多年來，高管們一直被告知，高級分析方法（advanced analytics）可以為幾乎所有業(yè)務問題提供更好的答案。然而令人驚訝的是，至少在零售業(yè)，很少有公司充分利用了這一機會。
盡管沃爾瑪、亞馬遜和其他幾家最主要的零售商在分析方法領域處于領先地位，根據(jù)不斷增長的實時和歷史數(shù)據(jù)做出了許多重要決策，但是他們的大多數(shù)競爭對手仍在使用非?；镜墓ぞ?。與未來如何發(fā)展相比，這些工具更善于追蹤他們走過的路。
這已經對這一行業(yè)產生了實質影響。據(jù)麥肯錫估計，疫情期間，25家業(yè)績最佳的零售商，其中大多數(shù)是數(shù)字化領先者，他們的利潤比遲滯者高了83%，并且獲得了行業(yè)九成以上的市值收益。盡管無法證明數(shù)字化遲滯會產生負面效應，但遲滯者似乎確實“把錢留在了桌上”。例如據(jù)麥肯錫估計，在食品雜貨零售業(yè)，運用高級分析方法將為雜貨商增加2%的收益。對于一個處境艱難、利潤較低的企業(yè)來說，這無異于一筆潛在的意外收獲。
這對大多數(shù)人來說都不是什么新聞。即使發(fā)展最慢的公司的高管，也一定會在某種程度上意識到自己正在錯失良機。然而，盡管了解分析方法已經給他們的競爭對手帶來了諸多優(yōu)勢，也知道學者和顧問在不斷開發(fā)出越來越先進的分析法解決方案，大多數(shù)遲滯者仍然難以在短期內趕上領先者。
為了找到答案，我們采訪了一組不同的全球零售業(yè)高管，他們活躍于美洲、歐洲和亞洲的零售商、分銷商、咨詢公司和分析方法供應商中。我們采訪了分析方法成熟度各不相同的24家公司的領導者，他們列舉了以下六個主要因素：
文化。大多數(shù)公司都存在風險規(guī)避問題，并且沒有為分析方法項目設定明確目標?！皵?shù)據(jù)重要嗎？”一位受訪者告訴我們，“每個人都說重要。可如果你問原因，很多人又不知道?！逼渌藙t輕視了分析方法，認為這更像是藝術而不是科學。一家百貨公司的高管回憶起一位買家的問題：“算法會告訴我買什么衣服嗎？我知道自己要買什么衣服?！?
組織。許多人表示，他們的公司在努力在集權與分權間保持平衡。這兩者都至關重要：集權是為了實現(xiàn)效率、規(guī)模經濟和一致性，而分權是為了靈活性、更強的本地化能力，以及對更廣泛想法的接受能力。
人員。然而受訪者給出建議，更大的問題可能是：運行分析方法功能的人通常并不真正了解業(yè)務。正如一位高管所寫：“在與面臨問題的人互動時，一些分析人員會給人留下一種不良印象：他根本不了解業(yè)務，我稱之為‘機構退出’（organ withdrawal）。所以他們完全不會再和這個分析員嚴肅對話。”
同時，大多數(shù)高管，特別是中型企業(yè)或者新興經濟體的高管告訴我們，他們面臨著一個嚴重的問題：員工缺乏設計和使用分析工具的合適技能。他們最需要的是能夠彌合功能差距的員工，即實現(xiàn)分析方法與業(yè)務相互轉換的人員。僅荷蘭一個國家就需要數(shù)千名計量經濟學家和數(shù)據(jù)科學家，但每年只有幾百名相關人才進入市場。目前，在領英列出的商業(yè)分析職位中，荷蘭有4000多個，歐洲近50000個，美國100000多個。
過程。企業(yè)用來實現(xiàn)目標的資源是有限的。一些受訪者指出，分析方法項目往往耗時太長，而且缺乏明確優(yōu)先級。有明確整體目標責任線的過程，會有益于分析法方案的實行。
系統(tǒng)。許多公司目前必須設法應對雜亂的遺留系統(tǒng)。一些公司抱怨他們沒有能力跟上可用數(shù)據(jù)的指數(shù)式增長。數(shù)據(jù)復雜性和工具復雜性間，也經常出現(xiàn)不匹配的情況。
數(shù)據(jù)。受訪者告訴我們，他們最大的問題在于數(shù)據(jù)質量和數(shù)據(jù)管理：數(shù)據(jù)通常分散在公司的不同地方，并且沒有系統(tǒng)性的管理。一些公司甚至沒有收集他們需要的數(shù)據(jù)?！拔覀兩踔翛]有生成大量數(shù)據(jù)，”一位高管表示，“我們的運輸單元中沒有傳感器，沒有做到GPS全覆蓋，庫存里也沒有射頻識別技術（RFID），因此無法了解商品的位置?！?
當然，許多落后公司的高管也不滿于現(xiàn)狀，并希望做出改變。他們希望投資于基于云的存儲和計算、更好的資產跟蹤及更多技術，以提升客戶體驗，并跟蹤消費者行為。視頻技術在許多愿望清單上也排名靠前，其次是移動應用。其他高管正在尋找可挖掘的產品屬性數(shù)據(jù)，以便找到更多答案，比如為什么某些產品會被退回，或者客戶現(xiàn)在最喜歡或最不喜歡的是什么。
大多數(shù)高管還告訴我們，他們期待著有一天能擁有更高質量的數(shù)據(jù)，和更加智能的機器學習工具。他們需要更為精細的決策支持，例如以每個店鋪為單位。許多人告訴我們，他們希望在需求規(guī)劃、建模和解決方案策略等方面獲得更多幫助。他們還希望在整合其他非傳統(tǒng)數(shù)據(jù)上獲得幫助，例如人口普查、人口數(shù)據(jù)，以及天氣、店內客戶活動、社交媒體活動、點擊流和在線搜索趨勢等方面的數(shù)據(jù)。但是僅獲取數(shù)據(jù)還不夠，還需要可以將數(shù)據(jù)轉換為可操作知識的工具。
首先，評估一下自身立場。你最常做的重要決策是什么？用于做出這些決策的分析方法先進程度如何？企業(yè)文化是否為循證決策做好了準備？你是否組織好各個部門在使用分析方法時進行實驗和創(chuàng)新，同時從這些經驗中學習，以將成功的洞察力從局部應用，擴展到整個公司？你是否有具備轉換技能的人才，例如可以從業(yè)務問題轉換到分析方法，再將分析結果轉換為業(yè)務建議？我們是否具有系統(tǒng)基礎設施，來收集、存儲、組織、獲取和處理分析方法方案所需的所有信息？
其次，問問對現(xiàn)有數(shù)據(jù)進行更好分析后，可以改進哪些流程。如何改進用于分析數(shù)據(jù)的分析方法？如何使分析員采用的方法更具前瞻性，更為先進？
一旦完成初步評估，艱難的工作就開始了。前進之路需要組織重新設計和策略性投資。下面，我們會分別進行討論。
組織重新設計。我們研究過的分析領先者，展示出了一種崇尚實驗的組織文化?！按筇幹?，小處著手，快速擴張”的口號隨處可見。對于這些公司來說，數(shù)據(jù)和分析工具似乎是其DNA的一部分。重塑組織文化不是一項小任務，但是我們建議首先重申與分析方法相關的組織價值觀。
具體來說，領導者可以帶領開展一場內部運動，強調分析方法旨在增強決策者的能力，而不是取代他們。培養(yǎng)一種文化，讓員工因理解分析工具做出的預測和解決方案而獲得獎勵，而不僅是執(zhí)行建議和獎勵服從?？偟膩碚f，打開算法的黑匣子，認識到當管理者具備基本方法的一手知識時，更有可能用到分析方法解決方案，這樣就可以消除廣泛采用分析方法的內部阻力。目標就是讓循證決策成為公司文化最重要的基石之一。
從結構上看，我們觀察了處于利用分析工具前沿的公司，它們用成功的組織設計補充了這種實驗文化。許多公司采用軸輻式結構（hub-and-spoke structure），將一些專業(yè)知識嵌入特定的業(yè)務職能中，另一些則位于致力于分析方法的卓越中心。這種組織設計有許多好處。卓越中心可以為從事分析工作的人員提供一個社區(qū)，既方便監(jiān)督，促進知識共享，還能匯集資源。通過將團隊的一些成員安排在業(yè)務部門，公司避免了卓越中心獨立工作的風險——特別是團隊處理在技術上有吸引力，而非與實際相關的問題的風險。
策略性投資。我們很清楚，我們觀察到的處于分析方法領先地位的公司，對其系統(tǒng)進行了大量投資。大多數(shù)公司都做出了戰(zhàn)略選擇，使用基于云的系統(tǒng)取代了傳統(tǒng)系統(tǒng)。為什么這很重要？這樣避免了更新遺留系統(tǒng)時的一個關鍵挑戰(zhàn)，即新舊系統(tǒng)的整合。對新模塊與現(xiàn)有系統(tǒng)交互能力的投訴比比皆是。新的基于云的系統(tǒng)避免了這些挑戰(zhàn)，經過設計之后，可以用于擴展并利用大數(shù)據(jù)逐步提升的有效性。
與此相關，數(shù)據(jù)治理是領先企業(yè)的關鍵優(yōu)勢。與集中存儲一樣，數(shù)據(jù)質量也是一個優(yōu)先事項。我們發(fā)現(xiàn)，阻礙分析技術進步的障礙之一，是現(xiàn)有數(shù)據(jù)的孤立性，這就導致難以將企業(yè)范圍的數(shù)據(jù)納入決策之中。未來的決定會涉及跨越組織邊界，例如跨越營銷和運營。打破數(shù)據(jù)孤島后，定價團隊就可以整合各種運營因素，例如交付能力或交付周期，從而提高組織績效。
最后，在我們看來，最重要的是，公司要投資關鍵人才，并且開發(fā)獲得這類人才的途徑。有很多方法。一種可行方法，是與可以提供數(shù)據(jù)科學學位或類似項目的大學開展合作，這些項目通常會設法為學生提供可操作的真實課題。這樣做有兩方面的好處。學生可以獲得相關商業(yè)問題的實用知識，練習向企業(yè)領導者提出分析解決方案，同時，公司可以了解最新工具，并為未來的招聘機會提前預覽一部分人才。另一種可能是為現(xiàn)有員工制定培訓項目。量身定制的內部項目可以向老板傳遞分析工具的一些基本知識，也可以向全職從事分析的人傳授業(yè)務知識。
技術革命往往分為兩個有重疊的階段：引入一套新工具，然后獲得操作這些工具所需的專門知識。第二個階段，即開發(fā)運用新工具的技能，往往會減緩采用速度。在職業(yè)初期，托馬斯·愛迪生（Thomas Edison）身邊沒有多少電工，而萊特兄弟（the Wright Brothers）則是自行車技工。在這方面，數(shù)據(jù)分析革命并沒有什么不同，不同的是這些新工具的設計速度。在有海量數(shù)據(jù)的時代，先學會從深刻見解中獲益的人，無疑會比競爭對手獲得更強大的運營優(yōu)勢。
