1.3　工具之外：組織調整

我們之前提到過的挑戰除了工具之外還有別的，比如更聚焦、更多重新定義的新職位和更多文化上的改變。

1.關注變革管理

民主化和新工具的力量可以幫助消除一線工作人員對數據分析的疑惑和陌生感。但是，除了增加信心之外，管理人員需要改變他們的`決策方式來更好地利用數據分析。這是變革管理的核心—它并不簡單，且需要時間。其影響就是，你需要聚焦才能獲得規模化成效，看似有些矛盾，是不是？嘗試在公司所有的日常決策和經營中融入這些改變有些不切實際。然而經驗告訴我們，在全公司范圍內，聚焦在某些領域里進行改變還是有可能的，比如在定價、庫存管理或者信用管理方面。

追求可行的規模化應用目標要比好高騖遠然后失望，或者分散精力到處撒網做試驗要好得多（一次性的試驗通常會吸引一些嘗鮮的早期采用者，但是往往難以跨越鴻溝，很難繼續普及或者產生階段性成果）。

管理者應該反思哪些項目或部門最能夠從數據分析中受益，然后安排新的目標導向的解決方案、可視化工具、變革管理，并針對這些新領域進行培訓。例如，一家通信公司聚焦于將數據分析應用在客戶流失管理方面，挽回客戶將可能對公司的根本利益產生很大影響。首先，公司需要與領先的數據存儲和分析公司合作，（準實時地）辨別哪些用戶可能會離開。模型開發出來后，就要在前端進行新工具的部署。此外，客服的工作流程也相應進行了改變，界面友好的前端應用軟件也投入使用，并針對所有新工具對客服專員進行了培訓，以便有針對性地進行客戶關懷，挽回這些有可能流失的客戶。

2.重新定義職位

將員工工作的一部分自動化意味著角色和責任的永久性改變。舉個例子，如果采用自動定價系統，那么讓相關的經理全權負責這部分業務的損益就不恰當了，因為最主要的利潤準則現在是由機器而不是該經理來決定的。由于經理的職責有所變化或完全消失，企業需要重新定義工作角色，才能夠最大限度地支持和利用正在開發和實施中的新技術。在之前提到的保險公司的案例中，索賠經理不再需要處理全部的索賠事件了，他們只需要關注一些特殊情況的處理，比如最復雜的事故或者最嚴重的財產損失。同樣地，我們需要聚焦，因為重新定義工作職位是非常耗時的，而且只有當自動化工具和新角色設定已經開發完成并通過測試，可以應對這個變化無常的世界帶來的各種可能的意外時才算真正落實。

3.將數據分析融入企業文化

人們談論數據驅動的企業文化已經很久了，但是要想建立這種文化需要改變，由新工具而帶來的各種改變。企業有多種選擇，讓關鍵員工投身于數據分析項目，徹底接納新工具。比如，有一家知名的金融服務公司，它先是舉辦比賽，獎勵并肯定那些通過數據分析得到最有用結果的團隊。其次這個公司建立了集中訓練營，終端用戶可以在這里學到如何使用自助服務工具。再次它建立了高級用戶社區，來幫助終端用戶進行數據分析并驗證其數據洞察。最后公司設立了一個交流項目，在分享會、領導溝通、時事通訊中分享數據分析帶來的興奮與成功（這對保持公司對項目的長期支持很重要）。像這些有創意的活動會幫助公司超越“我們要成為一個大數據公司”這樣的口號，通過實際行動使大數據扎根企業文化。

隨著新技術被輕松地接受，數據分析將被指向下一個目標。要洞悉未來，讓我們先來看一看當下正在利用數據分析進行業務創新的一家知名企業里都發生了什么吧。

這家公司從早期的卓越中心（centers of excellence）起步，有一小撥分析專員，對預先指定的業務需求進行數據分析。現今，業務部門的領導們到一個新型的分析中心進行輪崗，在這里他們可以學習新工具的基本知識及其應用，然后他們帶著數據思維和洞察回到自己的業務部門。他們并沒有成為真正的分析專家或者數據科學家，但是他們可以將數據分析與日常遇到的實際問題相結合，解決實際問題，發現商業機會。

我們可以預見，在未來的某天，會有許多公司的數十甚至數百位經理利用這種中心進行數據分析。這將會加速對數據分析的應用，尤其當數據分析工具變得越來越好用，對前端用戶越來越友好的時候，進而實現大數據所承諾的大影響。

戴維·考特

麥肯錫全球資深董事合伙人

戴維領導著麥肯錫的職能部門，目前是公司數字化舉措的負責人。