分析：颠覆性变革的优势，顺应数字革命潮流，重塑业务流程、组织和行业（2015年10月）
分析：颠覆性变革的优势 顺应数字革命潮流，重塑业务流程、组织和行业 IBM 商业价值研究院 执行报告 大数据和分析 IBM 大数据和分析 IBM 的大数据和分析实践将管理咨询方面的专业知识与分析科学相结合，助力领先的企业迈向成功。IBM 为客户提供所需的专业知识、解决方案和能力，使客户能够将智能融合到各个业务决策和流程中，从而帮助客户发挥大数据和分析的最大潜力；帮助客户充分利用各种格式的数据和洞察力，使其能够更快速地采取行动；同时，还通过在安全性、治理和合规性方面的积极举措，帮助客户建立信任与信心的企业文化。 欲了解 IBM 大数据和分析产品/服务的更多信息，敬请访问：ibm.biz/bigdataandanalytics 1 当变革不再是劣势 在我们的第 7 次年度分析调研中，共有全球范围内 1,226 名受访者接受了调查，他们均表示在过去的一年里，对大数据和分析技术的使用都有明显上升。这种上升受到三种显著颠覆因素的影响，分别是数字化生态系统的崛起、彻底的技术变革，以及了解未来而非推测未来的能力。采用这些技术的企业不仅为未采用的企业带来了有力威胁，还为自身创造了巨大的机遇。企业比以前更能看到迅速采取行动进行业务模式和分析战略创新、改进信息基础架构以支持未来发展的优势。 执行摘要 全球市场已经发生了强劲的变革。长期存在的业务实践和互动 - 尤其是业务和 IT 功能之间的实践和互动 - 已发生了根本性改变。最猛烈的三种颠覆因素分别是： 1. 数字化进程不断加速：数字化生态系统是业务成功的关键，需要不断扩张信息获取通路。 2. 彻底的技术变革：大数据和分析技术的使用上升，极大地改善了数据产生信息的方式。 3. 了解可以代替推测：那些部署了正确技能的企业可以利用分析实现革命性的转变，从而进行了解而不是单纯地推测。 在本次 IBM 商业价值研究院第 7 次年度分析全球调查中，我们发现大多数企业正在把这些市场变革当作机遇，强化对大数据和分析技术的采用。在 1,226 名接受调查的受访者中，95% 的受访者表示：大数据和分析能力现在是企业与竞争对手持平或超越竞争对手不可或缺的要素。 图 1 对于 95% 的企业而言，数据和分析具有全球性或地方性影响 帮助我们领先于竞争对手 帮助我们与竞争对手持平 对竞争对手没有优势 来源：IBM 商业价值研究院 2015 年分析调研；由经济学人智库于 2015 年夏季进行的调查。n=1226 符合条件的受访者。 48% 持平 47% 超越 5% 没有优势 14% 全球 33% 地方 25% 全球 23% 地方 2 分析：颠覆性变革的优势 2015 年，71% 接受调查的企业至少在三个部门使用高级分析，而这一比例在 2014 年仅为 10%。 95% 的受访者表示，大数据和分析现在是与竞争对手持平或超越竞争对手不可或缺的要素。 三分之二的受访者称，大数据项目达成或超越了预期。 大部分企业称实施 7-18 个月后就收回了在分析方面的投资。 四分之三的调查受访者称，其企业正在扩建能够对即时业务需求作出响应的优化数据和分析基础架构。超过三分之二的企业已将其企业范围内的高级分析应用扩展至更准确地了解当前的业务状况和客户行为。 现如今，要取得成功就需要外部数据输入来辩别和发现新需求信号，而仅有三分之一的企业收集这些外部数据。这些信号正在迅速成为企业决策的关键上下文信息，它们将加速从战略规划到运营优化的决策过程。企业需要在优化的业务流程之中嵌入速度和敏捷性，以便充分利用这些信号并赢得市场。 然而，在全球数字革命的进程中，成功面前障碍重重。企业需要新的专业知识：如何以不同的方式运营，如何管理基础架构、分析数据等。幸运的是，有一种基于生态系统的新业务模式可以帮助企业减轻一些负担，但随之而来的是，企业需要满足哪些才能跟上步伐？那些不能满足数字化市场要求的企业很快会发现自己在陌生的格局之中孤独无助、随波逐流。 接下来的三章将探讨企业如何对这些颠覆因素作出响应，我们还提出企业迎头赶上的行动建议。在过去的不确定性和长达数年的技术项目中，一定的惰性还是可以接受的；可现在，企业不再拥有这份奢侈。是时候把数据转化为行动了。 3 颠覆性因素 1：数字化进程不断加速 数字转型正在影响企业和社会的方方面面，迅速改变消费者、客户、公众和企业的行为方式。数字转型需要不断扩张信息获取的通路。数字化从本质上影响着个人和企业互动的方式、时间和地点。 • 具有颠覆性的竞争对手正在进入市场，带来了完全不同的成本基准和客户体验。 • 个人联系更为紧密并且被赋予更多权利，这导致对信息获取、普遍性和透明性的期望不断攀升。 • 强大的分析可带来更深入的消费者情报和有用的洞察。 新兴的业务模式是一种生态系统：它是指公立或私立机构、消费者、客户或公众之间任意组合，相互依赖与协作的关系。通过共同合作，将信息、专业知识和资产融为一体，生态系统可创造价值并将价值分配给各个成员，它作为一个整体所创造的经济价值比每一个体自行其事的价值总和更大。1 这些生态系统起源于其运行所采用的“货币”：数据、分析以及越来越多的洞察力。这些信息和资产的交换创造了优化运营、扩大技能集、聚焦于核心竞争力的能力。但这也要求企业具备数字能力要素 - 以实现团队成员间的无缝集成 - 进而保持其作为生态系统增值成员的地位。 企业需重点关注两大关键行动以便从这些数字化生态系统中创造价值：在企业内扩大分析视野；拓宽生态系统内的数据上下文。 4 分析：颠覆性变革的优势 图 2 企业使用分析功能的目的 以客户为中心 2014 2015 运营 2014 在企业内扩大分析视野 在过去的 12 个月中，在企业范围内使用高级分析并扩展至新的业务领域的企业数量大幅增加，这些企业提高了所部署分析技术的先进程度。 2014 年，仅有 10% 的企业在三个或更多部门使用高级分析。2 现在，71% 的企业在三个或更多部门使用高级分析 - 预见性、规范或认知分析 – 其中 33% 的企业在六个以上组织职能或部门使用高级分析。 以客户为中心的分析解决方案仍是大多数企业的首要重点（见图 2）。然而，风险和财务管理方面也急剧上升了 285%。这与我们所观察到的 2012 年分析应用有所增加的趋势相一致：大多数企业开始将分析用于以客户为中心或创收的目标，并积极转向内部，使用这些高级技术来优化运营。 2015 财务/风险管理 2014 2015 来源：IBM 商业价值研究院 2015 年分析调研；由经济学人智库于 2015 年夏季进行的调查。n=1226 符合条件的受访者。 0% 变化 48% 降低 27% 40% 53% 53% 285% 增加 7% 20% 5 此外，285% 的财务和风险方面的分析应用增幅可归功于共享运营数据的内部集成 - 75% 的受访者已完成或正在计划实施这样的内部集成。其中，首席财务官发现整体分析内部数据的能力可以实现认知水平的结构性转变。这些由不同数据源所创建的上下文可以支持事件或异常检测 - 往往是针对人或机器行为的根本原因 - 而这些不在传统系统的范畴之内。 拓宽生态系统内的数据上下文 在基于云的数据管理服务中，企业利用数据存储和专业知识监督各种数据功能并在异地进行处理，它创造了企业在生态系统中摄入和交换数据的路径。65% 的受访者正在使用此类数据和分析管理功能。 通过互联网创建的企业与物理资产之间的数字连接 - 物联网 (IoT) 打开了企业内外部数据的新视野。普遍认为 - 当然这是错误的看法 - IoT 活动仅对非客户运营有影响。大多数在 IoT 方面进行投资的商业用户，其目标是提升客户体验 (32%)、提高产品质量 (31%)、降低成本 (27%) 。 6 分析：颠覆性变革的优势 为达成此目标，他们从机器、追踪系统、“智能”应用和自己的生态系统内的其他数字化资产中收集数据。这些投资与通过数字连接和数字信号再造实体供应链的市场趋势是一致的。仅 7% 的调查受访者表示，其企业没有 IoT 技术方面的投资计划。鉴于我们的样本集涵盖 22 个不同行业团体，这不仅证实了 IoT 用例的普遍性，也证实了其在大多数行业领域的适用性。 图 3 收集的外部数据来源广泛 客户生成的数据（如活动追踪、健康监测、“智能”应用） 客户生成的文本（如网站评论、电子邮件、呼叫中心谈话记录） 第三方数据 实时事件和数据 静态社交媒体数据 传感器和致动器 网站流量 静态图像/视频 来源：IBM 商业价值研究院 2015 年分析调研；由经济学人智库于 2015 年夏季进行的调查。n=1226 符合条件的受访者。 40% 39% 37% 34% 33% 20% 54% 51% 7 采取行动：利用不断加速的数字化进程 调整您的分析战略，与新的市场参与者互动。企业的分析战略 - 仍由企业领导人驱动 - 必须进行更新（或重写），以便将企业内外部更广泛的公众纳入范畴内。在确定相关要求和解决方案时，应将企业内部的新用户以及生态系统合作伙伴的需求和专业知识考虑在内。此外，战略还需要反映出对颠覆性数字化所产生的数据进行管理、存储和处理的基础架构能力。但是，企业需要超越数据管理战略的范畴，以纳入更广泛的分析战略并识别支持高级分析、算法开发、更新管理和不断扩充的分析解决方案工具集的要求。 将一系列外部数据纳入基于事实的决策过程。数据可从各种各样的外部来源获取，其中包括政府、报告机构、气象中心和社交平台。经过组合和分析后，它可以对哪些客户是个体、哪些客户需求最大、世界如何运行等问题建立更丰富、细致的理解。这些额外数据源可以帮助“优秀”的分析解决方案变得“卓越”。需求预测算法和客户流失率分析等示例就是这种趋势的证明。 8 分析：颠覆性变革的优势 颠覆性因素 2：彻底的技术变革 图 4 正在实施或规划的大数据和分析技术 80 77% 76% 75% 数字生态系统包含广泛的数据和分析要求。例如： • 数据可能包括结构化或非结构化文本、信号代码、音频、视频、地理或参考数据。 • 数据可能包含个人、敏感或唯一标识信息。数据可能是一个或多个支持数据发现、分析、临时调查和报告的数据存储库。 • 数据分析需要在“正确的”决策时间进行；而这越来越多地指“实时”进行。 • 数据必须是可交换的，这通常是指通过基于云的服务和 API 驱动型应用进行存储和传输。 为了支持这些数字要求，大多数企业都已实施或正在计划实施五年前尚不存在的技术（见图 4）。 管理这种新型数据基础架构需要有关如何摄入、管理、分析、分布和存储数据的新思维。使用过去的技术，即 2010 年以前的技术，无法满足数字生态系统需求。企业正在采取两大关键行动来实现向数字化企业的转变：增加大数据和分析技术、为动态数据和分析进行架构设计。 60 来源：IBM 商业价值研究院 2015 年分析调研；由经济学人智库于 2015 年夏季进行的调查。n=1226 符合条件的受访者。 Hadoop/Spark 大数据平台 物联网 传输的实时数据 自助服务分析 基于云的 数据或分析服务 66% 57% 0 20 40 9 增加大数据和分析技术 在过去的 12 个月中，大数据技术的广泛使用（“执行”阶段）翻了一番（见图 5）。结合那些首次推出产品的试运行或上市（“互动”阶段），超过三分之一的企业现在已拥有积极有效的大数据项目。在这个过程的另一端（“教育”阶段），仅有 10% 的企业表示，他们并没有考虑在企业内使用大数据，相比 2012-2014 年 25% 的比例下降了 250 个百分点。 图 5 过去 12 个月内，在企业内部普遍使用大数据技术的企业比例增长了一倍多 执行： 在企业内部普遍使用大数据和分析 2012-2014 年 2015年 互动：
