今天我们讨论分析生命周期的第二个阶段如何分析数据。当企业已经具备了各种数据集合和实时数据基础后，下一步就需要集中精力分析数据，确定最可能对业务能产生积极影响的洞察力。

领跑者在数据分析能力上的优势有以下三个方面：全面分析不同数据集合，使用高级分析方法和利用人才。

通过分析不同数据而创建更有意义洞察

通过分析全面数据集合，从而实现差异化优势。这些数据的来源总体可以分为三类：客户交互数据，第三方数据和内部流程数据

客户交互数据通过提供产品和服务反馈，以及在个人和集体层面的创新，为客户交互、营销和产品开发提供借鉴。将这些信息整合到产品和服务开发中可以改善客户体验。

第三方数据创建内部数据集版本，通过提供更深入的洞察而支持营销和销售战术、运营效率和财务预测。这也可能降低外部因素带来的风险，例如竞争对手的举措和天气状况。

内部流程数据用于对企业运营进行深入分析，可降低成本并提高生产力。这些数据可以满足当前客户对敏捷性的需求。

资料来源：IBM商业价值研究院

使用高级分析方法

不仅需要使用更先进的分析方法，而且需要在企业内广泛使用这种方法。先进分析方法的广泛使用是区分领跑者和慢跑者的重要因素。

这些先进的分析方法可以分为四种类型：描述性、诊断性、预测性和指定性。多种分析类型可以解决不同的业务挑战，根据需要解决的业务问题，每个数据类型在企业的分析过程中有特定的用途见下图：

资料来源：IBM商业价值研究院

利用掌握业务知识和分析能力的人才

业务和分析技能的组合至关重要，有助于企业了解业务驱动力，理解相关数据，更快地将洞察力转变为行动。随着企业内部不断加强使用分析技术，对复合技能的需求变得更加明显。企业也会越来越可以深切感受到在人才方面的能力差距。

由于难以找到将业务和分析知识结合在一起而创建洞察的人才，这一挑战将继续存在。

对分析数据能力欠缺企业的行动建议

加强从外部获得洞察力

整合外部数据，增加客户档案、交互和运营的深度。了解关于客户或运营的情况已不足以满足要求。企业需要利用外部信息增强这些基础数据。对于客户来说，这可能意味着增加偏好、行为、社会经济因素和决策影响者；对于业务运营来说，这可能包括外部金融和经济数据或者内部传感器和制动器数据。这些信息提供了当前大多数企业忽视的理解深度。

利用社交媒体和客户生成的文本确定行为模式、趋势和情感。利用这些渠道更好地快速了解客户的偏好和习惯，并且确定产品和服务的优势与劣势。对产品缺陷和服务中断的快速响应。社交分析不仅仅涉及到客户行为，它可能还包括趋势和事件数据。

全面使用更深入的分析

将全面使用预测性分析作为优先选择。直觉和历史信息并不能很好地预测未来。利用分析能力找出欺诈行为、预测成果并指导行动可以降低市场策略失误、机会丧失和无法识别风险的几率。使用指定性分析方法提高员工能力。对于客户和员工来说，没什么比无法处理服务请求更让人有受挫感。企业需要将分析能力嵌入到一线流程中来提高员工能力，并使员工能够快速而准确地采取行动 。对于后端办公室人员，情况亦是如此。

应对技能差距

企业内部需要培养掌握预测性或指定性分析方法的人才，并且需要拓展其他岗位技能。使那些已经了解企业基础业务的分析人员和高管掌握分析能力。加强内部技术资源交流，共享资源和知识是培养技能的高性价比途径，有助于减少到处寻找人才的需求。

根据业务需要从外部补充技能。并非所有企业都需要全职数据科学家。企业应当对满足大多数分析需求的人才和技能进行投资，对于难以发现和关键特定技能，企业可以考虑通过供应商来补充。

中国地区企业需要加强分析和业务知识相结合

中国企业的分析技能差距主要集中在分析与业务知识相结合，业务分析和数据整合这三个方面。其中，缺乏分析和业务知识相结合的能力以及相应的人才同样是大中华区企业面临的首要挑战。

中国企业特别缺乏将分析用于提升业务表现的能力以及既懂数据分析，又知道如何与业务相结合在一起的人才。因此，在引进人才的同时，企业应更加注重在企业内部培养这方面的人才。

另外，中国企业在数据管理方面，特别是整合方面能力需要提高，包括整合内外部数据，建立数据关联性；以及提升综合数据管理能力，包括数据整合、准备、迁移和存储等。

分析生命周期的三个关键阶段：获取、分析和行动。

• 获取：结合传统数据基础架构与新大数据结合，更快的管理数据

• 分析：注重分析数据并形成洞察力

• 行动：利用洞察力为企业创造价值