Turn insight into action with predictive analytics

There are a host of uses for predictive analytics

来自预测性分析学的挑战 (Chinese version)

文/ Beverley Head   译/ 章海贤

经过数年的谈论,预测性分析学终于被广泛使用。现在的问题是:企业是否拥有能够充分利用这一工具的管理人员和数据科学家?

当澳洲电信呼叫中心业务员问“你好吗?”时,他们会十分认真地倾听回应。

数据分析发现,那些打电话来取消电信业务的用户中,有48%的人会回答“还可以。”这就敲响了警钟,精明的呼叫中心业务员知道,挽救这个客户的可能性已经很小。

当澳洲电信最初使用预测性分析学时,仅仅是为了提高顾客满意度。然而,澳洲电信的供应商Verint顾客分析部主任哈登(Belinda Haden)说,使用分析学之后,使得公司的收入增长了11%。

她说,分析顾客的电话内容和情绪,使得澳洲电信能够找出共同的问题并解决其中的许多问题,同时还能加快投诉的处理。哈登说,顾客电话已经减少了28%, 而向电信部门监察署投诉澳洲电信的案件也下降的24%。

预测性分析学利用技术在收集的大数据中找出规律。通常,这些收集的资料并不能从数据库中轻易找到,它们隐藏在一堆专家称之为“无序数据”的 音频文件中。预测性分析学要利用特别开发的视觉化工具,有助于实时找出可能出现和有代表性的结果,这样,企业就可以马上做出回应。

例如,一个应用软件可能会告诉零售商有顾客正在接近商店。该零售商已经对该顾客以往的购买行为进行了分析,知道该顾客的购买习惯。因此,他们可以参照背景相同的顾客会继续买什么,然后给这位顾客发送电子购物赠券,鼓励他们来商店,并根据赠券信息进行购买。公司也可以利用预测性分析学调整商业模式,以便应对市场环境的变化或新出现的机会。

澳新银行部署的猎鹰(Falcon)系统展现了分析学能力的最高水平 – 通过监视实时银行卡交易来找出异常。该系统会问:你今天早晨5点钟在新加坡购买1000澳元的电子产品,而昨天还在悉尼的Woolworths超市花了45澳元,这真的是你吗?

澳新银行2005年末启动这个系统时,处于市场领先地位。当时,预测性分析学还主要是卖家进行大肆宣传,很少企业真正使用。然而现在,工具和技术均已经成熟,价格也不贵,要求计算机有效处理数据的能力绰绰有余,费用也不高。对大多数企业来说,剩下的挑战就是要说服领导层认可预测性分析学的价值,然后找到能够将洞见转化为行动和企业价值的数据科学人才。目前,这种人才仍十分稀缺。

 

使用大数据

现在一谈到预测性分析学就离不开企业可获得的“大数据”— 就像信息消火栓。

让我们来看看波音787梦幻客机。每次航班把半个TB的数据传到波音公司的飞机健康管理应用系统,该系统会分析飞行数据,精确查出飞行规律,找出预防性维修的机会,然后将这个建议提供给波音的末端信息系统,来安排维修人员或订购零部件。 这样可以使运作更为顺畅,减少停飞时间,并降低风险。

那只是机器生成的数据。此外,其它信息来源于现存业务系统和电子数据表、呼叫中心通话记录、智能装置和安装各种应用软件智能手机以及社交媒体。

根据IT公司EMC数据宇宙的研究结果,每两年数据就会翻一番。该研究推算,到2020年,地球上会有44ZB(1ZB等于1百万GB)的电子数据。

预测性分析学的挑战在于从数据中找出价值。

IBM准备建造其直觉机器Watson时, 可谓勇往直前,知难而上。就像大多数伟大技术的发展一样,Watson诞生于网吧。IBM的研究人员观看美国知识竞赛电视节目《危险(Jeopardy)》时,开始考虑是否有可能建造一台能获胜的计算机。2011年,Watson与该节目的人类冠军对垒,结果它赢了。

穆克基(Dev Mookerjee)是IBM Watson公司亚太区技术销售主管。他解释说,开发该系统是为了“复制人类的认知框架”。该机器无法编程,但如果输入足够的有价值的数据,它就能够学会分析信息,并对提出的问题提供有分量的答案。

Watson正在支持IBM的一项预测性分析学服务 ,名叫Watson客服顾问。坐落在墨尔本的迪肯大学(Deakin University)应用此服务系统来回答学生咨询。起初,该服务只是回答一些简单的问题,但后来迪肯大学要用它来提供职业或课程辅导,以降低学生的退学率。同时,澳新银行正在研究如何利用Watson来帮助其财务顾问。澳大利亚移民部也在试用Watson服务系统。

穆克基说,有4家日本保险公司利用Watson,已经使其健康险80%的保险索赔业务实现自动化处理。在美国,斯罗恩•科特林癌症中心的肿瘤科医生一直在与该系统分享他们的经验,以便Watson能帮助医生开发患者医治路线图。

预测性分析学已经十分成熟,现在广泛地被各个行业应用,配套的技术也在急速发展。一些特别设计的系统,如Hadoop软件框架,可以作为一个平台,用于分析海量无序数据采集过程。(最大的数据采集过程现在十分庞大,故被称为“数据湖”。)

据分析师Gartner称,SAS是预测性分析学领域的领头羊。该公司正在使用快速记忆处理来分析以每秒400笔交易的速度进来的数据。数据处理和储存成本的下降使得应用这项技术变为可行。

 

让分析学发扬光大

虽然预测性分析学需要驾驭技术,但远远不止技术问题。安永会计公司全球首席分析学官马泽(Chris Mazzei)对此有很贴切的描述。

马泽说,“分析学不是一个技术问题,而是战略和经营问题。分析学正在改变企业制定决策和实施决策的方式。数据本身的价值有限,但如果把它当做战略资产来管理,数据就可以改变组织竞争和获胜的方式。”

但是,数据得到董事会和首席高管们的重视吗?

独立IT顾问布兰奇菲尔德(Dez Blanchfield)认为,重视还不够。他说,“首席信息官(CIO)已经懂了,但董事会成员可能还不了解。大数据的价值要能够用金钱衡量,就会被CEO明白。大数据通常被CFO误解成风险或成本,而非资产。”

他提到一些行业颠覆者,他们几乎没有实物资产,但数据资产却十分丰富。“世界上最有价值的零售商没有存货 -- 阿里巴巴。增长最快的银行没有钱 – Society One。 世界上最大的出租车公司并不拥有出租车 – Uber。另外,最大的住宿提供商也不拥有房地产 – Airbnb。”

“数据并非一个IT问题…它其实是个商业问题,因此需要列入董事会的议程。”

 

中小企业需要分析学吗?

对波音飞机公司或Aera能源公司来说,数据的价值可以一直追溯到公司利润,但中小企业呢?预测性分析学有用武之地吗?

曾经担任德勤会计公司合伙人、现任澳洲SAS公司金融服务总监弗兰克斯(Paul Franks)说,德勤已经习惯于用数据分析来调整业务。他认为,现代云端工具的提供使得很多企业都可以应用这项技术。他坚持认为,数据分析应该特别引起会计师的共鸣。

“会计师的挑战在于,他们提供的许多服务是固定价格和商品化的,因此这完全是为客户追求价值。他们如何能成为更有意义的教练或顾问?他们该如何利用数据来引导客户,或提供有用信息?”

“中小企业乃至大公司的许多客户都会告诉你,他们有好的会计师帮他们报税,但没有好教练告诉他们如何提高竞争力。”

弗兰克斯说,会计师的挑战是利用数据来找出有价值的信息并提供服务,例如,利用数据图表将客户与同行业类似公司进行比较,然后利用数据分析结果来调整决策制定。

“通常的模式就是,‘我们试试吧,看效果如何。’这其实是在寻找证据,让你对制定的决策有信心,这正好是会计师提供更多价值的机会。技术层面来说更加容易了,云端技术让更多企业可以享受这项技术。”

弗兰克斯补充说,数据分析学也为他们自己的业务提供更好的抓手。“进行同行比较存在的问题是时间可能会滞后12个月。企业需要针对变化的环境和市场需求作出反应。这里一直在强调的就是数据可以用于公开讨论。”

“它可以用来测试企业的压力,检查财务指标并与同类企业进行比较,然后形成一张基本情况表。你可以将自己的企业与其他企业进行对比,看看你的企业和其他企业所处得位置之间是否存在任何变量的增量。我们总是忙于执行业务,我们也应该花些时间来研究业务。”

 

现在该找专家了

很多企业面临的困境是找不到专家。要想充分利用预测性分析学,就得有数据科学人才。然而,数据科学家属于稀缺资源,拥有具体行业经验的数据科学家就更是凤毛鳞角了。

有几所澳洲大学现在已经开设数据科学硕士课程,国外另有47所大学也开设了此类课程,这个数字正在快速增长。你并不需要高深的数据技术就能预测到,这些课程的毕业生将会大受欢迎。

(本文译自澳洲会计师公会2015年7月期杂志INTHEBLACK。)