9.1　各个行业并非生而平等

一些行业的分析是嵌入在决策流程中的，包括银行业、金融业和物流业等。这些行业的公司往往有许多分析专家，例如，风险管理领域就是由分析驱动的。我们在邮箱里收到的所有信用卡名单都是通过分析计算出来的。在你的信用卡开卡申请寄到我们的邮箱之前，关于你的数据就已经被详细地分析过了，而且我们认为你的申请风险很小。哪怕是在小型区域性银行，我们也会发现那里有一群分析员。信用卡优惠领域需要强有力的分析，没有哪家公司敢不经过分析就采取行动。如果我们能更准确地挑选出哪些客户不会拖欠信用卡账单，那整个公司的实力将会因此得到提升。

还有一些行业是混合型的。在这些行业中，有的公司分析搞得不错，而有的公司根本没有任何分析。零售业和制造业就是这样的例子。有的制造商精于分析之道，而有的制造商因为本身是区域性的，连做个电子表格报表分析都很困难。这些制造商要是能多开展一些分析活动，那该多好？

了解你的行业所处的位置

有好消息，也有坏消息。如果我们的行业重金投入分析，那行业中应该有大量的、拥有该行业经验的分析专家可供我们选择。然而，你的公司需要努力跟上行业领头羊的步伐。如果你所处的行业对分析没有那么重视，那你应该庆幸自己有机会可以挺立潮头。遗憾的是，这时我们不会有太多可以借鉴的成功经验。

许多美国知名的零售连锁商店过去会把相同尺码组合的成衣配送给所有的店面。你注意过吗，许多商店一直都没有你能穿的尺码，但你穿不上的尺码却有一大堆摆在那里？很多零售商还没有尝试过把商店的库存和当地的客户需求匹配起来。商店的尺码采购组合可能没有问题，但由于店面的位置不同，购买者距离商店的远近程度不同，以及商店中商铺的不同，都会影响消费者选购的尺码。尺码分析就是确定每家商店的正确尺码组合的过程，通常用来确定上衣和袜子的尺码组合比例。一些店面需要更多大尺码，另一些商店需要更多小尺码。很多零售商在尺码方面都非常精明，但仍有不少零售商摸不着头脑。

即使在使用分析的公司里，各个部门的情况也不一样。某家公司可能会熟稔某些业务领域，但对其他领域根本不熟悉。某家电信公司可能在防止客户流失（客户转投竞争对手）的营销上做得非常好，但却不擅长建立产品定价影响的预测模型。

要让优秀的分析团队运转起来，我们要面对诸多挑战。如果团队已经存在，随着团队持续不断地增长，挑战也会不断地增加。不管一个行业处在什么位置，挑战依然存在并且持续增加。我们假定本书的读者都是想帮助公司做更多、更好分析的人，并且希望帮助公司驾驭大数据浪潮。如果是这样，那就少不了一支优秀的分析团队。