大数据背景下企业加强预测分析以优化决策

高嘉莉

摘要：由于大数据的极大丰富，企业进行大数据预测分析，获取更智能的决策信息。在数据预测分析的原则指导下，建立预测分析框架。在数据预测分析的各个阶段，运用数据预测分析的结果，将企业运营与预测分析结合起来，提高绩效管理并优化决策。

关键词：预测分析；绩效管理；优化决策

企业进行数据预测分析，作为服务于最终目标的一种手段。这个最终目标就是要为企业提供更迅捷、更智能的决策，将决策优化。预测分析是追踪对已经发生的事情“为什么”的理解，获取原因方面的洞析。这样企业通过信息驱动的洞察来建立战略。这些洞察通过各个方面的分析能力，如客户细分、客户渗透和市场份额以及渠道和成本等，这就是预测分析的核心，特别是前瞻性分析的核心。预测分析非常重要，通过它，企业组织可以从事中控制管理和对事后数据的被动反应转化为前瞻性的规划管理，这样具有了前瞻性，在问题发生之前就进行调整和采取相应的措施。例如，通过对汽车制造商的保修索赔进行分析，能够探查汽车设计方面的问题。客户个人信用卡的购买交互数据历史可以转化为信息，为客户提供更好的追踪服务或者为其提供个性化的产品服务，从而提高销售量或销售额。

一、运用大数据预测分析的原则：

原则一：分析的数据应相关、及时且可靠

要识别对企业运营关键性的决策，并且能够推导出制定这些决策的模式。企业组织理解了需要的决策类型，就可以确定预测分析所需要的数据源。为了让分析的数据有价值，数据应当具有：第一，数据能反映与客户的关联性；第二，数据是持续的可信赖的流程处理的结果；第三，对制定决策者来说数据具有能够反映适当的时间的范围。在适当的时间得到有意义的数据，以他们信赖的方式提供决策信息。数据分析应当能量身定制提供给特定的信息消费者，根据表现形式和相关背景，并描述其可供选择的行动措施，以帮助管理者进行决策。

根据预测分析结果制定关键业务决策，强大的预测分析，使得为企业提供更有效的决策成为可能。例如，dell电脑公司，基于客户订单来进行物流网络管理和组装电脑的组件库存管理。其敏捷性的表现在于，如何对可交付产品和供应链进行相关配置，以保证对组件及装配的高效管理水平。预测分析以一种有序的并且是有成本效益的方式将库存水平与计划装配能力联系起来，预测客户订单的技术。最终，库存与装配有效结合，客户及时收到订购产品，dell公司可以实现营运利润、市场份额以及客户忠诚度的综合目标。

通过分析得到的数据应当是对客户有用的，数据分析应该反映组织的业务模式，开发出前瞻性的信息，这些信息应该能够促进关键的问题和企业策略的制定，数据通过分析得到的结果要能够适用于一定的目的。例如，企业为制定生产计划和进行生产调度为目的而预测分析所需的产量，与为了预测半年后的产品销售收入为目的而预测分析的产量，这两者目的是完全不同的。数据分析就应当是在客户需要的时候，客户需要的地方，以客户需要的方式提供适用于决策目的的数据分析。

原则二：保证数据来源的整体有序性

数据来源的整体性对预测分析是至关重要的。数据的整体性是指动作、数值、方法、指标、原则、预期和结果具有一致性。数据来源具有整体性，意味着企业组织要建立统一的数据标准和严格的数据质量系统。数据整体性也意味对所分析的基础数据能够给予信任，如果缺乏可信任的数据，即使有统一的流程系统也将产生不能被使用的分析结果。所有需要数据分析的客户都应当意识到数据整体性与数据质量问题，或者对所使用的数据进行评估。

在数据分析中，企业组织中的所有层面应当使用一致的数据。这样就可以在企业组织中各个不同管理层和运营层中产生同一数据事实的透明度。决策人员更需要獲得同一套数据测量结果，这样他们才能对数据分析结果运用判断力，制定决策信息。例如，将研发、设计和生产各个环节的数据整合，可以提高生产效率和缩短生产周期并提高产品质量。

原则三，绩效衡量系统应该是财务与非财务、内部与外部的数据相结合

企业组织拥有大量的数据，那么在绩效管理衡量系统中，要找到核心的数据指标并帮助管理层制定决策。数据预测分析应当做到：①将财务指标与非财务绩效指标关联起来；②能够报告历史绩效数据并且监控当前企业业务运营状况；③在企业运营过程中，预测未来事件的发生，同时在需要的情况下采取恰当地优化决策行动。产生分析的绩效衡量系统应当是规范且持续的。一套平衡测量系统将包含企业内部及外部的驱动因子，反映财务与非财务的绩效指标。外部因子指标反映社会经济形势、市场环境、竞争对手和供应商的影响。内部业务因子指标可以是财务层面也可以是运营层面。这些内部因子或外部因子可以是，①这些因子可以反映一段时间的变化，例如新房销售额、新产品销售额、贷款违约率等。②一些因子反映在给定时间内的变化，例如新生儿人口数、新员工数量等。③一些因子反映某个时点的变化，例如利率、油价和销售佣金的变化等。这些驱动因子通常与影响竞争的环境和组织的外部不确定性相关，例如消费偏好、技术变革与需求变化等。

二、建立数据预测分析框架

数据分析带来的商机对公司企业逐渐变得愈来愈重要，实现良好的预测分析能够带给企业组织以获得竞争优势。数据预测分析，通过建立持续性框架来有效理解发生的事件，把握企业的相关驱动因子以及这些驱动因子将对决策产生的影响。

步骤一，流程设计

企业组织开发一个流程，使得能够基于一定的数据因果关系来进行预测分析。基于最近经济趋势、竞争态势和业务环境等变化来分析历史数据的相关性，属于流程的内在方面。还要根据资源需求和组织环境。资源需求包括所需专业知识能力、分析技能以及数据分析所需遵循的决策权范围等方面的内容。例如，新产品开发需要包括营销部门、配送部门、和生产部门等几个职能组织的紧密合作。流程设计必须融合每个职能部门的关键驱动因素，将各个流程之间的原因和结果可靠地联系起来，且展示与新产品发布相关的许多可选择的关键决策和行动。流程设计必须保证内部测量（例如，新产品开发时间）与外部测量（例如，第一年销售额）的平衡。在这个链条中的任何一处缺陷都有可能会影响新产品的发布。

进行流程设计时需要考虑的方面：第一，行业动态。这可能会影响组织的商业模式和商业周期（例如，产品长周期VS产品短周期）、竞争地位、行业监管。第二，各风险因素的影响程度。产品响应时间、成本与库存水平、订货周期和资本投资等不同风险因素的影响程度。第三，重要性和波动性。主要是查看两个因素之间的平衡状态，什么情况下会出现例外或异常情况，异常或例外是在建立业务流程中需特别注意的地方。

步骤二，模型开发

模型开发关键是建立输入数据与形成结果之间的相关关系。输入可以是离散事件（例如。银行利率的变化、新产品的开发）、聚合事件（例如，失业率、消费者违约）或结构性事件（例如，新厂房的建立、行业监管机构的审批）。确定输入和结果之间的关系随着时间推移体现出持续性，并且可以合理预期这种关系在未来一定时期可以持续的可能性。例如，某条航线的一个航班，开始预订之后就可以测量出客运收入变化，还可以根据定价、取消订票历史数据以及客流量等来对这次航班的运营进行分析。

步骤三，数据获取

预测分析的数据来源于方方面面。对背景环境、商业关联情况以及管理层所考虑的影响予以分析考虑。例如，西南航空公司，各个航班收入的经济相关性和可变性都高，需要每日更新，预测的时间范围可能是1个月。燃油价格的经济相关性和可变性可能需要每周更新，预测的时间范围估计会是3个月。广告成本的经济相关性可能是每月更新，预测的时间范围将会是6个月。这样有些数据获取周期长，则有些数据获取周期短。

对企业组织来说，数据的获取是比较复杂的。数据的定义往往是不一致的并且是不易处理的或者是需要付出高额成本才能得到的。当获取信息数据的业务部门在获取数据的步骤环节逐渐成熟起来后，可以储存并能随时访问大批量的、能够在执行数据分析时有效结合起来的财务、非财务数据，这样可以提供高质量的数据。

三、通过绩效指标预测分析优化决策

在大数据环境中，企业组织必须能够自我调整，对变化的数量和速度做出有效的反应。绩效管理分析可以促进资源分配和改进决策、提供反馈和对比结论说明，成为数据有效预测分析的核心。有效的绩效分析，帮助在组织中进行战略沟通，将业务绩效衡量与战略、运营业绩指标以及相关改进计划同步起来。

绩效衡量指标的定义，一般是通过外部驱动因素与内部驱动因素获得。例如，外部因素有：①识别潜在的驱动因子，例如，利率。②对历史数据进行统计检验，例如，物价、市场份额。③识别少数可见的强相关关系，例如，客户分群、客户渗透、产品组合/替代。④开发和验证预测能力，成长/保持。内部因素有：①开发适当的成本模型，成本。②识别收入模型，利润。③从混合的多个成本和活动中分离出可测量的成本影响。④识别生产力与能力因子的关系，生产率。

预测分析的目的就是通过前向、后向以及综合的数据信息识别出，我们的未来是什么样，并且能够促成影响运营结果和战略执行的管理决策。应用数据预测分析阶段主要有：

第一阶段，被动的应用。在这个阶段，企业组织主要重点是集中在對发生业务事件做出反应，一般在部门职责范围、职能性活动或绩效考量上。企业的这种活动一般依赖于一套有限的工具找到因果关系，这并不意味着组织缺乏有效的运营决策，但更多的是纠正措施方案。

第二阶段，系统的应用。在这个阶段，企业组织会投入在更多跨部门业务事件以及产品或市场的某些结构性变化上。企业组织拥有更多的实战工具技术，能够对未来市场或运营结果提供相当程度的洞察。这个阶段会有系统流程的明确标识、清晰的风险管理以及指导决策的管理讨论活动。

第三阶段，动态的应用。在这个阶段，企业组织会提炼出一套驱动因素与结果之间的关系。这样可以定期获取关键驱动因素的数据，并且在管理决策措施进行时受到监控，讨论活动不再是解决单一时间点的问题和状况，而是会关于当前以及可持续发展需求。决策中用到的信息置信水平逐渐趋高。

第四阶段，协同的应用。在这个阶段，企业组织各分支机构访问关键信息的能力通常都是实时的和前瞻的，因为业务模型不断捕捉趋势和模式进行分析，这样可以向企业管理层和员工分配预警提示。职责很清晰，不同职能部门之间的相互依赖于业务事件及预期结果相关联，这样对企业更具有凝聚力。管理措施和预期结果持续得到分享，企业流程不断明确，组织的学习能力不断提高，决策措施不断改进。

进行大数据预测分析，是提升绩效管理、优化决策的主要驱动力。企业管理者不仅仅是希望得到以报告、查询、搜索以及可视化的数据展示，更重要的是能够获得移动数据，获得数据变化的趋势内在能力并制定提升组织有效的行动措施，提供决策选择。这样通过数据预测分析就架起了从数据到信息再到行动措施和决策的桥梁。通过大数据预测分析，企业能够提升绩效管理，实现可衡量的目标，为企业高效的决策提供基础。

参考文献：

[1]维克托·迈尔—舍恩伯格.大数据时代[M].浙江人民出版社，2016，10.

[2]拉里·罗森伯格.大决策[M].上海社会科学院出版社，2015，10.