3提升企业的数据分析能力

高管们向我们坦言，最担心的是经理不理解或者不相信基于大数据的模型，所以并不使用它们。

由于现有的组织文化和能力与数据驱动新策略不相匹配而导致问题的出现，这其实很常见。新方法或者无法与现有决策方式相匹配，或者不能为实现企业目标勾勒清晰蓝图。许多分析工具看上去只是为专家建构模型而设，而不是为第一线的员工服务。而且很少有经理对模型有足够的兴趣并推广其使用——对于想要在内部推行新方法的公司来说，这是一个致命伤。关键在于，使用大数据需要深思熟虑的组织层面改革，从三方面入手采取行动可实现目的。

研发与业务息息相关并可投入使用的分析工具

很多大数据和数据分析的初步使用之所以失败，是因为不能与日常工作流程和进行决策的常规做法保持同步。模型设计者需要了解经理作出的各种类型的业务判断，以使其行动与公司的整体目标保持一致。与一线经理的对话将确保数据分析及相应工具能够完善现有的决策流程，从而使公司在各方面作出权衡。

在一线使用的简单工具中植入数据分析

经理需要简单明了的方法，便于日常使用新模型和新算法。当然，加强营销、进行风险管理和运营需要TB级数据和复杂模型。关键是要将统计专家和软件开发者与经理区分开来。目标是，为一线经理提供直观的工具和界面以帮助他们更好地工作。

开发利用大数据的能力

即便有了简单和便于使用的模型，大部分组织仍需提高其数据分析方法和知识水平。为了使分析成为日常运作的一部分，经理应当以此为中心去解决问题和发现机遇。依据公司的目标和预期的时间要求，需要采取相应的举措。调整企业文化和思维方式通常需要多管齐下，包括培训、领导者的榜样作用、激励和指标。例如，成年学习者通常能从“现场型讨论”中受益，通过现实工作的分析思考，从实践中学习。

根据我们的经验，高管们应当现在就行动起来，积极使用大数据和数据分析。但是与其推行大规模变革，不如专注于有针对性的数据收集、模型构建和文化转型。这些举措有助于企业保持灵活性。这很有必要，因为信息本身（包括管理和分析信息的技术）也将不断发展和变化，新的机会将从中产生。随着企业不甘落后地学习使用大数据的核心技术，构建卓越的数据能力将成为压倒一切的竞争力资产。

Dominic Barton（鲍达民）是麦肯锡董事长兼全球总裁，常驻伦敦分公司；

David Court是麦肯锡全球资深董事，常驻达拉斯分公司，他也是麦肯锡高级分析业务负责人。

麦肯锡公司版权所有©2013年。未经许可，不得做任何形式的转载和出版。本文经麦肯锡中国公司授权出版。