The International Institute for Analytics(IIA)的專家們聚集在一起探討哪些是2017年分析優(yōu)先項目。他們的建議:正式定義分析職能,推動分析發(fā)展。
這是IIA第二年列舉五大分析優(yōu)先項目,為其成員提供未來一年的戰(zhàn)略。去年,分析優(yōu)先項目為,根據(jù)業(yè)務戰(zhàn)略,調整分析戰(zhàn)略。今年,建議主要集中在更明確的定義職能,并在實驗和部署之間找到平衡。
Dan Magestro之前分別在Cardinal Health、JPMorgan Chase & Co.和Nationwide Insurance擔任分析工作,現(xiàn)在他領導IIA的研究項目,并負責這次討論。
參與討論的還有IIA的分析顧問和研究員Robert Morison,IIA的聯(lián)合創(chuàng)始人Tom Davenport,信息技術和管理的杰出教授Babson College。
優(yōu)先項目No. 1:迎接企業(yè)人工智能的“新分析時代”
Magestro認為,當前,對于人工智能(AI)的熱情是前所未有的。這一技術比以往任何時候都更觸手可及,對于已經有分析項目的公司而言,人工智能的實踐并不是一種延伸。他認為應該是新的分析時代,有三個原因:
1. 大數(shù)據(jù)是一個開始。那些已經精通大數(shù)據(jù)分析的IT部門,為AI奠定了基礎。“解鎖AI的全部潛能,需要大數(shù)據(jù)來訓練AI模型,巨大的數(shù)據(jù)處理能力和高級統(tǒng)計方法,”Magestro說。
2. 需要整個企業(yè)的投入。如果想要一直持續(xù)下去,AI項目需要新的內部合作和“頂級戰(zhàn)略”。比如,計算機科學職能可能需要集成到業(yè)務部門,因為這并不是一個傳統(tǒng)的分析特性。
3. 自動化會留下痕跡。軟件機器人正在完成越來越多的,傳統(tǒng)上由人類完成的任務,而分析人員和數(shù)據(jù)科學家也不能幸免于這一趨勢。“我認為這是注定會發(fā)生的,”Magestro說,“企業(yè)需要接受它。”
Davenport說,自動化分析工作會非常簡單明了,企業(yè)會受益。 “一些機器學習算法,其實只是自動化的回歸分析,”他說,“(自動化)可能會威脅到一些分析人員,擔心失去他們的工作;但我認為也會幫助他們提高生產力。”
優(yōu)先項目No. 2:充分探索云的分析開發(fā)和生產Magestro說,他預計公司將繼續(xù)在分析開發(fā)和生產上,轉向云,公司不僅可以更快地構建原型,并且可以更快地擴展這些原型,更好地服務企業(yè)。
CIO和IT部門必須解決“將分析工作遷移到云中,需要注意的事項和架構問題,”他說,包括安全問題。
優(yōu)先項目No. 3:正式定義分析職能Magestro認為,公司的分析職能通常是不明確的,具有“廣泛的影響”。清楚地定義數(shù)據(jù)分析師的職能,會提高員工留職率,幫助分析人才成長。另外,隨著集中化的分析團隊決策權下放——這一趨勢也包括在IIA的2017年預測列表中——明確定義職能,就能更容易地調動人才。
但是,正式定義這些職能也可能影響公司的業(yè)務部門。“那些自稱為數(shù)據(jù)科學家的員工,之前是分析師,但是業(yè)務人員并不清楚其中的區(qū)別,” Davenport說,“是時候清晰定義了。”
最大的障礙可能是與人力資源部門合作,正式定義這些職位和職責,Davenport說。“但我認為關鍵是,不僅要這樣做,還要把它嵌入到正式的工作分類系統(tǒng)中,”他說。
優(yōu)先項目No. 4:在創(chuàng)新和生產之間,創(chuàng)建良好的平衡Magestror認為要在平衡實驗和分析工作之間找到良好的平衡,并達到生產階段,是最具挑戰(zhàn)性的分析項目。探索性數(shù)據(jù)科學項目從未完成部署,雖然重要,但是不提供實際的投資回報。
另外,“這還涉及人員保留問題,”Magestro說,“總是有更好發(fā)揮人才的工作,當他們的工作既創(chuàng)新,又可以實現(xiàn)生產。”
要達到適當?shù)钠胶?,需要關注三個方面:建立一個平臺或架構,同時支持實驗和生產;編排分析人才,定義他們的職能;并定義分析團隊將如何分配工作時間。Magestro說最后一個方面是最重要的,因為它決定了何時創(chuàng)新,何時生產。 “平衡會帶來收益,”他說。
優(yōu)先項目No. 5:關注職能分析上下文很重要,Magestro說。隨著業(yè)務部門意識到分析的重要性,他們就會希望有更好的分析,并期望分析人才和決策者更緊密的合作。這樣做,在構建分析時,將“最終提供更強的上下文”,帶來更強的成果,和更好的決策,他說。
“能夠推動這一切的一件事,就是將分析師嵌入到業(yè)務部門,” Morison補充說,團隊可以將分析作為服務,提供給業(yè)務部門,利用可反復使用的組件,比如API,從而加速模型的開發(fā)。