【译】法国企业大数据发展现状

大数据,尽管每个人都在谈论,许多公司也已经着手发展,但现在还很难确切地知道它究竟有多大的功效。安永(Ernst & Young)对150家法国企业进行了一项调研,考察它们收集与使用客户数据的方式,期间遇到的困难,以及数据这项新资产对业绩增长与战略发展的影响。

即使现在大数据以其诸多优势有着大批拥护者,大数据革命并没有真正扩散到全球电子巨头以外的领域。

安永对全法150家公司的调查结果表明,尽管大体上看法积极,“数据大爆炸(大数据爆炸)” 还没有在现实中发生。安永为这项研究特别设计的成熟数据指数显示:只有小部分企业在数据开发上拥有较高成熟度,而大部分企业则采取观望态度,不太清楚这模糊概念到底会带来什么样的结果。

安永指出 ,整个(大)数据产业链上——从安全搜集、数据保护 、数据分析到公司的整体战略,主要有10处来自心理、策略、组织和技术层面的限制导致大数据在法国企业发展的落后状态。然而,如果能把(大)数据开发纳入到公司整体发展战略中,法国公司仍然可以迎头赶上。

“在早期,零售及消费品行业已经在使用客户数据方面已形成一个强劲的氛围:基于忠诚度的销售;通过市场研究,地缘经济分析,人们的喜好研究,来完成产业布局。也正是纯电子商务的玩家最先开始深度使用用户数据。通过高精准的个人定制,推荐引擎,以及先进的促销方法,这些电子商务形成了卓越的客户体验。

大数据给很多传统行业带了挑战,尤其还涉及构成消费者信心基石的数据安全以及个人数据的保护。”——大卫·纳伊姆,安永战略咨询师, 合伙人,市场营销和创新负责人。

法企大数据有效开发之10大限制

1.数据收集仍很大程度局限于传统渠道

用以提高对客户的了解并定制相应市场战略的数据,被调查的公司中有84%主要采集于传统计费系统,有66%采集于CRM。

2.非结构化数据是分析中的薄弱环节

除了收集关于用户的结构化文本数据 - 如:通信信息,行为和消费 - 之外, 90%的受访企业还收集非结构化数据。

3.缺乏数据分析人才

只有30%的受访企业招聘拥有专门处理或者管理数据能力的人才。其中仅6%拥有50人以上的数据处理团队。

4.缺乏数据处理工具

许多大公司已经计划加强非结构化数据处理,以及提升数据可信度。59%的受访公司表示在未来18个月内将使有更多更可靠的数据。只有不到10%的公司拥有统计预测专用工具。

5.数据分析没有或者说远没有涉及预测和实时分析

只有10%的受访公司使用客户数据进行预测,其中5%这样做是为了优化工艺流程,以增加执行速度和增加存储容量。企业还没有形成让数据为战略决策提供支持的理念。

6.(大)数据项目管理缺乏深度与广度

在大数据项目的组织和管理上缺乏深度与广度,是用户数据进一步产生价值的一个阻碍。大数据项目通常被视为太复杂,需要时间太长实施,因此不被优先立项。每个部门都习惯于使用自己的内部数据库来处理日常工作所需,这样企业的数据资产就不能很好的流通,也缺乏统一性。

7.缺乏(大)数据项目投资回报率的衡量标准

到目前为止,只有29%的受访公司认为大数据是一个重要的里程碑,并代表着发展机会。仅18%的受访公司会制订“详细的大数据实施计划“。

8.缺少管理层的支持

由于缺乏量化投资回报率工具,再加上经济不景气,大部分公司的管理层在大数据项目上都持谨慎态度。大部分非成熟企业认为,公司高管的看法是对优化数据使用的一种制约,而在成熟企业中中,只有11%这么认为。

9.数据可靠性的一个主要风险:不愿分享个人资料

不愿共享个人数据对数据的可靠性造成不小的影响。如今对个人数据的保护,限制了对客户数据的使用。安永最近的一份调查显示,70%的消费者不会与公司分享他们的个人资料,其中49%的人说在未来5年他们都不太可能这么做。

10.对于数据保护安全问题的认识不足

30%的受访公司认为他们在客户数据时,并没有很好的考虑保护其隐私问题。这在数据成熟度较低的公司中尤为明显。

该研究的主要结果显示,三分之二的法国公司(63%)认为大数据是一个有趣的概念,但如何使大数据成为一个增长动力仍然不是很清晰。57%的公司还没有研究大数据带来的潜在机会。

最后,近一半的受访(45%)的公司都认为他们对收集到的客户数据利用的还不够。并且30%的受访公司在使用数据时并没有充分考虑其隐私问题。

大数据战略成功部署之4大关键

不同企业的大数据有不同的模式,它们各有优势,其区别并非在模式本身,而在于对某些构成大数据战略成功的关键因素的考量。

企业应该像对待价格政策一样把大数据纳入战略决策的一环,为其制定执行策略。以下就是大数据战略成功部署的几大关键:

1.加强数据项目管理的深度与广度

第一个战略关键就是将公司所有部门动员起来。不同部门常常有着不同的观点,对客户的认识也不尽相同,如果部门间能共享自己的数据库,公司就能得到更为全面的客户图像,能做更加精准的客户分析。

2.加大公司管理层的参与度

公司高层与各部门的管理人员应该成立一个大数据项目委员会,用于决策、统筹、战略布局,以确保项目的良好运行。该委员会还要监管大数据战略不是只为公司某些特定的目的而设立,如提高销售、降低成本等。

3.设立灵活分析计划(AgileAnalytics Program)

机遇与挑战的战略框架

在战略部署之前,要投入时间弄清楚公司的需要与利害,评估各项技术的成熟度,然后选择最符合公司需求的技术即可。

以PoV为基点

在数据这方面,与最终用户一起工作是必不可少的,具体项目中可以运用概念验证(Proof of concept)。首先,确定商业机遇,然后选择一个满足以下两点的项目:最方便付诸实施,投资回报率最好。这个就是PoV概念验证+投资回报率评估法。

灵活项目规划和具体行动计划

中期(三到五年)项目规划要确定优先行动具体计划、短期和中期目标以及各行动的KPI。概念验证法要灵活开展。决策者和最终使用者要能自己使用数据分析的成果,而不是仅仅满足于静态的报告。

4.信心设计

在开展任何大数据项目之前,企业必须考虑到技术风险、法律风险与声誉风险。确保数据安全性和数据处理完备性,对个人数据的保护和对数据使用的透明度,这些都是一个公司在数字时代声誉所面临挑战的关键。

【译者简介】

吴涤,本科毕业于上海外国语大学法语系,硕士毕业于法国巴黎二大(UniversitéPanthéon-Assas),主修统计与金融工程专业。目前旅居巴黎,就职于法国第二大银行集团,担任决策分析工程师,对于金融领域的数据挖掘、决策建模与商业分析有扎实的理论基础与丰富的实践经验。对于大数据的发展,尤其在金融领域的应用有浓厚的兴趣。

2014年底正式加入大数据文摘海外翻译志愿者行列,希望在新的一年带领大家近距离观察法国,乃至欧洲在大数据时代的动向。衷心祝愿文摘成为读者最喜爱的大数据知识信息分享平台。

宋松波,博士毕业于巴黎第六大学。先后在法国电信以及法国电视运营商进行咨询与研发工作。主要从事大规模服务平台的架构设计与开发, 个性化服务以及数据分析平台的部署开发。2014年加入大数据文摘海外翻译团队。希望能为读者带来欧洲关于大数据领域的最新动向。

;