激活C級高管，夯實大數據分析

來自領導層的阻力讓很多公司的大數據工作停滯不前。新的管理架構、角色和分工是解決這一問題的有效方法。

過去三十年，許多公司增設新的管理層以應對變幻莫測的商業環境。伴隨著價值管理以及企業與投資人關系日趨透明，越來越多的公司有了首席財務官。隨著品牌建設與客戶管理對公司的重要性與日俱增，首席市場官就變得越來越重要，此外，還有不少公司設置了首席戰略官，幫助公司應對來自市場的挑戰。

現在，數據分析的力量正深刻影響著商業格局。抓住數據發展帶來的機遇，增加利潤，提升生產力甚至打造全新的業務單元，成為了企業的新需求——這不僅需要信息基礎設施領域的人才與投資，也需要變革思想觀念，組織一線培訓，提高團隊的執行力。若沒有強大的執行力，要充分駕馭數據分析的巨大浪潮將格外困難。

大數據對公司的影響非常廣泛，涉及市場營銷、風險、運營等，高級管理層能夠以不同的方式參與其中。某些情況下，可以將任務委托給首席信息官、首席市場官、首席戰略官等。其他公司或許需要新的角色，如首席數據官、首席技術官或者首席分析師等，來組建一流的數據分析中心團隊。

重新構想高管的角色與職責，聽起來非常困難，但鑒于目前數據發展創造的機遇與挑戰，如不重構高管結構，企業的發展將面臨危機，也有可能陷入更為激烈的競爭環境中。

高管的六大數據分析任務

制定并實施大數據及高級分析戰略，不僅僅是將數據提供給外部供應商以找出隱藏的趨勢。其實，這意味著對企業日常的業務經營要進行深入變革。這一變革通常意味著轉型，而落實轉型對高管團隊提出了更高的要求。經驗豐富的高管是不可替代的，他們運用自己的知識，消除相關威脅，做出艱難的權衡，在決策權遇到沖突時拿出權威來，并發出管理層致力于創建數據分析文化的信號。根據我們的經驗，轉型所需的協調行動可以從六個方面入手。在分配職責或創建職位之前，企業領導應對這六方面的情況進行充分了解。

樹立新的思維方式

在轉型之初，高管團隊需要掌握數據分析的相關知識，以理解哪些趨勢正在快速成為現實，同時接受這一觀念——數據應該成為企業的業務核心。在這樣的認識之下，可持續的行為變革才能在組織內形成氣候。

“數據分析能夠在哪些領域實現業績的大幅提高？”這個問題很重要，一開始就必須提出來。每個重要的BU（事業部、業務單元）和職能部門都應該考慮這一問題，并獲得有實權的高層領導的鼎力支持。

一家大型運輸公司的領導要求首席戰略官負責數據分析工作。為使高管層拓寬思路和掌握解相關知識，首席戰略官安排他們訪問了幾家數據智能應用領域的領先大型企業，然后要求每個職能部門在來年的戰略計劃中制定數據分析的重點。這一流程設置了和制定實際業務目標相關的重要節點，并引起了BU負責人的重視。沒過多久，他們就已經能夠公開分享、探討方案并尋找新的分析機會。這些做法激活了組織的潛能。

制定數據分析戰略

和任何新的商機一樣，如果沒有清晰的戰略、良好的運行和成功的對標，數據分析項目將無法實現全部的潛力。很多企業在這方面飽受挫折，原因就是高管團隊中沒有專人負責制定計劃，未能進行充分的討論或者沒有足夠的時間來統一安排各項工作重點。一家電信公司的首席執行官非常希望加強數據分析能力，特別是提升挽留客戶和定價的洞察力。該公司迅速聘請了一位資深數據分析主管，但全部工作卻很快停滯不前。公平地說，分析團隊建立了模型，也做了深入分析，完成了應做的工作。但BU的同事在培訓中層經理使用新模型時太慢，因為他們沒有看到新模型的潛力，所以培訓工作自然沒有成為他們的戰略重點。

和眾所周知的戰略規劃流程相似，實現數據分析潛力需要清晰的計劃以確定工作重點，也需要經妥善定義的路徑以實現業務目標。制定這樣的計劃離不開領導層的參與。在北美的一家消費品公司，首席執行官要求網絡和數字化運營部負責人（一位擁有豐富數據經驗的高管）制定公司的計劃，且進一步提出，該計劃要和不熟悉大數據的一位BU負責人共同制定。這一合作結合了數據分析專家和經驗豐富的一線同事的智慧，確保計劃中的數據分析目標聚焦于切實可行、影響深遠的業務決策。而且，在和其他高管團隊的成員分享項目進度后，兩位計劃制定人之間的合作方式也成了其他BU制定工作規劃的藍圖。

確定什么自己開發，什么需要借助外力

另外一些決策也需要高層領導權威與經驗的支持，包括數據加工、建立高級分析模型和工具以提高業績。這些工作的推進常常伴隨著巨大的資源需求。如今市場上已經有很多供應商能夠提供的核心數據、模型和工具，高管團隊要根據自身經驗做出自建還是購買的決策。戰略的迫切性和可預期的業績提升是否表明，公司需要內部開發和擁有一套可完全定制的、擁有自主知識產權的數據分析系統？迅速達到規模是否足夠重要，以致需要借助供應商的經驗和人才來共同承擔這一任務？創建強大的數據資產也需要高管團隊的參與。例如，要確保收集到有價值的外部數據，可能需要依靠和客戶、供應商或價值鏈上的其他相關方建立高層合作關系。

不同的零售商選擇了截然不同的道路，這說明企業領導必須權衡的事項范圍很廣。一些零售商已經和數據分析公司簽了長期合同，內容涵蓋一系列廣泛的分析需求。一些大型的在線或實體公司則大力投入，以建立深入的內部數據和分析能力。每種選擇都反映了戰略、財務和組織結構的動態需求，而這些事項不應該交給中層經理來做決定。

確保數據分析能力

幾乎在任何一種戰略情境下，組織都會需要足夠的分析專家在快速變化時發揮作用。當今的數據分析是公開的，經常基于云架構，以快速和用戶友好的方式組合內外部數據。公司還需要一支力量強大的統計專家團隊來創建預測模型或最佳模型，并對其進行有效的管理。

這些統計專家只有在全球最熱門的高級技能人才市場上才能找到。留住這些有價值的員工，讓他們和業務部門的負責人進行溝通并發揮真正作用，這是高管團隊的一項重要任務，經常需要富有創意的解決方法。例如，一家大型消費公司大數據項目的負責人決定對一個分析部門進行投入，該部門遠離公司總部，但是有充足的人才以及數據科學家和工程師偏愛的文化環境。于是，該負責人采取閉環方式，以確保分析團隊的每個部門和公司總部的BU團隊建立直接聯系。

調動相關資源

令企業意外的是，為了建立新的決策支持工具并幫助一線經理使用先進的分析模型，管理層常常需要投入無窮的精力，才能調配眾多職能部門和業務部門的人力和資金。通過數據分析清除推動決策的體制障礙時，充分授權的高管人員至關重要。成功的關鍵在于將不同部門的經理團結起來進行變革，鼓勵IT專家、業務專家、分析專家和培訓專家統一行動。如果企業的管理層沒有做出承諾，失敗的幾率會很高。

例如，在另一家運輸公司中，產品部中層經理的任務是找到數據分析機會并加以推進。當數據小組不能按時或按可用格式交付數據時，數據分析經理往往非常沮喪。當需要將分析結果嵌入定制工具時，緊急請求卻占用了日常預算和計劃中的流程，這讓數據分析經理更加沮喪了。于是，加快數據分析的任務轉交給了負責市場和銷售的高管，由他召集了包括數據庫經理、分析師和軟件工程師在內的跨職能團隊。該團隊輪流展開工作，從分析啟動到實施階段花了6—8周時間。通過這種快速的調配，該高管才負責了幾個月，公司就已經完成了幾個重點的數據分析項目。

培養一線能力

由統計學家和科學家精密設計的數據分析解決方案必須以簡單易用和吸引人的方式嵌入一線人員的工具，讓經理和一線員工在日常工作中樂于使用。切勿忽視數據分析技術的部署范圍和方法，包括正式培訓、在職輔導和清晰定義的指標。根據我們的經驗，很多公司將90%的資金用于建立模型，僅有10%投入到一線的使用。事實上，后者合理的投入比例應該接近一半。

但是在很多情況下，高管團隊中沒有專人負責持續進行基層的變革。由于高管層沒能承擔應有的責任，也缺乏積極性，一家金融服務公司雖然多次在分析項目上進行投入，最終都因為缺少培訓和接受度不高導致勞而無功。公司領導對此非常不滿，讓業務部門一把手負起責任，為經理和最終用戶提供持續培訓，積極推動分析工具的不斷改進，并通過新的指標追蹤工具的使用情況。由于持續應用分析工具，轉型工作終于取得了預期的成果。

將領導力用在刀刃上

當評估這些挑戰時，大多數企業會承認擴容高管數量有必要。但這并沒有回答新職位應該如何架構，如何勾勒新的權力關系等重要問題。正如下面我們所介紹的，經驗顯示，企業應該集中領導其數據分析策略和人才庫，甚至建立正式的卓越數據分析中心。但是一線活動（調配資源、培養能力）需要在BU和職能部門層面進行。其原因有二。首先，使用數據分析提高營收和效率的重點對于每項業務是不一樣的。第二個同樣重要的原因是，當一線變革與核心運營及管理重點相結合，并通過清晰的指標和目標予以強化時，企業才能夠最有效地推動這一變革。

將調動一線的責任交給B U的呼聲很高，但是除此之外，對企業在哪里以及如何增加領導職位沒有統一的方法。由于數據分析應用相對來說還不夠成熟，這種情況也在意料之中。但是企業領導在評估各自的選項時不應盲目行動。根據我們的經驗，領導人應督促自己回答下面三個關鍵問題。

（1）是否所有BU使用共同的客戶關系管理或運營管理中央數據庫？

（2）在內部建立大量分析資源以留住人才并建立專屬的資產和優勢，是不是必不可少的？

（3）在每個BU中，目前的職能負責人能否應對變革管理的挑戰？企業是否應該安排高管專門負責數據分析的變革工作？

我們將列舉不同企業解決上述問題的不同方法，以闡述這些問題的重要性。

當中央數據資產成為關鍵

在很多消費者服務企業，利用數據分析需要合并來自多種業務或渠道的交易數據。這一方法讓這些公司能夠作出市場判斷，例如消費者如何使用網站，或如何在線上和線下購物之間取舍。這些公司通常已經擁有（或者正在建立）新的中央數據庫或數據環境，以及相應的數據管理能力。此外，還經常需要解決新問題，例如，如何在獲取數據的同時保護客戶隱私，或確保關鍵客戶不會受到不必要的騷擾。

在這種情況下，增加首席信息官的職責，讓他帶領團隊發展數據分析策略和培養人才，是一種常見的做法。在運營方面，首席信息官負責開發數據和構建分析基礎架構，并推動BU進行變革以實現數據潛力。

例如，在一家多元業務的消費者服務企業，董事會及高管團隊認識到，如果企業能夠利用多渠道數據庫來充分把握各個BU的數據分析機會，就可能實現業績的大幅提升。意識到中央數據庫在日常工作中的重要地位，管理團隊于是指派首席信息官負責這項工作，并制定數據和數據分析策略。

公司領導認識到，每個BU必然有其數據分析重點，比如加強產品促銷或者優化庫存水平。另外，來自不同團隊的經理將相關市場判斷運用到各個BU。管理層認為，在這樣的情況下，從公司總部層面管理數據分析工作及一線培訓將是一個錯誤，于是決定讓首席信息官和BU負責人合作，和他們一起分擔相關責任。

目前，首席信息官主要著手兩個關鍵項目。第一個項目是建立一套新的基礎架構，將公司的多渠道交易數據和外部的社交媒體及競爭對手信息整合起來，并通過易于使用的用戶界面，將分析結果交付給業務單元。第二個項目是建設數據分析能力，這個任務可以分配給不同的BU，并對其進行集中管理。至少在未來幾年內項目達到足夠規模之前是這樣。

分析團隊的負責人是一位向首席信息官匯報的資深高管，他為管理層提供了新的核心能力。與此同時，BU的領導制定數據分析重點，培養一線經理的技能，讓他們能夠使用新的模型開展工作，比如，重新分配各個媒體渠道的費用。

當真正的內部分析能力成為業績驅動機

第二種方法和我們剛才提到的集中化有關，但是特別包括了那些決定自建而不是外包關鍵高級分析能力的公司。做出這一決定后，組織經常會集中化部署相關能力，使其成為為各BU創造價值的公共平臺。

在一家面向消費者的公司，分析能力和領導力過去集中在財務和風控團隊，它們曾經負責創造主要的和數據有關的價值。當公司開始采取較為激進的數據分析策略時，首席財務官負責了幾個項目，包括制定基本策略，監督核心風控分析工具是自建還是購買的決定，調動職能分析團隊內部的資源，以及建設相關能力。

但是，在做出這些關于分析的主要決策后，首席執行官和首席財務官很快意識到，為了讓分析團隊獲得更高質量的數據，加強變革力度并重新打造各BU的某些流程，還需要大量的輔助工作。為此，公司在首席財務官之下設立了首席數據官這一新的職位，負責主動管理信息，包括和業務經理合作，找出那些甚至還沒有察覺到的內外部數據。交付后的數據可進行分析，并由建模專家迅速應用到所需的項目中。重要的是，數據應不斷保持更新以進行新的嘗試和更廣泛的應用。很多公司可能都會需要這樣的高管來支持BU負責人，因為他們能夠找出數據型優勢的來源，建立分析重點，并盡力加速一線的應用。

當BU內的管理規模和復雜性非常顯著時

在對公司策略進行了全面審視之后，一家大型金融服務公司發現，如果大力發展數據分析，某個BU就可以獲取顯著的競爭優勢。為了堅決推動這一策略，公司聘用了一位首席分析官，向BU總裁匯報，并通過新建的卓越中心管理內部顧問、分析建模師和軟件程序員。

這樣的方法為組織架構帶來了重要的變化，促進了BU的數據轉型工作。首席分析官作為高管團隊之一，能夠推動一系列廣泛的決策，包括制定分析策略和定義一線經理的責任。由于卓越中心橫跨多個領域，首席分析官能夠迅速調動數據分析和軟件編程資源，加快建立一線工具。與此同時，從BU內著手相關工作，能夠讓他深入了解問題所在，包括工作的重點、方式和持續不斷的挑戰。這樣他就可以更加敏銳地判斷需要開發哪些工具，更加清晰地了解培訓項目需要培養的能力。BU負責人和首席分析官之間的日常互動使他們能夠保持對數據分析及其實施進度的關注。

這一做法取得成效之后，公司最近又進一步設立了首席數據官。他向首席信息官匯報，并在日常工作中和首席分析官密切合作，推動數據和新的分析工具的結合，以加速一線的變革。

對致力于挖掘數據分析潛力的公司來說，無論最終的解決方法是什么，領導力的問題都已浮出水面。對于有的公司比如剛才舉例的消費型公司，現有的高管團隊需要增加工作量，承擔更多的管理責任，并爭取高管層的更大支持。對于另外一些公司比如我們也研究過的金融服務公司，新設一個或多個高級職位來推動數據分析工作，將是最好的解決之道。

不管是何種類型的公司，高管團隊（很可能也包括董事會成員）都應更好地理解確保數據分析工作成功所需的投入規模，在對現有職能管理范圍和能力進行評估后敏銳洞察組織的核心價值來源，以調整現有的結構。這些工作都不輕松，卻能護航數據分析成長為企業新的增長點。