成功的IT項(xiàng)目需要明確的目標(biāo)，數(shù)據(jù)分析也是如此。在進(jìn)行數(shù)據(jù)分析時(shí)，數(shù)據(jù)團(tuán)隊(duì)希望發(fā)現(xiàn)關(guān)于客戶的有用信息，支持項(xiàng)目決策，提高生產(chǎn)率以及其他一系列目的。
但是考慮到數(shù)據(jù)分析屬于探索性質(zhì)，所以其帶來的好處或洞察力有時(shí)非常突然，完全出乎意料之外，而且不是最初商業(yè)計(jì)劃的內(nèi)容。這些意外驚喜印證了一個(gè)想法，即所有數(shù)據(jù)分析都是值得的，因?yàn)槟阌肋h(yuǎn)不知道會(huì)發(fā)生什么。
以下是一些組織的真實(shí)案例，他們從分析工作中獲得了意想不到的好處。
當(dāng)前業(yè)務(wù)的啟動(dòng)
Allegis Global Solutions公司開發(fā)了一個(gè)分析項(xiàng)目，即ACUMEN勞動(dòng)力智能(ACUMEN Workforce Intelligence)平臺(tái)，其目標(biāo)是掌握三件事情：項(xiàng)目是如何執(zhí)行的?與其他項(xiàng)目相比，這些項(xiàng)目執(zhí)行情況如何?接下來我們該做什么?
“雖然開發(fā)該分析平臺(tái)是為了形成一個(gè)歷史視角來進(jìn)行規(guī)劃，但是我們發(fā)現(xiàn)用于解答這三件事情的分析工作在我們企業(yè)中產(chǎn)生了多米諾骨牌效應(yīng)”，Allegis公司商業(yè)智能執(zhí)行總監(jiān)蒂姆約翰遜(Tim Johnson)說道。
約翰遜說：“由于數(shù)據(jù)是從我們所有項(xiàng)目中獲取的，而且我們每天更新數(shù)據(jù)，所以我們對業(yè)務(wù)有著最新的觀點(diǎn)。這使得我們最近推出了一個(gè)新的數(shù)據(jù)應(yīng)用程序，可以幫助分析項(xiàng)目級(jí)和企業(yè)級(jí)的日常業(yè)務(wù)活動(dòng)。”操作人員無需提交報(bào)告和分析信息來獲取項(xiàng)目情況，而是他們可以對已經(jīng)構(gòu)建和提供的信息進(jìn)行處理。
約翰遜說：“進(jìn)行數(shù)據(jù)分析的更多好處是，分析結(jié)果采用率遠(yuǎn)高于最初的預(yù)期?，F(xiàn)在我們設(shè)定的目標(biāo)是每周分析結(jié)果有100%的內(nèi)部采用率。因?yàn)槲覀兊淖罱K用戶每天都在使用這些數(shù)據(jù)來提高業(yè)績，所以他們也在密切關(guān)注這些信息，并將數(shù)據(jù)質(zhì)量提高到一個(gè)新的水平。”
對于滿足公司的最初分析目的而言，數(shù)據(jù)的準(zhǔn)確性只需要達(dá)到90%到95%。但是對于運(yùn)營而言，數(shù)據(jù)的準(zhǔn)確率則需要達(dá)到98%至99%。約翰遜說：“隨著整個(gè)組織的支持和認(rèn)同，我們公司就已做到這一點(diǎn)。一想到這三個(gè)小問題就啟動(dòng)了這個(gè)組織全面進(jìn)行數(shù)據(jù)轉(zhuǎn)換，這很有趣。”
短期損失帶來長期收益
數(shù)據(jù)分析工作幫助在線房地產(chǎn)資源提供商—Trulia公司對其推廣活動(dòng)的電子郵件策略進(jìn)行了精細(xì)調(diào)整，最終增加了流量。
該公司工程副總裁迪普·瓦爾馬(Deep Varma)說，我們每天都會(huì)發(fā)送許多電子郵件，這增加了客戶取消訂閱的數(shù)量。他說：“然后，我們改變了我們的方法，將電子郵件進(jìn)行整合，這樣我們每天只發(fā)送一封電子郵件。”
起初，Trulia公司的用戶參與度有所下降，因此又取消了這一新方法。但是，該公司隨后決定對這種新方式進(jìn)行更長期的測試，然后看到了較好的結(jié)果，這并非與最初預(yù)期一致，瓦爾馬說道。
“在這個(gè)案例中，最初，數(shù)據(jù)顯示某些工作是錯(cuò)誤的，因?yàn)槲覀儧]有擴(kuò)大我們的測試范圍，”瓦爾馬說。“一旦我們擴(kuò)大了測試范圍，我們就會(huì)獲得一個(gè)意想不到的好處，即我們從未想過流量會(huì)增加，因?yàn)橐恢軆?nèi)的數(shù)據(jù)顯示其流量是在下降的。但是，通過更長時(shí)間的測試，分析證明情況正好相反。”
在另一個(gè)案例中，數(shù)據(jù)分析使我們開發(fā)出一種新產(chǎn)品，這并非最初的意圖。
瓦爾馬說：“我們看到有些消費(fèi)者在向代理商進(jìn)行詢價(jià)后就放棄了，所以我們創(chuàng)建了一個(gè)信息發(fā)布體驗(yàn)環(huán)節(jié)，在此環(huán)節(jié)中我們會(huì)向他們展示與他們剛才所詢問內(nèi)容的推薦列表。因此，由于提供這個(gè)新的推薦內(nèi)容，消費(fèi)者開始返回，并且返回的頻率更高。”
保修問題讓位于物聯(lián)網(wǎng)解決方案
在羅克韋爾自動(dòng)化公司，公司的產(chǎn)品質(zhì)量團(tuán)隊(duì)向分析團(tuán)隊(duì)提交了一個(gè)項(xiàng)目。
羅克韋爾自動(dòng)化公司商業(yè)智能主管桑吉塔·埃德溫(Sangeeta Edwin)表示：“我們遇到了保修管理的難題。我們不是只看問題本身，而是將我們數(shù)據(jù)分析團(tuán)隊(duì)的工作擴(kuò)展開，專注于確定返廠產(chǎn)品的根本原因。”
通過將數(shù)據(jù)追溯到機(jī)器級(jí)別，團(tuán)隊(duì)發(fā)現(xiàn)了一個(gè)制造缺陷，這一組裝故障與保修返廠產(chǎn)品是相關(guān)聯(lián)的。“這有助于提升我們的戰(zhàn)略和平臺(tái)，將物聯(lián)網(wǎng)(IoT)機(jī)器數(shù)據(jù)分析納入其中。”埃德溫說。
埃德溫說，這個(gè)簡單的數(shù)據(jù)分析工作轉(zhuǎn)變?yōu)橐粋€(gè)令人驚訝的業(yè)務(wù)解決方案。她說：“我們從質(zhì)量部門學(xué)到知識(shí)，并為我們的客戶打造了我們自己的設(shè)備級(jí)數(shù)據(jù)分析平臺(tái)。通過數(shù)據(jù)分析，我們將業(yè)務(wù)問題轉(zhuǎn)化為對客戶有用的一個(gè)工具，并為我們創(chuàng)造了新的收入來源。”
變量錯(cuò)誤揭示出隱藏的原因
多年來，為醫(yī)療行業(yè)提供軟件產(chǎn)品的供應(yīng)商--Decision Point Healthcare Solutions公司已經(jīng)發(fā)現(xiàn)，其健康計(jì)劃客戶通過針對有多次住院可能的高風(fēng)險(xiǎn)人群進(jìn)行現(xiàn)場和電話治療管理項(xiàng)目，顯著降低了這一群體的再入院率。
在這些情況下，Decision Point公司使用專門的預(yù)測建模算法對其成員或患者進(jìn)行識(shí)別，在其初次“登記”入院之前，預(yù)測其30天內(nèi)有可能兩次入院的人員。Decision Point公司創(chuàng)始人兼首席執(zhí)行官賽義德•阿明扎德(Saeed Aminzadeh)表示：“簡而言之，健康計(jì)劃走在患者再次入院之前，鎖定合適的個(gè)人來避免其初次入院，再次入院，或同時(shí)避免這兩種情況。”
事后看來，這是一個(gè)很好的方法，但是Decision Point公司是很意外地發(fā)現(xiàn)了這一方法，Aminzadeh說道。對于健康管理工作來說，Decision Point公司的傳統(tǒng)方法包括預(yù)測極有可能避免入院的患者，預(yù)測極有可能到急診室(ER)就診的患者及其費(fèi)用。
當(dāng)Decision Point公司的數(shù)據(jù)科學(xué)家在預(yù)測模型開發(fā)過程中錯(cuò)誤地將再入院患者作為因變量(即正在被預(yù)測的變量)替換入院患者時(shí)，就發(fā)現(xiàn)了可預(yù)測多次和頻繁入院的新方法。
經(jīng)過仔細(xì)分析，發(fā)現(xiàn)該新模型與Decision Point公司的傳統(tǒng)預(yù)測模型有很大的不同。雖然傳統(tǒng)模型可預(yù)測入院患者、費(fèi)用和急診就診，但新方法可確定高風(fēng)險(xiǎn)個(gè)人的臨床和使用率的綜合問題，可預(yù)測多次和頻繁入院患者，并關(guān)注那些出現(xiàn)臨床問題和社會(huì)經(jīng)濟(jì)問題的一部分人員。
“例如，雖然傳統(tǒng)模式可識(shí)別患者是患有多種慢性病的高風(fēng)險(xiǎn)個(gè)體，但是新模式可識(shí)別患者是患有慢性病而且還有其他問題的高風(fēng)險(xiǎn)個(gè)體，例如獨(dú)居、與醫(yī)生缺乏聯(lián)系、沒有信用卡、無健康認(rèn)知力、無行為健康能力，”或其他問題，Aminzadeh說。這是一個(gè)重要的發(fā)現(xiàn)，因?yàn)樵摪l(fā)現(xiàn)表明，為了降低再入院率，醫(yī)療機(jī)構(gòu)不僅要能夠解決個(gè)人的臨床問題，還要消除加劇這些臨床問題的社會(huì)經(jīng)濟(jì)障礙。
重新認(rèn)識(shí)基層醫(yī)療的重要性
醫(yī)療保險(xiǎn)公司--Health Care Service Corp.已經(jīng)從數(shù)據(jù)分析中獲得了類似的意外收獲。
Health Care Service公司的企業(yè)分析和治理執(zhí)行董事Himanshu Arora說：“我們發(fā)現(xiàn)了一個(gè)隱藏的極具價(jià)值的東西，最初希望提取數(shù)據(jù)來幫助我們識(shí)別出那些可避免去急診室就診的個(gè)體，找到其去就診的原因(即非急診病癥)以及他們?yōu)楹我@樣做。”
如果公司10%的員工參加了健康管理組織(HMO)計(jì)劃，那么，因?yàn)樗麄兛梢垣@得初級(jí)保健醫(yī)生(PCP)的服務(wù)，則預(yù)計(jì)他們會(huì)有不到10%的人被劃入可避免急診服務(wù)而去就診的這一群體。Arora說：“我們發(fā)現(xiàn)了一個(gè)相反方向的趨勢，數(shù)量差不多是四倍。這10%的員工在急診室中就診數(shù)量占所有可避免就診服務(wù)的40%。”
急診室就診的高成本，??會(huì)員去急診室的不便，以及并未從可防止或減輕這些健康問題的服務(wù)中受益，這使得公司盡力去尋找辦法來幫助會(huì)員，而不僅僅是提供網(wǎng)絡(luò)內(nèi)醫(yī)療服務(wù)機(jī)構(gòu)。
Arora說：“我們又重新開始，以更好地理解是哪些醫(yī)療的決定因素(比如語言障礙、交通問題和時(shí)間安排等問題)導(dǎo)致我們的健康管理組織(HMO)會(huì)員去急診室就診而不是去找初級(jí)保健醫(yī)生(PCP)診治。我們讓我們的供應(yīng)商網(wǎng)絡(luò)參與其中，幫助他們主動(dòng)聯(lián)絡(luò)會(huì)員，確保會(huì)員可得到他們需要的醫(yī)療服務(wù)，并重新評(píng)估我們的產(chǎn)品和網(wǎng)絡(luò)設(shè)計(jì)，以加強(qiáng)與供應(yīng)商的風(fēng)險(xiǎn)分擔(dān)模式，這樣他們就有更多的動(dòng)力根據(jù)數(shù)據(jù)分析結(jié)果去幫助識(shí)別會(huì)員和采取相應(yīng)措施。”
重新定義最佳客戶以及分析方法
Zeta Global公司為營銷應(yīng)用程序提供軟件平臺(tái)，利用數(shù)據(jù)分析來支持客戶端和企業(yè)內(nèi)部舉措，例如開發(fā)用于在客戶端數(shù)據(jù)中進(jìn)行預(yù)測的算法，用于網(wǎng)絡(luò)流量管理的流量日志分析或用于安全管理的信號(hào)分析。
Zeta Global公司首席信息官杰弗里·尼梅諾夫(Jeffry Nimeroff)表示：“數(shù)據(jù)的預(yù)測能力往往在您意想不到的地方出現(xiàn)。非監(jiān)督技術(shù)的存在是因?yàn)樾畔⒋嬖谟跀?shù)據(jù)中，這些數(shù)據(jù)已超出個(gè)人(即使你很聰明)可以找到和清除的范圍。意想不到的結(jié)果是其神奇的一部分，而且我們有很多案例，讓我們對發(fā)現(xiàn)的結(jié)果感到吃驚”。
其中一個(gè)案例涉及降低技術(shù)成本。尼梅諾夫說：“大多數(shù)組織在部署技術(shù)和承擔(dān)相關(guān)技術(shù)成本過程中，最終都會(huì)采用某種形式的影子技術(shù)。為了提高工作效率，個(gè)人可以找到適合他們的工具。”
最近參與了安全運(yùn)營中心合作伙伴關(guān)系工作，重點(diǎn)實(shí)施了威脅情報(bào)工作。尼梅諾夫說，預(yù)期的目標(biāo)是持續(xù)推進(jìn)安全成熟度，但意想不到的成果是發(fā)現(xiàn)了安全技術(shù)的隱性成本。
尼梅諾夫說：“帶著這種直觀認(rèn)識(shí)，我們能夠與某些人探討一些特定的技術(shù)，其中一些技術(shù)他們已完全忘記了，然后終止了一些服務(wù)，使得成本降低了六位數(shù)。
另一個(gè)案例來自一家公司，他們想確定其客戶所服務(wù)的消費(fèi)者中，哪些是最佳消費(fèi)者。
尼梅諾夫說：“客戶端分析方面的大量工作關(guān)注于擴(kuò)大受眾群體。在這種情況下，Zeta公司將利用我們的專有數(shù)據(jù)將個(gè)人檔案與那些客戶端提供的具有共同屬性的個(gè)人檔案進(jìn)行匹配。擁有更多的最佳消費(fèi)者將會(huì)產(chǎn)生更好的結(jié)果。”
尼梅諾夫表示，在建立模型預(yù)測其客戶應(yīng)該向他們最佳消費(fèi)者提供哪些營銷信息以達(dá)到最大效果之后，Zeta公司發(fā)現(xiàn)受眾群體的表現(xiàn)與對照組類似。他說：“通過薈萃分析，結(jié)果是客戶提供的原始數(shù)據(jù)并不是他們最佳消費(fèi)者群體，因?yàn)榭蛻粝拗屏四切┧麄冋J(rèn)為對判定消費(fèi)者是否有最佳表現(xiàn)的重要屬性。”
當(dāng)Zeta公司開始提升洞察力并將分析工作擴(kuò)展到客戶數(shù)據(jù)庫時(shí)，就可以利用更多的消費(fèi)者屬性，就能夠提供更好的受眾群體數(shù)據(jù)。通過從客戶端的數(shù)據(jù)庫和消息發(fā)送對象開始工作，但沒有先入為主的重要屬性概念，Zeta公司能夠幫助提取最佳的客戶端數(shù)據(jù)集。尼梅諾夫說：“這種擴(kuò)展方法已經(jīng)在Zeta公司內(nèi)帶來了新的實(shí)踐領(lǐng)域。”
京公網(wǎng)安備 11010502049343號(hào)