和地图等可视化元素，这使得业务线领导者更容易解释数据并挖掘有行动力的见解。 A/B测试随后被用来确定针对这些潜在客户的最佳接触策略，包括尝试销售电话的最佳时间和渠道。在为期四个月的试验中，这导致了17%的销售绩效提升，提高了员工和客户的满意度。 预测分析在金融服务行业有广泛应用，它还可以为信用决策、保险费率、贷款审批提供洞察；就催收策略提供建议；评估市场风险；以及协助进行欺诈检测等。 今天的海量数据承诺将带来显著的业务效益，从简化后台流程到降低员工流失率。但收获这些回报需要的不只是简单地识别不同的数据来源。相反，组织必须以更加战略性的方式整理、分析和采取行动，无论是自动化日常工作流程，为电话量激增做准备，还是赋予业务线领导以洞察力以塑造他们的决策。幸运的是，有能力的领导力、员工的认同以及以数据驱动的文化有助于推动这一将数据完全投入运营的转变，而此时发现洞察力的机会是巨大的。“当你更了解市场，当你更了解客户的需求，当你根据这些需求调整你的产品供应时，”夏尔马说，“你为自己创造了一个竞争优势。” 如果你想弄懂你的数据，人们实际上必须理解如何使用它。 Nick Patience，管理分析师，451研究 《数据分析揭示真实业务价值》是麻省理工学院科技评论洞察力的一份高管简报。我们感谢所有参与者以及赞助商Teleperformance。麻省理工学院科技评论洞察力独立收集和报告了本论文中所包含的所有发现，无论参与与否、赞助与否。Teresa Elsey是该报告的编辑，Nicola Crepaldi是该报告的出版者。 关于麻省理工学院科技评论洞察 MIT技术评论洞察力是拥有悠久历史的世界顶尖技术杂志《MIT技术评论》的自办出版部门——为当天的前沿技术挑战提供现场活动和研究，得到全球顶尖科技机构的支持。洞察力在美国和国外开展定性和定量研究和分析，并发布各种内容，包括文章、报告、信息图表、视频和播客。通过不断发展的MIT技术评论全球洞察力委员会，洞察力对世界各地的企业高级管