趋势二

　　嵌入式数据分析

　　预测未来，原本只存在科幻电影与想象中。大数据的出现，终于让人类有可能掌握这一神奇的力量。每个公司都在贪婪地收集数据，期待能在竞争中抢占先机。大部分公司认为，收集的数据越多，预测的准确性就越高。但这种论断并不完全正确。

　　当今企业面临的最大问题是数据泛滥，很多企业已经被海量的数据淹没。前所未有的计算能力，飞速发展的传感器技术和日新月异的数据挖掘工具，这些都为公司带来大量非结构化的原始数据。公司现在缺乏的是“正确”的数据。

　　想要正确的答案，先问正确的问题。到目前为止，企业所应用的软件系统是以功能为基础的。举例来说，电子商务应用软件的主要功能是完成交易。尽管它也会收集数据，但这些数据都是和改善消费体验相关的，它不会去收集其他数据。换言之，公司凭借本能去鲸吞数据，并没有带着明确的目的和问题。当然，这些数据对完成交易功能已绰绰有余，但当公司用数据分析制定战略决策时，例如进入新市场或为产品定价，他们就会发现，手头的数据根本无法回答这些问题，我们将这种现象称为数据缺口。

　　要填补数据缺口，公司要彻底改变软件系统的设计和应用思路，它们要为数据分析而生。公司要抛弃漫无目的的数据收集方式，要有的放矢地去收集数据。未来，新一代软件系统将成为公司数字供应链的第一个环节，它不但能满足基本的功能需求，为消费者服务，更能为公司收集正确的数据，解答公司最迫切的问题。因此，对公司来说，技术现在已不是最大的难题，最大的挑战是根据自身业务需求，设计出正确的问题。

　　量化周边世界。当公司无法收集需要的数据，那么就应重新审视收集这些数据的方法。有很多软件公司已经开始研发下一代软件系统，添加更多的API（应用程序编程接口），让用户更便捷地从软件中提取数据。

　　公司也在行动，他们在客户交互系统中添加更多的数据收集点。Netflix（在线影片租赁公司）会记录用户观看影片的整个过程，例如用户何时会暂停播放，又会重复观看哪些片段。Knewton（在线教育公司）则观测学生如何使用公司的软件，例如他们完成作业的时间、最高得分、甚至学生的键盘记录和完成某一问题的时间。公司创始人兼CEO何塞·费雷拉说：“我们每天要从每位学生身上获取数千个数据点。”

　　传感器技术的发展，使公司获得了又一件填补数据缺口的利器。UPS开发了一套车载传感器和手持电脑系统，它不仅可以追踪货物的位置，还可以跟踪送货车辆的行程。通过这套系统，公司发现，送货路线中左转弯越多，送货的速度就越慢，油耗越高。根据这些发现，公司将送货路线中的左转弯限制到最低的数量，仅这一措施，就使公司每年节省约九百万加仑的汽油。

　　创建数据供应链。在很多公司中，辛苦得来的数据只停留在硬盘中，无人问津。公司应停止建立数据仓库，而去打造一条数据供应链。得到可靠的数据源后，公司还要将这些数据组合、分析，就像工厂的生产线将零部件组装成产品一样。一直以来，数据分析对公司来说是一个艰巨的挑战，但这在很大程度上是由于此前公司分析数据方式无目的性。要有效地分析数据，公司必须想方设法地搞清楚，什么样的数据才能够支持战略决策，并确保收集正确的数据。换句话说，公司要带着明确的目的收集数据，这样才能带来更好的数据和更好的分析结果。

　　福特公司研究发现，购买混合动力汽车的消费者都颇具环保意识，他们希望电力驾驶的比例尽可能高。但是在原先的驾驶系统中，是否进行油电切换取决于电池的剩余电量。如何在保证汽车正常运行的前提下，尽量提高电力行驶的比例呢？带着这一明确的问题，福特分析了车载GPS上的数据，他们发现很多车主的驾驶范围集中在几个固定的位置之间，例如学校、公司和超市等。于是公司开发了一套路径算法，当电脑发现汽车的行驶范围在电池的容量之内时，汽车就会更多地依赖电池行驶。

　　在不久的将来，一些公司将会建立起行动敏捷的数据供应链，形成数据收集、数据分析和结果反馈的良性循环。随着商业环境和战略的变化，他们会重新设计自己的问题，收集并分析全新的数据。

　　转变企业文化。在向数据分析转型中，仅仅在软件开发环节加入数据需求还不够，下一步是要培养以数据和事实为导向的企业文化。公司要淡化业务模块（数据的使用者）与IT模块（数据的提供者）之间的界限，这样才能同时提高两者的效率。

　　为达成这一目标，很多公司在内部设定新的高级管理职位，例如首席数据官（Chief Data Officer）。他们负责数据的收集、整合、输送和分析。即便没有这样一位数据带头人，每位员工都要培养寻找更好、更多和更新的数据的意识。只有这样公司才能系统性地使用数据引导决策，变成更聪明、更成功的组织。