決策你的分析為何讓你失望
許多企業投下數百萬美元用於巨量資料、分析法並雇用數量分析家，但卻感到很挫折。無可否認，他們現在得到了更多、更好的資料。他們的分析師和分析法也是一流的。但經理人對業務的想法和爭論，似乎與過去的類型仍一樣，只是他們使用的資料與分析法都比以前好得多。最終的決定可能是更加由資料驅動（data-driven），但組織文化給人的感覺仍然相同。正如一位資訊長最近告訴我的，「我們現在可以做即時的分析，那是我在五年前根本無法想像的，但這麼做帶來的影響力，仍與我的預期差距很遠。」
怎麼回事？我協助《財星》雜誌一千大企業舉辦數個巨量資料與分析法會議，並花費大量時間協助一些似乎對投資在分析法上的回報感到很滿意的組織，結果一個明確的「資料啟發法」（data heuristic）已經出現。分析成果為平庸到中等的企業，用巨量資料和分析法來支持決策；而「分析報酬率」（Return on Analytics，簡稱ROA）良好的企業，使用巨量資料和分析法來推動並維持行為的改變。較好的資料驅動分析不僅僅是納入既有的流程和檢討會，它們還被用來創造及鼓勵不同類型的對話和互動。
「要等到管理階層確認想要改變或影響的行為是什麼之後，我們才會去做分析或商業情報的工作，」一位金融服務公司的資訊長說。「提高合乎法規的情況和改善財務報告，是很容易獲得的成果。但是，這只意味著我們使用分析法去做我們已經做得比以前好的事情。」
真正的挑戰是察覺，利用巨量資料和分析法，以改善解決問題和決策的方式，會掩蓋組織裡一個現實情況，那就是新的分析法往往需要新的行為。公司人員可能需要作更多分享和協力合作；各部門可能需要設置不同的或互補的業務流程；經理人和高階主管可能需要確保，現有的激勵措施不會破壞分析帶來的成長機會和效...
