大數據分析目前是一個熱門的題目，但是不是每一個企業都可以實際得到大數據分析的效益，則是存在很多的先決條件。
首先是「為什麼」。企業為什麼要導入大數據分析的技術，而期望達到的效益是什麼？
如果把企業放到一個三角形裡，並且依照技術層級分開，上層是所謂的高科技產業，如半導體、光電，中間則是手機、電腦等電子產品那些，而所謂的傳統產業佔三角形的下半部。
對於這些新技術的接受度，反而是三角形下半部的那些企業會相對比較開放。因為那些企業是處於一個相對競爭更為激烈的環境，而這些技術如果運用得宜則可以為他們帶來突破與創新。
所以我們看到Zara、Walmart這些公司，他們無法以技術取得競爭優勢，但是透過大數據分析來運作他們的供應鏈，讓他們得以在此取得優勢。而相對的，上層的企業則將資源專注於技術上，期望透過技術的領先持續其競爭優勢，對於運用大數據於供應鏈上，則較不是那麼的急迫。
也曾經看到企業在暴露於更嚴峻的競爭環境後，才急就章的想要仿效對手引進大數據分析的技術，卻又因為缺乏整體規劃以其競爭策略整合，而無法獲得效益。
因此正如作者所說的，企業高階領導人必須要有其危機感 (sense of urgency)，並且承諾持續推動，不僅僅只是推動變革轉型，也要將「分析」置入公司文化中，才能夠得到成效。這也就是我所講的「為什麼」。
其次則是「人」。在傳統產業裡即使企業領導人可以了解大數據分析可以帶來的效益、並積極推動，但要找到大數據分析這樣的專業人才，相對於高科技業，卻不是那麼容易。因此作者提到未來所謂第三方分析服務提供者 (3rd party analytic service) 的需求，但是對於這一點個人是有點疑慮。
每一個企業都有其運作的細節，而對於分析的需求就會有所不同，因此由外者提供分析服務會有其限制，因為外來者是必須要更多時間了解運作細節才能建立有效的分析模型並進行初步驗證，而企業未必能夠有耐心與預算支撐這樣的進度。相對的，當外來者能夠掌握細節建立、驗證並修正分析模型時，相信企業應該也會想挖角了。因此，如何找到人、培養人將是企業欲發展分析能力的一大問題。
最後是技術或是工具。台灣的型態都是由解決方案提供者 (solution provider) 來教育市場，然後部分企業就開始進行。但是這些企業是否能夠由解決方案提供商得到最好的建議或是最適合的工具？當然解決方案提供者會追求自己最大利益，而不是企業的。因此企業是不是能夠得到它所需要工具，就還是一個可議的點。
再者，應用系統 (application) 都是有一個預先定義的腳本 (scenario) 或流程架構來設計出來的。如果企業流程無法修改 (re-engineer the process)，則使用這樣的系統則有削足適履的狀況。如果企業堅持其作業流程，則只能尋求透過軟體元件或是全部客製開發的方式，這又會有系統開發管理 (需求確認、範疇控制...等) 的問題，而且又會回到「人」的問題，使用者是否有能力提出正確、完整的需求？
以上是我針對作者提出 「科技」、「人員」、「流程」三大阻礙的看法，請各位不吝指教。
沒有留言:
張貼留言