大数据分析面临的问题及解决方案

随着数据的暴增,企业已经具备可用于分析的、大量的、各种来源的、各种类型的数据,于是出现了以下三个方面的主要问题。

1.数据边界越来越模糊的问题

信息管理的趋势之一就是具体数据所属和不同数据类型所属业务的传统边界越来越模糊。传统来说,不同数据分散在企业各处甚至各个角落,无人想得起来,这仍然是很多企业的现状。例如,营销活动数据可能只存在于营销部门,客户服务指标和反馈数据只在服务部门管理和保存,客户历史消费数据在财务部门保存,诸如此类。因此,跨部门和跨数据源获取数据支撑的战略决策制定、执行起来,过程艰难而漫长。

2.基层员工眼光有限的问题

在部门分割的管理形式下,数据资产通常由基层的员工领导进行管理,这些人通常立足于本部门目标,着眼于自身的具体数据资产。例如,关于销售人员生产力、通话时长及其他指标的销售运营数据,可能由具备5～10年销售运营或指标制定等方面工作经验的指标专业人员或销售部门内一个小团队进行管理,这些人很显然会将重点放在销售团队如何运作、作用和发展等方面,这对一些问题来说是成功之道。然而,销售运营数据通常用于经理人员层面的销售战术决策支撑,而不是常规和普遍地利用这些数据帮助主管领导,处理销售能力优化、对比行业标准销售成本降低、员工生产力和职业道德以及市场优化等方面的企业战略问题。

3.企业内外部数据标准和质量的差别问题

作为数据分割模式的结果,可能存在一种数据管理很好,另一种数据管理很差的情况,整个企业层面数据整合、数据标准和质量等问题通常差别特别大。例如,客户反馈数据可能因数据质量高标准要求,被很好地管理和获取,而网站分析数据的管理却很差。因此,当涉及将不同数据源进行合并或整合在一起的商业问题时,企业可能因拖延和无法回答这类问题而不堪其苦,造成企业成本浪费,甚至丧失商机。

如何有效地解决这些问题,依然是一个新课题,下面通过一个案例,阐述解决问题的思路。

【案例分析5.1】

先进企业在重新思考他们的数据和信息战略(www.xing528.com)

1.意识到大数据的存在

Jesse Harriott 2002年刚加入Monster Worldwide公司时,立刻意识到Monster公司拥有大量颇具价值的大数据,从公司抓取的月均百万用户访问的高参与度的网站行为数据,到月均上亿次职位搜索中的劳动市场供求数据以及其中包含的上百万应聘客户记录数据,再到最后跟踪的非结构化客户反馈信息,这些信息均存在其他数据中。

2.发现应用这些数据存在的问题

然而在Monster公司,那时候信息散落在企业各处,由不同的系统、不同的人员进行管理,甚至具有不同的质量标准,要得到一个商业问题的答案所花费的时间远超所想。

3.构建精干的分析团队

Jesse建议公司建立一个集中的研究和数据中心,将Monster公司全球的分部紧密连接。这些花费了Monster公司很多人的很多时间和努力,最终Monster公司全球洞察团队终于在Monster公司内成为一个受尊重的关键团队,在很多年里,促进了大数据在全球销售、营销、产品、客户服务、财务、投资人关系、业务发展和Monster客户等方面的成功。它使企业层面能更快速决策,并使其客户将Monster的大数据资产作为首要资产。

4.打造自身的数据资产价值

当Jesse组建全球洞察团队时,他特别强调数据质量,包括可靠性和有效性两方面。Jesse创建了一个正式的数据管控小组作为洞察团队的组成部分,因此对于业务和技术的数据定义标准一致,且得以落实到位,常规的数据审查和安全问题也由其解决,在帮助企业发展和有效利用数据资产进行实时决策方面,起着至关重要的作用。