决定建设项目、需要购买或租借的服务
另外一些重要决策,也需要有权威、有经验的高级领导人负责,这些决策涉及数据集成,搭建高级分析模型与工具以改善运营状况,由此就提出了巨大的资源需求。现在,越来越多的外部供应商有能力提供核心数据、模型与工具。因此,企业需要高管的经验来权衡究竟是“独立开发还是购买服务”?是否需要内部独立开发这些模型与分析工具,并彻底拥有这些自定的分析技术的知识产权以此满足迫在眉睫的开发战略需求与预期运营提升?或者规模扩张至关重要,以至于借用外部供应商的经验与人力是不是更为明智的选择?创建强大的数据资产也需要高级领导的参与。限制关键外部数据的访问需要就企业与客户、供应商或其他价值链上的第三方建立高级伙伴关系。
不同零售商选择了完全不同的道路,这让企业领导人了解,其必须权衡的一系列因素。一些零售商与数据分析公司已经签订了长期合同,涵盖广泛的数据分析需求。其他方,包括传统企业与在线企业,也对内部数据与分析技术展开深入投资。每一个选择都反映出战略、金融与组织需求的动态集,这些都应该由高层管理而非中级管理人员决定。
确保数据分析技术专业优势
在任何战略方案中,企业总需要分析专家助力实现快速稳定发展。当今时代的数据分析博弈基于开放、云基础设施,因此,所有内部与外部数据能够轻松地以用户友好的方式整合。新环境也要求新的管理技能,调动更多资深数据专家。这些专家能够开发预测或优化模型,确保发展的可靠性。
目前,在世界最热门的市场中,已经有许多公司争先寻找这些先进技术人才,争取到这些宝贵的人力并让他们与企业领导人真正互动起来,以此改变公司发展状况是高层管理人员未来的真正任务,而这通常需要创造性的解决方案。
某家主流消费品企业的大数据领导人决定在远离公司本部的地区投资建立一个数据分析中心,该区拥有丰富的数据科学家与数据工程师青睐的优秀人才与文化环境。接下来,公司领导人完成最后一步,让每个分析团队与本部的业务团队间实现直接联系。
调用资源
在不同职能部门间调用人力与资本，创建新的决策支持工具和帮助一线管理人员利用先进分析模型需要花费诸多精力，这通常让企业管理层惊讶不已。赋予高管更多的权力非常重要，这有助于高管突破制度限制，这些繁杂的制度通常影响了数据分析对决策执行的支持。要获得成功，就有必要让各部门的管理人员协同合作积极应对变化——鼓励IT、业务部门、分析团队互相协作，并培训专家负责协调与领导。缺乏领导力的公司往往容易失败。
举例来说，一家运输公司里，产品领域中层管理人员的职责是寻找数据分析机会，进而继续推进。而数据团队无法准时提交数据或提交的数据格式不尽人意，往往令分析团队懊恼不已。而在将分析结果嵌入自定义工具中时，管理者变得更加沮丧，因为他只能以常规预算与计划进程处理紧急请求。随后，该公司让一位高级市场营销主管负责优化数据分析进程。这名主管将不同职能的团队组合起来，这包括数据库管理人员、分析师和程序员。他们致力于探索数据分析机会，分析项目从起始到最终落地周期为六到八周。通过敏捷资源调用，市场营销主管上位后仅仅几个月，该公司便成功寻找到了数个分析重点。
打造一线功能
数据专家设计的复杂数据分析解决方案必须以简单、强交互性的模式嵌入一线工具中，只有这样，管理人员与一线职工才愿意每天使用这些工具。为推广工具应用付出的努力不可轻视，这包括正式培训、在职培训等。经验表明，许多公司90%的投资用于创建模型，而对一线应用的投资只有10%。而事实上，前线应用的投资应该不少于50%。
恰当发挥领导力作用
多数公司会承认，他们的确需要增设新的职位。但遗留的一个重要问题在于，在哪里增设新职？新的权利和责任系统又该如何设计？经验表明，公司有充足理由强调数据分析战略与人才，甚至创建常规数据分析中心。但是，业务职能部门也需要一线活动（资源调用、能力建设）支持。原因有两个：首先，对于利用数据分析增加收入提高生产力，不同业务部门有不同侧重点；其次，当公司将一线业务与核心运营和管理侧重点结合时，积极鼓励前线进行适当调整也同等重要。