1.2 數據分析的前景

三天一晃過去了，今天是周五，賈健下班后把王賢約出來吃泰國菜，告訴王賢一個消息——董事會對成立數據分析部門很感興趣，想下周一邀請王賢到集團講講自己的看法。

賈健：前幾天，我提出成立數據分析部門的想法，得到了很多人的支持。但現在面臨的一個關鍵問題是數據分析部門的研究總監誰來擔？現在董事會邀請你去講演，很可能是想讓你參選。小賢，我想知道你的想法，因為一旦競選成功，就意味著你又要變回職業經理人。我不想讓你太辛苦，如果你不愿意，我就謝絕他們。

王賢：老公，說實話，在家呆得久了，真的挺悶的，我正想和你商量想出去找點事做。現在好了，如果能去你們那兒做研究總監，既能做回我老本行，輕車熟路；又能幫你統統盤子，出出主意，何樂而不為呢？就是咱們夫妻倆在一個單位，這樣合適嗎？

賈健：這沒啥，舉賢不避親嘛。再說你能不能選上是靠你的實力說話。

王賢高興地說：好啊，好啊，那我周末好好準備準備。

周一王賢早早起來，化上妝、穿上職業裝、拿上電腦，神采奕奕地隨賈健來到新榮集團。

會議室里坐著5名董事。王賢安好了投影儀就開始了她的講演：

各位朋友，大家好！我叫王賢，之前在北京一家數據分析公司做研究主管，后來在一家互聯網公司做研究總監。今天圍繞數據分析的話題和大家做個交流。交流內容可分三項。

?數據分析的成功案例有哪些？

?數據分析在國內外的發展水平如何？

?如何加強新榮集團的數據化建設？

大家對數據分析都有自己的理解。而我所理解的數據分析是從海量的數據中提取和挖掘出對企業有價值的規律和趨勢，為企業的決策提供支持。

這種支持作用就像哆啦A夢百寶箱里的4件寶貝（圖1-13）：

行為預見鏡——幫助企業識別機會、規避風險；

問題藥丸——幫助企業診斷問題、亡羊補牢；

跟蹤攝像機——幫助企業評估效果、改進營銷；

引力動力器——幫助企業提高效率、加強管理。

1.2.1 成功案例

20世紀90年代初期，被稱為百貨商店之父的美國人約翰·沃納梅克曾說過這樣一句話：我的廣告費有一半浪費掉了，可我不知道是哪一半。

當時無從了解被浪費掉的廣告是哪一半，因為那時搜集數據相當困難，需要大量投入。

而今隨著大數據加之軟硬件技術的飛快發展，使我們追蹤和搜集數據的成本大大減少，分析和挖掘海量數據成為可能。于是有效運營數據的成功企業如雨后春筍，層出不窮。

Facebook廣告與微博、SNS等網絡社區相聯系，通過先進的數據挖掘技術，為廣告商提供更為精準的服務，該模式收到廣大廣告商的熱捧，根據市場調研機構eMarketer統計，Facebook年營收額超過20億美元，成為美國最大的在線顯示廣告提供商。

百思買將顧客調查、銷售數據和人口數據結合起來，以確定在特定的區域中，哪些顧客群的需求已過多地滿足，哪些尚未滿足，并據此改變其門店模式。例如，在富裕男性白領集中的居住區附近，百思買會提供更高端的家庭影院設備、特別付款方式和即日送貨到家。而在經常接送孩子參加體育活動的媽媽較集中的居住區附近，百思買則突出溫和的色調、人性化的導購以及面向孩子的科技活動區。調查顯示，改為有針對性的門店模式后，百思買的銷售額上升了7%，毛利提升了50個基點。

這樣的例子不勝枚舉，數據分析成功運用到企業決策的方方面面，比如在營銷方面，有數據庫營銷、精準營銷、RFM分析、客戶分群、銷量預測等；在電子商務上面，有百度的精準廣告、淘寶的數據魔方等。通過數據分析的輔助，企業的績效得到了很大的提升，據麥肯錫的研究分析表明，在私營部門，充分利用海量數據的零售商有可能將其經營利潤提高60%以上。而我們熟知的寶潔、惠普等很多優秀的企業都是運用數據分析的高手：他們懂得如何將復雜的數據和精妙的模型變為創造卓越績效的有效工具。

1.2.2 行業發展

正是諸多成功的案例，使企業看到了數據分析的價值，帶動了數據分析行業的快速發展。在全球500強企業中，90%都是基于數據分析來制定重要決策的。在歐盟、美國等發達國家，數據分析普遍被作為運營決策的前提要素：借助數據報表，知道市場上發生了什么事；借助聯機分析處理（On-Line Analysis Processing）鉆取和多維分析，知道這些事情為什么會發生；借助預測模型，知道未來是什么趨勢，有可能發生什么。數據成為企業決策的前提條件。

在國外，數據分析行業發展已經非常成熟，并呈現出三大景象。

景象一：數據分析人才愈發短缺。Gartner預測，從現在至2015年，企業大數據將在全球創建440萬個工作崗位，其中有190萬個工作崗位將在美國。但是，目前擁有大數據技能的專業人員嚴重短缺，只有三分之一的新工作崗位將招聘到人員。

景象二：數據公司融資捷報頻傳。2011年年底，美國Mu Sigma數據分析公司從紅杉資本和泛大西洋資本集團融得1.08億美元投資，創下數據分析行業單輪融資規模之最；2012年，美國社交數據挖掘公司Datasift獲得2220萬美元風險投資；荷蘭大數據實時搜索和分析服務公司Elasticsearch獲得1000萬美元投資，觸屏數據分析服務創業企業Heatma.ps獲40萬美元投資。數據公司融資步伐的加快表明數據分析行業廣闊的前景被國際投資公司廣泛看好。

景象三：伴隨著企業數據分析需求的增長，發展出很多具有規模的專業性服務機構。

根據中國商業聯合會數據分析專業委員會發布的《2010年度中國數據分析行業年度發展報告》顯示，數據分析的專業服務機構可概括為4類，它們各自的特點見表1-1。

而在我國，數據分析行業的發展與國外發達國家具有一定的差距，但隨著企業量化決策意識的逐漸提高，也呈現了三大景象。

景象一：數據分析人才培養如火如荼地開展。自2003年起，由工信部教育與考試中心與中國商業聯合會數據分析專業委員會共同培養和認證的項目數據分析師，輻射全國各省市地區，培訓規模達到上萬人之多。另外，在人大經濟論壇上也有很多具有數據分析實戰經驗的專家所推出的優質課程，這些培訓推動了數據分析行業的人才儲備。

景象二：數據分析專業服務機構如雨后春筍般涌現，有用友、金蝶等軟件公司；有淘寶、百度等互聯網公司；有新華信、零點等市場研究公司；還有中顥潤等項目數據分析事務所。

景象三：形成了企業數據分析需求外包和內置兩種實現模式。需求外包是通過專業服務機構來滿足企業數據分析的需求。比如，新浪和尼爾森合作；長虹和奧維合作。需求內置是通過設置專門的數據分析崗滿足企業數據分析的需求。比如，中國移動、京東、三星、聯想等很多企業都會有專門的數據分析崗。

在這樣的背景下，新榮集團需要審視和思考自己的數據化程度和數據化建設。如何衡量數據化程度呢？可以從建設水平和應用水平兩個角度考慮。在建設水平方面，可以用經費投入，部門建制，數據的全面性、系統性和安全性等指標衡量。在應用水平方面，可以用業務覆蓋面和業務應用深度兩個指標衡量。從而將數據化程度分為9個階段（圖1-14）。

如何開展數據化建設呢？基于數據化程度，需要建設先行，具體分四步（圖1-15）。

第一步：初級建設，初級應用——中級建設，初級應用。

第二步：中級建設，初級應用——中級建設，中級應用。

第三步：中級建設，中級應用——高級建設，中級應用。

第四步：高級建設，中級應用——高級建設，高級應用。

目前新榮集團數據化程度較低，不論是建設水平還是應用水平都處于初級階段。因此，新榮集團需要走出第一步：加強數據建設方面的經費投入，建立數據分析部門，整合數據資源、加強數據的安全性，同時提高數據分析對業務的支持面和支持度。

王賢講完向五位董事深深地鞠了一躬，會議進入互動環節。