大數據背景下企業加強預測分析以優化決策

高嘉莉

摘要：由于大數據的極大豐富，企業進行大數據預測分析，獲取更智能的決策信息。在數據預測分析的原則指導下，建立預測分析框架。在數據預測分析的各個階段，運用數據預測分析的結果，將企業運營與預測分析結合起來，提高績效管理并優化決策。

關鍵詞：預測分析；績效管理；優化決策

企業進行數據預測分析，作為服務于最終目標的一種手段。這個最終目標就是要為企業提供更迅捷、更智能的決策，將決策優化。預測分析是追蹤對已經發生的事情“為什么”的理解，獲取原因方面的洞析。這樣企業通過信息驅動的洞察來建立戰略。這些洞察通過各個方面的分析能力，如客戶細分、客戶滲透和市場份額以及渠道和成本等，這就是預測分析的核心，特別是前瞻性分析的核心。預測分析非常重要，通過它，企業組織可以從事中控制管理和對事后數據的被動反應轉化為前瞻性的規劃管理，這樣具有了前瞻性，在問題發生之前就進行調整和采取相應的措施。例如，通過對汽車制造商的保修索賠進行分析，能夠探查汽車設計方面的問題。客戶個人信用卡的購買交互數據歷史可以轉化為信息，為客戶提供更好的追蹤服務或者為其提供個性化的產品服務，從而提高銷售量或銷售額。

一、運用大數據預測分析的原則：

原則一：分析的數據應相關、及時且可靠

要識別對企業運營關鍵性的決策，并且能夠推導出制定這些決策的模式。企業組織理解了需要的決策類型，就可以確定預測分析所需要的數據源。為了讓分析的數據有價值，數據應當具有：第一，數據能反映與客戶的關聯性；第二，數據是持續的可信賴的流程處理的結果；第三，對制定決策者來說數據具有能夠反映適當的時間的范圍。在適當的時間得到有意義的數據，以他們信賴的方式提供決策信息。數據分析應當能量身定制提供給特定的信息消費者，根據表現形式和相關背景，并描述其可供選擇的行動措施，以幫助管理者進行決策。

根據預測分析結果制定關鍵業務決策，強大的預測分析，使得為企業提供更有效的決策成為可能。例如，dell電腦公司，基于客戶訂單來進行物流網絡管理和組裝電腦的組件庫存管理。其敏捷性的表現在于，如何對可交付產品和供應鏈進行相關配置，以保證對組件及裝配的高效管理水平。預測分析以一種有序的并且是有成本效益的方式將庫存水平與計劃裝配能力聯系起來，預測客戶訂單的技術。最終，庫存與裝配有效結合，客戶及時收到訂購產品，dell公司可以實現營運利潤、市場份額以及客戶忠誠度的綜合目標。

通過分析得到的數據應當是對客戶有用的，數據分析應該反映組織的業務模式，開發出前瞻性的信息，這些信息應該能夠促進關鍵的問題和企業策略的制定，數據通過分析得到的結果要能夠適用于一定的目的。例如，企業為制定生產計劃和進行生產調度為目的而預測分析所需的產量，與為了預測半年后的產品銷售收入為目的而預測分析的產量，這兩者目的是完全不同的。數據分析就應當是在客戶需要的時候，客戶需要的地方，以客戶需要的方式提供適用于決策目的的數據分析。

原則二：保證數據來源的整體有序性

數據來源的整體性對預測分析是至關重要的。數據的整體性是指動作、數值、方法、指標、原則、預期和結果具有一致性。數據來源具有整體性，意味著企業組織要建立統一的數據標準和嚴格的數據質量系統。數據整體性也意味對所分析的基礎數據能夠給予信任，如果缺乏可信任的數據，即使有統一的流程系統也將產生不能被使用的分析結果。所有需要數據分析的客戶都應當意識到數據整體性與數據質量問題，或者對所使用的數據進行評估。

在數據分析中，企業組織中的所有層面應當使用一致的數據。這樣就可以在企業組織中各個不同管理層和運營層中產生同一數據事實的透明度。決策人員更需要獲得同一套數據測量結果，這樣他們才能對數據分析結果運用判斷力，制定決策信息。例如，將研發、設計和生產各個環節的數據整合，可以提高生產效率和縮短生產周期并提高產品質量。

原則三，績效衡量系統應該是財務與非財務、內部與外部的數據相結合

企業組織擁有大量的數據，那么在績效管理衡量系統中，要找到核心的數據指標并幫助管理層制定決策。數據預測分析應當做到：①將財務指標與非財務績效指標關聯起來；②能夠報告歷史績效數據并且監控當前企業業務運營狀況；③在企業運營過程中，預測未來事件的發生，同時在需要的情況下采取恰當地優化決策行動。產生分析的績效衡量系統應當是規范且持續的。一套平衡測量系統將包含企業內部及外部的驅動因子，反映財務與非財務的績效指標。外部因子指標反映社會經濟形勢、市場環境、競爭對手和供應商的影響。內部業務因子指標可以是財務層面也可以是運營層面。這些內部因子或外部因子可以是，①這些因子可以反映一段時間的變化，例如新房銷售額、新產品銷售額、貸款違約率等。②一些因子反映在給定時間內的變化，例如新生兒人口數、新員工數量等。③一些因子反映某個時點的變化，例如利率、油價和銷售傭金的變化等。這些驅動因子通常與影響競爭的環境和組織的外部不確定性相關，例如消費偏好、技術變革與需求變化等。

二、建立數據預測分析框架

數據分析帶來的商機對公司企業逐漸變得愈來愈重要，實現良好的預測分析能夠帶給企業組織以獲得競爭優勢。數據預測分析，通過建立持續性框架來有效理解發生的事件，把握企業的相關驅動因子以及這些驅動因子將對決策產生的影響。

步驟一，流程設計

企業組織開發一個流程，使得能夠基于一定的數據因果關系來進行預測分析。基于最近經濟趨勢、競爭態勢和業務環境等變化來分析歷史數據的相關性，屬于流程的內在方面。還要根據資源需求和組織環境。資源需求包括所需專業知識能力、分析技能以及數據分析所需遵循的決策權范圍等方面的內容。例如，新產品開發需要包括營銷部門、配送部門、和生產部門等幾個職能組織的緊密合作。流程設計必須融合每個職能部門的關鍵驅動因素，將各個流程之間的原因和結果可靠地聯系起來，且展示與新產品發布相關的許多可選擇的關鍵決策和行動。流程設計必須保證內部測量（例如，新產品開發時間）與外部測量（例如，第一年銷售額）的平衡。在這個鏈條中的任何一處缺陷都有可能會影響新產品的發布。

進行流程設計時需要考慮的方面：第一，行業動態。這可能會影響組織的商業模式和商業周期（例如，產品長周期VS產品短周期）、競爭地位、行業監管。第二，各風險因素的影響程度。產品響應時間、成本與庫存水平、訂貨周期和資本投資等不同風險因素的影響程度。第三，重要性和波動性。主要是查看兩個因素之間的平衡狀態，什么情況下會出現例外或異常情況，異常或例外是在建立業務流程中需特別注意的地方。

步驟二，模型開發

模型開發關鍵是建立輸入數據與形成結果之間的相關關系。輸入可以是離散事件（例如。銀行利率的變化、新產品的開發）、聚合事件（例如，失業率、消費者違約）或結構性事件（例如，新廠房的建立、行業監管機構的審批）。確定輸入和結果之間的關系隨著時間推移體現出持續性，并且可以合理預期這種關系在未來一定時期可以持續的可能性。例如，某條航線的一個航班，開始預訂之后就可以測量出客運收入變化，還可以根據定價、取消訂票歷史數據以及客流量等來對這次航班的運營進行分析。

步驟三，數據獲取

預測分析的數據來源于方方面面。對背景環境、商業關聯情況以及管理層所考慮的影響予以分析考慮。例如，西南航空公司，各個航班收入的經濟相關性和可變性都高，需要每日更新，預測的時間范圍可能是1個月。燃油價格的經濟相關性和可變性可能需要每周更新，預測的時間范圍估計會是3個月。廣告成本的經濟相關性可能是每月更新，預測的時間范圍將會是6個月。這樣有些數據獲取周期長，則有些數據獲取周期短。

對企業組織來說，數據的獲取是比較復雜的。數據的定義往往是不一致的并且是不易處理的或者是需要付出高額成本才能得到的。當獲取信息數據的業務部門在獲取數據的步驟環節逐漸成熟起來后，可以儲存并能隨時訪問大批量的、能夠在執行數據分析時有效結合起來的財務、非財務數據，這樣可以提供高質量的數據。

三、通過績效指標預測分析優化決策

在大數據環境中，企業組織必須能夠自我調整，對變化的數量和速度做出有效的反應。績效管理分析可以促進資源分配和改進決策、提供反饋和對比結論說明，成為數據有效預測分析的核心。有效的績效分析，幫助在組織中進行戰略溝通，將業務績效衡量與戰略、運營業績指標以及相關改進計劃同步起來。

績效衡量指標的定義，一般是通過外部驅動因素與內部驅動因素獲得。例如，外部因素有：①識別潛在的驅動因子，例如，利率。②對歷史數據進行統計檢驗，例如，物價、市場份額。③識別少數可見的強相關關系，例如，客戶分群、客戶滲透、產品組合/替代。④開發和驗證預測能力，成長/保持。內部因素有：①開發適當的成本模型，成本。②識別收入模型，利潤。③從混合的多個成本和活動中分離出可測量的成本影響。④識別生產力與能力因子的關系，生產率。

預測分析的目的就是通過前向、后向以及綜合的數據信息識別出，我們的未來是什么樣，并且能夠促成影響運營結果和戰略執行的管理決策。應用數據預測分析階段主要有：

第一階段，被動的應用。在這個階段，企業組織主要重點是集中在對發生業務事件做出反應，一般在部門職責范圍、職能性活動或績效考量上。企業的這種活動一般依賴于一套有限的工具找到因果關系，這并不意味著組織缺乏有效的運營決策，但更多的是糾正措施方案。

第二階段，系統的應用。在這個階段，企業組織會投入在更多跨部門業務事件以及產品或市場的某些結構性變化上。企業組織擁有更多的實戰工具技術，能夠對未來市場或運營結果提供相當程度的洞察。這個階段會有系統流程的明確標識、清晰的風險管理以及指導決策的管理討論活動。

第三階段，動態的應用。在這個階段，企業組織會提煉出一套驅動因素與結果之間的關系。這樣可以定期獲取關鍵驅動因素的數據，并且在管理決策措施進行時受到監控，討論活動不再是解決單一時間點的問題和狀況，而是會關于當前以及可持續發展需求。決策中用到的信息置信水平逐漸趨高。

第四階段，協同的應用。在這個階段，企業組織各分支機構訪問關鍵信息的能力通常都是實時的和前瞻的，因為業務模型不斷捕捉趨勢和模式進行分析，這樣可以向企業管理層和員工分配預警提示。職責很清晰，不同職能部門之間的相互依賴于業務事件及預期結果相關聯，這樣對企業更具有凝聚力。管理措施和預期結果持續得到分享，企業流程不斷明確，組織的學習能力不斷提高，決策措施不斷改進。

進行大數據預測分析，是提升績效管理、優化決策的主要驅動力。企業管理者不僅僅是希望得到以報告、查詢、搜索以及可視化的數據展示，更重要的是能夠獲得移動數據，獲得數據變化的趨勢內在能力并制定提升組織有效的行動措施，提供決策選擇。這樣通過數據預測分析就架起了從數據到信息再到行動措施和決策的橋梁。通過大數據預測分析，企業能夠提升績效管理，實現可衡量的目標，為企業高效的決策提供基礎。

參考文獻：

[1]維克托·邁爾—舍恩伯格.大數據時代[M].浙江人民出版社，2016，10.

[2]拉里·羅森伯格.大決策[M].上海社會科學院出版社，2015，10.