很多企业都会收集大量数据然后对其进行分析，但能否从这些数据分析中获得商业价值不是一件必然的事。
在分析工具上投入了大量资金的企业可能是无法从自身的努力中获得这种商业价值，导致这种情况产生的原因有许多。
下文有一些提示：如何确保在数据分析方面的投资得到回报，提供有意义的洞察分析结果，而不是不能说明什么但具有吸引力的报告。
分析方法与业务目标保持一致
将IT工作与企业的业务目标更紧密地结合在一起，这是IT领导者从数据中获得更多价值的关键。
技术咨询公司Capgemini的副总裁Dan Simion说：“数据分析需要用来解决真正的业务问题。从具体业务实例着手是一个不错的方式，这可以让你赢得更多IT人员之外的利益相关者的认同。”
这一战略有助于企业的其他部门看到数据分析在不同领域不同功能上的价值。
Simion说：“从商业问题开始，制定一个商业案例，并对其进行跟踪，这对于从数据中发掘出价值来说是必不可少的。在这个过程中，业务和IT之间的协调非常重要。”
Middlefield银行的CIO Gary Kern说：“IT与数据分析师需要与业务部门合作，做出成功的内部案例。这有助于企业内的每个人理解其真正的价值和日后的团队合作。”
Middlefield银行在努力让一些业务部门积极地依据数据做出决策，使用基于详细数据的新流程。在此之中，Kern尝试寻找到可以与之合作的早期使用者，以获得可以向该业务部门展示的成功案例。
医疗保健供应商UnityPoint Health几年前就开始投资分析工具，他们持续帮助其区域内的社区医院、诊所和家庭护理部门管理人口健康并解决未来可能产生的健康问题。
与企业领导人的紧密配合是成功的一大原因。Smith说：“当务之急是与企业合作，了解要解决的问题或可实现的机会。具体来说就是要明确我们要完成什么？我们现在缺少什么重要的数据？”
企业建立关系的一个好方法是通过与利益相关者会面和在实地进行观察来研究问题或机会。
Smith说：“例如，我们的分析团队建立了一个模型，用来试图减少不得不重新入院的病人数量。
首先，我们需要与企业合作，了解该模型需要回答哪些问题。这些问题包括：哪些病人是需要预感的对象？我们应该采取什么行动，以及什么时候采取？”
通过这个模型，这家医院在两年内将其30天内再入院率降低了44%，超过了其预期目标。
加入关键的执行人
拥有能够推动数据分析成果被执行起来的负责人，这可以产生更大的价值。
Simion说：“这个负责人推动整个企业的采用，并能帮助塑造出运营模式，使人们能够充分利用从数据分析中得出的成果。”
有了高度的认同和支持后，“企业可以开始激活这些并从中获得价值。如果你只是简单地从调查结果中生成一个报告，而没有人采取任何行动，这对企业来说没有任何价值。
数据产生洞察分析，这些洞察分析将被用于企业内从战术到战略、各个层面的商业决策。”Simion说。
Middlefield银行成立了一个数据治理委员会（DGC），其中包括首席信息官、首席财务官、首席营销官和其他两三个数据密集部门的高级管理层。
Kern说：“DGC每月举行会议讨论关于数据清理、数据质量、不断发展的分析工作以及其他设计信息分析和数据所有权的高级问题。DGC是一个在高层指导数据工作的决策机构。”
更新运营模式——衡量其是否成功
尽管处于数字时代，以数据为中心的驱动力在企业中很普遍，但许多企业仍然未能掌握数据的真正价值。
Simion说：“企业需要摆脱基于‘直觉’的判断，转变成为用数据说话。”
拥有一个数据驱动的运营模式意味着更大的成功概率，企业能够更快地看到数据分析的价值，并对如何实现他们的目标有一个清晰的路径和愿景。
“数据，通过洞察分析，为决策过程提供动力。新的运营模式激励企业内的员工改变原有的习惯性为，数据的价值将会以更快的速度实现。”
但要认识到某一特定数据分析所产生的价值，企业还需要一个可以衡量成功的框架。
“这有助于企业评估他们目前的进展，及时做出调整，并对他们跟踪实现数据分析目标的方式进行优化。通过明确的测量框架来展示数据分析驱动达成的价值和结构的数量，这有助于数据领导者展示分析投资的回报。”Simion说。
建立以商业价值为导向的数据管道
获取数据价值不是一朝一夕能完成的事情，也不是依靠神奇的公式，它需要时间和努力。
大约20年前，医疗机构KVC的CIO Lonnie Johnson开始在该公司制定长期的数据分析战略，多年来已经取得了成效。他的第一步是在整理关系数据库，让分析团队对现有数据进行分类。
Johnson说：“我们通过对业务线、办公室、项目、时间标识符、交易类型以及我们病人的一系列特征进行编目来规范信息。我们从一些独立的数据库和电子表格中收集并连接信息。”
该团队随后创建了数字表格、应用程序和用户界面，用来改造公司的纸质文件。他们还为这些文件创建了接口，作为将信息输入数据库的一种方式。
“在我们的用户界面中，我们保证了数据的完整性，并尽可能地实现了自动填写字段。在开发这些数字界面的过程中，我们大量听取了用户群体的意见，以确保我们最后能够获得实际的商业价值。今天我们仍然在这样做。”Johnson说。
该团队在应用中创建了自定义查询器，用户可以根据数据点的描述从选定的字段中提取信息。“这一点释放了数据团队，能让他们专注于更高级的分析工作。
我们鼓励用户对查询器进行使用反馈，以帮助我们更好的分类处理数据。”Johnson说。
该团队在NoSQL数据库中捕获大量的文本和表格数据，用于快速开发和未来的自然语言处理。
“如果你使用数字表格进行调查，法律文件，客户信息，或任何其他可能随时改变的文件，使用NoSQL可以加速你的数据采集，并释放出开发人员进行其他更具创新性的任务。”Johnson说。
为了在企业内部发展这些需要的数据技能，这家企业对数据分析的敏锐度和工具进行了投资。
Johnson说：“我们还找到了一个可以定期合作的伙伴，帮助我们利用机器学习进行预测性分析，设计解决方案。这一系列的内部技能和外部经验已经生成了一个可持续供应可操作的数据洞察分析服务。”
利用跨职能的合作伙伴或团队来提高数据的准确性
这涉及到之前所提到的所有领域，特别是将分析与业务保持一致并更新运营模式。分析团队应该与业务部门定期合作，通过更高质量的数据帮助其发挥价值，或者将业务部门作为其跨职能团队的一部分。
在线订餐平台DoorDash的数据分析副总裁Jessica Lachs说：“与企业中的业务团队紧密合作可以为数据的准确性增加一个额外的保护层，从而帮助数据和业务团队更好地利用他们看到的数据。”
“更多的团队在看数据，你就有更多的眼睛来发现可能会错过的异常情况。密切的合作关系也帮助数据团队建立起业务直觉，让他们能够更好地理解他们在管理的数据的实际应用。”Lachs说。
Lachs负责着一个由85人组成的数据分析团队：“合作使得团队能够自主，并根据业务需求对可访问性、准确性和可扩展性做出更好的改进。”
另一个关键是将数据作为评估商业决策的重要指标。
Lachs说：“我们相信，通过对尽可能多的事情进行量化，我们可以最好地评估权衡，确定什么是有效的，什么是我们需要改进的，从而最大限度地发挥我们的价值，打造一个更好的产品。
要做到这一点，必须要对我们的关键业务杠杆进行准确地量化，这也是我的团队规划中的一个关键部分。”
“我们可以使用数据来创建一个共同的内部指标，是我们能够在类似的条件下进行评估和比较。例如，是将运费降低1美元还是将送货时间提前5分钟会更好？如果你能用类似的术语来框定问题，例如增量订单，那么决策就会变得更加清晰，对企业的价值也会更加明确。”
作者：Bob Violino
原文地址：
www.cio.com/article/3637628/5-ways-to-maximize-the-value-of-data-analytics.html
