如何進行有效的大資料處理、分析？

大資料和分析法的品質，不如分析的目的來得重要。最有趣的緊張态勢和争論，始終圍繞着組織是否會因使用分析法而獲得最大報酬，以使既有的流程行為(process behavior)更完善，或者改變公司人員的行為。

許多企業投下數百萬美元用于大資料、大資料分析，并雇用資料分析家，但卻感到很受挫。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争論，似乎與過去的類型仍一樣，隻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CIO最近告訴我的，“我們現在可以做實時的分析，那是我在五年前根本無法想象的，但這麼所帶來的影響力，仍與我的預期差距很遠。”

怎麼回事?《财富》雜志1000大企業舉辦了幾場大資料與大資料分析會議，并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，結果一個明确的“資料啟發法”(data heuristic)出現了。分析成果為平庸到中等的企業，用大資料和分析法來支援決策;而“分析報酬率”(Return on Analytics，簡稱ROA)良好的企業，使用大資料和分析法來推動并維持行為的改變。較好的資料驅動分析不僅僅是納入既有的流程和檢讨會，它們還被用來創造及鼓勵不同類型的對話和互動。

“要等到管理階層确認想要改變、并清楚知道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CIO說。“提高合乎法規的情況和改善财務報告，是很容易獲得的成果。但是，這隻意味着我們使用分析法去做我們已經做得比以前好的事情。”

真正的挑戰是洞察，利用大資料和分析法，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;各部門可能需要設定不同的或互補的業務流程;經理人和進階主管可能需要確定，現有的激勵措施不會破壞分析帶來的成長機會和效率。

例如，一家醫療用品供貨商整合有關“能帶來最多利潤的客戶”和“最賺錢産品”的分析，必須對業務人員與技術支援團隊進行完整的再教育，兩者都是為了“打擾”并“教育”客戶有關附加價值較高的産品。這家公司了解，這些分析法不應該隻是被用來支援現有的銷售和服務實務，而應該被視為一種契機，可推動新型的促進式(facilitative)和顧問式(consultative)銷售及支援組織。

諷刺的是，大資料和分析法的品質，不如分析的目的來得重要。最有趣的緊張态勢和争論，始終圍繞着組織是否會因使用分析法而獲得最大報酬，以使既有的流程行為(process behavior)更完善，或者改變公司人員的行為。但大緻的共識是，最有成效的對話聚焦于分析如何改變行為，而非解決問題。

“我們組織内的大多數人，曆史課的表現優于數學課，”一位消費性産品分析主管告訴我。“要讓公司人員了解新資訊和名額可能會如何改變他們的做事方式，是比較容易的，要讓他們了解根本的算法則比較困難……我們好不容易才學到，‘翻牆’(over-the-wall)資料和分析法，不是讓我們的内部客戶從工作中獲得價值的好辦法。”

得到正确的答案，甚至是問正确的問題，原來不是擁有高ROA企業的主要關切點。無可否認，資料與分析法的問題、答案，都是重要的。但更重要的是，這些問題、答案及分析法，如何與個人與機構的行為協調一緻(或彼此沖突)。有時候，即使是最好的分析法也可能引發适得其反的行為。

 Bingdata優網助幫彙聚多平台采集的海量資料,通過大資料技術的分析及預測能力為企業提供智能化的資料分析、營運優化、投放決策、精準營銷、競品分析等整合營銷服務。

北京優網助幫資訊技術有限公司（簡稱優網助幫）是以大資料為基礎，并智能應用于整合營銷的大資料公司，隸屬于亨通集團。Bingdata是其旗下品牌。優網助幫團隊主要來自阿裡、騰訊、百度、金山、搜狐及移動、電信、聯通、華為、愛立信等著名企業的技術大咖，兼有網際網路與通信營運商兩種基因，為大資料的算法分析提供強大的技術支撐。