要從分析中獲取最大效益,就需要精確地聚焦於業務成果。IT領導人透過本文闡明他們如何將公司的分析實務轉化為企業資產。
文/Thor Olavsrud 譯/黃貝玲
許多組織都努力想從它們的分析中獲取商業價值。根據Gartner的調查,到2022年,只有20%的分析見解可以帶來業務成果。Gartner說到人工智慧時表示,今年80%的專案將持續交由專家冶煉。
成立分析專案或分析組織是一回事,從分析中獲取價值則是另一回事。面對COVID-19新冠病毒大流行對全球經濟造成的破壞,企業將會密切關注分析及資料科學團隊的投資報酬率。
[ 下載 2020-21 CIO大調查報告,掌握最新企業IT導入趨勢 ]
「這無關乎分析,甚至無關乎見解,而是與影響力息息相關。如果你不產生影響力,便是在浪費自己的時間,」位於美國俄亥俄州Cleveland的KeyBank(鑰匙銀行)資料長、區資訊長暨企業結構主管 Mike Onders 表示。
不帶一絲情感地聚焦在業務成果是此處的關鍵,而迅速驗證分析可以對企業產生影響力、且隨後能規模化地帶來成果的能力,也是關鍵。
「我們實際上是從要我們期望達到的特定業務成果往回運作,」Experian執行副總裁及全球分析暨人工智慧總經理 Shri Santhanam 表示。「最終,機器學習及人工智慧往往是我們達到最終目標的手段,但是事實上,我們說的、我們共享的、我們與顧客一起推動的,才是更好的成果。」
獲取更高的分析價值
Forrester Research 服務資訊長們的副總裁暨首席分析師 Brian Hopkins 表示,機構面的問題是分析投資報酬率最大的阻礙。
「我們看到的問題是,資訊長的資料策略涉及諸多企業層級的改變、企業流程的改變、IT部門以外的新組織結構,以便做出關於資料定義的決定及做出攸關優先順序的決定、執行資料隱私政策及其它資訊長無法控制卻得付出代價的事情。」
Hopkins表示,許多公司紛紛轉而求助他們的資訊長,希望他們提供一種能讓他們從它們的資料中擷取價值的技術解決方案,但是這些公司尚未看到更大的前景。無論他們為技術專案編列多少預算,他們都可能需要投入多兩倍的資金於廣泛的企業變革。
[CIO都在讀: AI最常見的應用有哪些? ]
[CIO都在讀: 10個數位轉型成功案例 ]
[CIO都在讀: 所有企業都想要的12種CIO技能 ]
「對資料策略懷抱這類崇高願景,而且投入技術解決方案的預算都仰仗資訊長的這許多公司,他們將會了解,資料策略的成本遠高於IT本身,而且涉及許多企業變革,」Hopkins表示。「它包括流程變革、應用程式變革、組織變革管理、獎勵制度變革。」
首先,資訊長必須與企業利害關係人建立夥伴關係。不過,資深領導階層最終必須設計一套獎勵制度來推動那些夥伴關係。
「你必須激勵企業主管關心資料,關心他們的資料可以如何被其它事業單位妥善加以運用,」Hopkins表示。「這並不是多數資訊長揮揮他們的魔棒便可以輕易改變的事。」
在此,IT領導人闡述了他們的組織如何轉為分析驅動的影響力,並提供建議予那些想要將他們的資料實務轉為企業資產的人。
鑰匙銀行─分析的問責
Onders表示,KeyBank藉由讓事業單位利害關係人與分析團隊緊密合作來解決這個議題,並為他們要求分析專案達到的業務成果負責。KeyBank會為每項專案建立單頁章程,描述企業想要的成果及評估該成果的指標。該章程並詳列企業發起人、產品主管、分析主管、風險主管及技術主管。
「此單頁章程表示,『你看的是哪類指標?』他們必須列出這些指標。如果這些分析將改變什麼事物,哪些指標將隨之變動?我們會讓你負責在特定日期前做到你被賦予的期待。分析如何協助你達此目標?那只是一種更積極的指標驅動、影響驅動的章程,且由資深企業領導人承擔起責任,」Onders表示。
[ 加入 CIO Taiwan 官方LINE,與全球CIO同步獲取精華見解 ]
企業領導人每兩個月必須提交一份顯示分析如何影響業務成果的報告,證明對專案持續投資是正確的決定。
Santhanam表示,Experian的資料團隊還仰賴與企業維繫緊密的合作關係來推動分析活動,包括強調「採取可量化的方式釐清業務成果」。但是,Experian的分析哲理也允許採用更靈活、反覆的方法。
「我們從那些不會擴大企業問題的事情開始著手。這讓我們能夠自諸多可能的限制中跳脫開來,使我們非常迅速地運作,並實驗與了解槓桿效力之所在,」Santhanam表示。
捷普集團─精進有助分析成功的技能
只不過,要讓企業與IT部門在分析方面取得成功,文化變革至為重要,因為企業專業人士不僅必須精通資料驅動的流程與技術,還必須填補需求超過供應的領域的技能缺口。
Jabil是一家教育企業專業人士及主管階層如何將分析轉化為具影響力的企業活動的公司。多年來,這家製造服務公司一直致力於讓自己變得更為資料驅動。當努力尋找資料科學家的同時,它建立了一套「公民資料科學計畫」(Citizen Data Science program)來協助挖掘可供它運用的資料。
Jabil(捷普集團)資訊長 Gary Cantrell 表示,Jabil推動讓自己變得更為資料驅動的努力有兩項關鍵元素,一是無情地聚焦在解決企業問題,另一則是讓所做的努力與主管的贊助密切關連。
讓企業領導人及資深主管就定位是一大挑戰,但是最終成了Jabil分析成功最重要的因素之一。做為「公民資料科學計畫」的一環,Jabil建立一個主管階層訓練群,讓主要主管參與為期兩天的焦點資料科學訓練計畫。該計畫幫助主管了解成為資料驅動型組織的重要性,讓他們開始尋找企業問題,並利用資料加以解決,從而累積他們的熱情贊助。該計畫邀請資深主管參加每個訓練群完成計畫之後的匯報,藉以持續加強主管的支持。
「當主管階層開始看到他們組織的問題獲得解決,而且獲得的結果可以幫助他們變得更好時,我們真的開始得到主管團隊的支持與關注,」Cantrell表示。「平心而論,我們前端投入許多精力推銷。然後,又花了三年的絕大部分時間提振資深主管的心。但是如今,過去兩年的問題是『好,你要如何運用分析結果?下一步是什麼?』這花了點時間,但是我們最終藉由將其與企業聯繫起來,讓訊息得以遍傳,而令他們得以看到其價值。」
拜耳作物科學─打破資料藩籬
老舊的資料實務也可能扼殺組織將它的資料轉為企業價值的能力。罪魁禍首為何呢?資料藩籬。
過去幾年來,Bayer Crop Science(拜耳作物科學)一直致力於將機器學習及人工智慧應用於它的企業的各個領域。精準農業(precision agriculture)一直是主要焦點。Bayer Crop Science植物生物技術部負責研究開發的資料策略主管 Michelle Lacy 表示,該公司對FAIR──可搜尋(Findable)、可取得(Accessible)、可交互使用(Interoperable)、可重複使用(Reusable)資料──發布於《Scientific Data》的一組科學資料管理與監督的指導原則──的堅持,是它資料驅動轉型的基礎,幫助它打破資料藩籬。
FAIR是一種資料權利法案,它認為用戶應該能夠輕鬆找到他們的資料,用戶做決策時應該能夠取得他們需要的資料(同時仍應遵循網路安全政策),資料應該可以交互使用,而且資料應該是可重複使用的。
「這非常重要,」Lacy表示。「這是我們的資料策略的基礎。」
由一組人員開發出的資料往往對其它小組進行中的工作有幫助。為了有效利用資料,不同的小組人員需要知道資料的存在及如何找到它,而且資料必須相容。
「如果你在單一工廠操作各種檢驗,無論那是現場檢驗或是在實驗室進行不同的實驗,你都必須能夠將那些資料整合在一處,」Lacy表示。「你可以把它看做是拼拼圖,你操作的所有這些不同的檢驗都是其中一片拼圖。專案主管必須將這一片一片拼圖拼湊在一起。」
信任
就像許多轉型一樣,轉為資料驅動型組織的關鍵在於信任:對團隊成員、對新的流程,而從資料獲得的見解將對企業產生積極影響。
Santhanam表示,有「四大支柱」指導著Experian的每項機器學習及人工智慧專案,那便是:
- 效能、
- 擴展、
- 採納、
- 信任。
Santhanam表示,從過去的經驗得知,信任議題限制了銀行如何運用分析模型。
「許多定位模型都是相當簡單的邏輯回歸模型,原因是,建立對更複雜、晦澀的事物的信心會產生一定程度的風險,使人們感到這種風險超出受到嚴格監管的組織的風險承受範圍。不過,我們看到的是監管架構及在該領域的企業逐漸體認到更複雜的演算法及更複雜的技術之價值,並採取一種以可解釋的人工智慧架構負責任地移入該領域的階段式方法,」Santhanam說。
「最終,要產生影響就需要具備所有那四項要素,而且如果你沒有把業務成果放在心裡做為目標,便很容易迷失方向,」他補充道。
(本文授權非營利轉載,請註明出處:CIO Taiwan)