咨询|波士顿咨询陈果:仿生型企业转型的数据分析能力提升( 五 )



咨询|波士顿咨询陈果:仿生型企业转型的数据分析能力提升
文章图片

第一种模式在一些消费信贷、金融企业中常见 , 这些企业主要由CDO驱动数字化 , CAO则汇报给CDMO , CDMO汇报给CDO 。
第二种模式是一种中间模式 。 CDMO归属于IT部门 , CIO和CAO以及CDO则是平行的 。
第三种模式 , 由CAO驱动 , CDMO汇报给CAO , 根据分析的要求做数据管理和支持 , 同时CAO与CDO是平行的 。

咨询|波士顿咨询陈果:仿生型企业转型的数据分析能力提升
文章图片

不同的公司有不同的模式 , 以上三种模式可以为企业提供一些参考 。 而解决组织问题需要解决权责的问题 , 我们提供了两个抓手作为解决权责问题的抓手 。
第一 , 分析 。 分析的定义就是从数据建模中形成业务的洞察 。 数据的分析有多种形式 , 传统的形式就是数据的可视化、报表查询 。 高级的分析形式则侧重探索式分析和预测性建模 。 开始的时候我提过不久前我曾在文章里写过中国的BI是很难做的 , 但传统的数据可视化、查询报表的方式则是比较简单的 , 相应的效果也低一些 , 而目前我们很多企业则停留在数据可视化这一层 。
看过那篇文章的读者的反馈里有一类声音说 , 中国企业有这些传统方式就够了 。 我个人并不认同 。 例如探索式分析和预测性建模 , 对企业来说 , 无论是供应链的预测、市场需求的预测 , 甚至设备运行状态的预测等等 , 这些预测都会影响企业如何提升自身的资产运行效率 , 降低时间、人工等成本 。 中国的企业是需要更高级的分析形式的 , 而中国企业分析能力的提升实际上取决于对数据分析的理念、能力的提升 。
企业需要建立一个数据分析团队 , 组建一支数据科学家的队伍 。 现在很多企业也花费了巨大成本招来了数据科学家 , 但却留不住这些人才 , 主要问题一般有两个 , 一是这些人在团队里发挥不了作用 , 二是与业务之间沟通不畅 。

咨询|波士顿咨询陈果:仿生型企业转型的数据分析能力提升
文章图片

如何保障企业的数据分析团队可持续管理呢?要从两个方面来解决 , 一方面是临界规模 。 人才力量要积累到一定的时候才能发挥巨大的能力 , 所以这个团队一定要保证有一定的临界规模 。 另一方面对数据科学家来讲要有社区的感觉 , 内部要有能与他沟通能理解他在说什么的人 。 一个团队里如果只有一两个数据科学家 , 其他人都听不懂他的话 , 这个人是很难留下来的 。
我观察到已经有企业在进行一些很好的实践 , 例如某世界五百强集团企业 , 在进行企业内部的数据科学家培养计划 , 培养了数百名的数据科学家团队 。 因为该集团产业含有消费品、房地产、银行等等 , 他们甚至跨集团产业式的培养 , 希望把这些人在超大型的企业里形成一个内部的社区网络 。

推荐阅读