預測未來的公司有何過人之處？

如果知識就是力量，那麼預測分析便應諾了關于未來的終極認知。 這樣的認知來的并不容易，但是數字資訊的日益密集化、公司之間更深層次的自動連接配接以及增強的存儲和計算能力為企業家們創造了新的選項。曆史上首次可預測的未來已經觸手可及，這其中包括對潛在的未來行為和結果的各種可能性以及日益增長的認知。這也就難怪，根據埃森哲最近的一項調查表明，從2012年開始，高管們将預測分析放置在執行議程的首位。

各種機構正在經營新型關系，以更多地了解潛在的未來行為、結果及其發生機率，并采取相應的行動。我們發現，最具前瞻性的企業做以下三件事情：

(1) 面向外界：分析的主要焦點一直以來都是針對内部的，指向高頻率、标準化、可重複的将偏差和幹預聯系起來的流程。通過分析，這些機構部署了更大的資料集，更廉價的雲計算能力，以及更激進的算法來成功地規範以前不标準的流程，如銷售和服務，使他們更具有可重複性、可預測性，并适合進行分析。

但是為了将分析應用到未來的情形，自我認知是不夠的。最有可能影響未來的資訊源于望向窗外，而不是面對鏡子。龐大的計算能力也并不是關鍵的差別，因為對未來的預測較少依賴于額外的統計運算，而是更為依賴更加多樣化的輸入。舉個生産那些利用傳感器收集遙控測量資訊的裝置制造商的例子，這些資訊涵蓋機器的運作、部件的狀态、機器性能、資源消耗等資料。在一個關鍵客戶出現了緊急故障時該監控出現了異常狀态。這樣的故障可能會導緻成本顯著上升，并損害客戶的品牌。制造商通知了客戶導緻裝置離線的原因并予以修複，進而避免了數百萬美元的生産損失以及品牌有可能受到的負面影響。繼而，業務便像往常一樣順利開展，客戶也非常感激裝置制造商。

在這個例子中，對客戶的關鍵資訊來自于其外部。但是，盡管這樣的資訊交流已經在技術上是可行的，對資訊提供方而言，他們還不能在财務上受益，而對客戶而言，這些資訊難以估值及納入其管理體系。将資訊交流轉換成價值和收入涉及到改變資訊關系的本質，以及管理層根據資訊采取行動的能力。最有遠見的公司正在開發新的商業模式來從這些類型的資訊交流中創造價值。

（2）發展開放的多重的多邊關系：利他主義或開放本身并不會導緻對預測未來所需要的多樣性資料的随時通路。預測未來的資料的可用性和準确性，需要包括與客戶、供應商、貿易夥伴，以及幾乎任何其他擁有潛在有益資訊的人建立多重的多邊關系。如今隻是與合作夥伴一對一的資訊共享已經遠遠不夠。提高預測能力在于将自己定位于多個資訊流的中心。

目前基于資訊的服務，如彭博社(bloomberg)，包括資訊提供商向多個客戶通過細分服務銷售單組資訊。這種模式在預測未來中發揮作用，但工業網絡和擴充的通訊能力改變了資訊産品的本質。從過去的一個産品提供給許多客戶，到目前的産品趨勢是向一方提供來源于多個管道的資訊，并又重新排列并重新配置設定資訊給多個客戶。簡言之，從多個到一個再到多個。

對這種類型資訊的需求催生出産品和市場機遇，但在資訊服務市場裡的人們都想享用免費産品，因而資訊産品難于貨币化。然而我們預計，一個可行的市場将逐漸嶄露頭角，它将以商業條款形式逐漸發展以支援多重多邊關系，通過給訂閱使用者提供獨有的資訊享用權限以産生價值。無論資訊來源是商業經紀人還是現有的商業關系，多樣的資訊源都在為預測未來添磚加瓦。

（3）更新管理和上司實踐：一個擴充的分析引擎由多個資訊來源帶動，但是如果它沒有針對未來的預測采取行動就毫無用武之地。管理實踐必須自我調整進而使這種能力顯現出來。

針對過去的可靠資訊采取行動已經舉步維艱。在管理層被要求對未來進行預測而不是基于過去的業績來預測未來時，難度又大為增加。有效利用預測分析包括掌握一套新的管理、營運和财務的技術以及理論。

管理上，企業需要修改管理實施辦法，其中包括：增加實驗和試點項目，以提高基于外部和不完整資料的風險承擔能力；在決策和行動中內建測試和學習經驗；增強因果關系、相關性、一緻性之間的差異的認知；賦予那些能夠避免不良影響和錯失良機的行為以有形價值。

營運上，企業需要為多邊、基于資訊化的關系建立自己的信任和執行機制。這些機制意味着創造新的分析能力，確定通路第三方資訊和功能的通道，不斷更新來源，以及确定哪些資料需要保密以保持它們的價值。

财務上，企業需要新的模型來估值資訊資産，而不再視它們為無形資産。财務安排必須作出調整，以處理定價和支付基于未來可能性的價值。最終的目标是将資訊作為一種有形資産流，而不是停留在資産負債表上的無形資産。

“未來已經在這裡，它隻是分布不均。”威廉·吉布森的名言，雖然被過度使用或濫用，依舊是至理名言。預測未來毫無疑問是有價值的，正因為它分布不均，進而産生需求。在可用的海量資訊裡尋找到未來需要更賣力的愚公移山式的工作。它需要企業在管理、資訊密集型關系、以及更廣闊視野下的分析等各個方面進行投資。

原文釋出時間為：2014-10-30

本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号