【行业信息】来自预测性分析学的挑战,澳洲会计师公会微信公众号文章

欢迎点击关注我们

文/ Beverley Head 译/ 章海贤

经过数年的谈论，预测性分析学终于被广泛使用。现在的问题是：企业是否拥有能够充分利用这一工具的管理人员和数据科学家?

当澳洲电信呼叫中心业务员问“你好吗？”时，他们会十分认真地倾听回应。

数据分析发现，那些打电话来取消电信业务的用户中，有48%的人会回答“还可以。”这就敲响了警钟，精明的呼叫中心业务员知道，挽救这个客户的可能性已经很小。

当澳洲电信最初使用预测性分析学时，仅仅是为了提高顾客满意度。然而，澳洲电信的供应商Verint顾客分析部主任哈登（Belinda Haden）说，使用分析学之后，使得公司的收入增长了11%。

她说，分析顾客的电话内容和情绪，使得澳洲电信能够找出共同的问题并解决其中的许多问题，同时还能加快投诉的处理。哈登说，顾客电话已经减少了28%，而向电信部门监察署投诉澳洲电信的案件也下降的24%。

预测性分析学利用技术在收集的大数据中找出规律。通常，这些收集的资料并不能从数据库中轻易找到，它们隐藏在一堆专家称之为“无序数据”的音频文件中。预测性分析学要利用特别开发的视觉化工具，有助于实时找出可能出现和有代表性的结果，这样，企业就可以马上做出回应。

例如，一个应用软件可能会告诉零售商有顾客正在接近商店。该零售商已经对该顾客以往的购买行为进行了分析，知道该顾客的购买习惯。因此，他们可以参照背景相同的顾客会继续买什么，然后给这位顾客发送电子购物赠券，鼓励他们来商店，并根据赠券信息进行购买。公司也可以利用预测性分析学调整商业模式，以便应对市场环境的变化或新出现的机会。

澳新银行部署的猎鹰(Falcon)系统展现了分析学能力的最高水平 – 通过监视实时银行卡交易来找出异常。该系统会问：你今天早晨5点钟在新加坡购买1000澳元的电子产品，而昨天还在悉尼的Woolworths超市花了45澳元，这真的是你吗？

澳新银行2005年末启动这个系统时，处于市场领先地位。当时，预测性分析学还主要是卖家进行大肆宣传，很少企业真正使用。然而现在，工具和技术均已经成熟，价格也不贵，要求计算机有效处理数据的能力绰绰有余，费用也不高。对大多数企业来说，剩下的挑战就是要说服领导层认可预测性分析学的价值，然后找到能够将洞见转化为行动和企业价值的数据科学人才。目前，这种人才仍十分稀缺。

使用大数据

现在一谈到预测性分析学就离不开企业可获得的“大数据”— 就像信息消火栓。

让我们来看看波音787梦幻客机。每次航班把半个TB的数据传到波音公司的飞机健康管理应用系统，该系统会分析飞行数据，精确查出飞行规律，找出预防性维修的机会，然后将这个建议提供给波音的末端信息系统，来安排维修人员或订购零部件。这样可以使运作更为顺畅，减少停飞时间，并降低风险。

那只是机器生成的数据。此外，其它信息来源于现存业务系统和电子数据表、呼叫中心通话记录、智能装置和安装各种应用软件智能手机以及社交媒体。

根据IT公司EMC数据宇宙的研究结果，每两年数据就会翻一番。该研究推算，到2020年，地球上会有44ZB（1ZB等于1百万GB）的电子数据。

预测性分析学的挑战在于从数据中找出价值。

IBM准备建造其直觉机器Watson时, 可谓勇往直前，知难而上。就像大多数伟大技术的发展一样，Watson诞生于网吧。IBM的研究人员观看美国知识竞赛电视节目《危险（Jeopardy）》时，开始考虑是否有可能建造一台能获胜的计算机。2011年，Watson与该节目的人类冠军对垒，结果它赢了。

穆克基（Dev Mookerjee）是IBM Watson公司亚太区技术销售主管。他解释说，开发该系统是为了“复制人类的认知框架”。该机器无法编程，但如果输入足够的有价值的数据，它就能够学会分析信息，并对提出的问题提供有分量的答案。

Watson正在支持IBM的一项预测性分析学服务，名叫Watson客服顾问。坐落在墨尔本的迪肯大学（Deakin University）应用此服务系统来回答学生咨询。起初，该服务只是回答一些简单的问题，但后来迪肯大学要用它来提供职业或课程辅导，以降低学生的退学率。同时，澳新银行正在研究如何利用Watson来帮助其财务顾问。澳大利亚移民部也在试用Watson服务系统。

穆克基说，有4家日本保险公司利用Watson，已经使其健康险80%的保险索赔业务实现自动化处理。在美国，斯罗恩•科特林癌症中心的肿瘤科医生一直在与该系统分享他们的经验，以便Watson能帮助医生开发患者医治路线图。

预测性分析学已经十分成熟，现在广泛地被各个行业应用，配套的技术也在急速发展。一些特别设计的系统，如Hadoop软件框架，可以作为一个平台，用于分析海量无序数据采集过程。（最大的数据采集过程现在十分庞大，故被称为“数据湖”。）

据分析师Gartner称，SAS是预测性分析学领域的领头羊。该公司正在使用快速记忆处理来分析以每秒400笔交易的速度进来的数据。数据处理和储存成本的下降使得应用这项技术变为可行。

让分析学发扬光大

虽然预测性分析学需要驾驭技术，但远远不止技术问题。安永会计公司全球首席分析学官马泽（Chris Mazzei）对此有很贴切的描述。

马泽说，“分析学不是一个技术问题，而是战略和经营问题。分析学正在改变企业制定决策和实施决策的方式。数据本身的价值有限，但如果把它当做战略资产来管理，数据就可以改变组织竞争和获胜的方式。”

但是，数据得到董事会和首席高管们的重视吗？

独立IT顾问布兰奇菲尔德（Dez Blanchfield）认为，重视还不够。他说，“首席信息官(CIO)已经懂了，但董事会成员可能还不了解。大数据的价值要能够用金钱衡量，就会被CEO明白。大数据通常被CFO误解成风险或成本，而非资产。”

他提到一些行业颠覆者，他们几乎没有实物资产，但数据资产却十分丰富。“世界上最有价值的零售商没有存货 -- 阿里巴巴。增长最快的银行没有钱 – Society One。世界上最大的出租车公司并不拥有出租车 – Uber。另外，最大的住宿提供商也不拥有房地产 – Airbnb。”“数据并非一个IT问题…它其实是个商业问题，因此需要列入董事会的议程。”

中小企业需要分析学吗？

对波音飞机公司或Aera能源公司来说，数据的价值可以一直追溯到公司利润，但中小企业呢？预测性分析学有用武之地吗？

曾经担任德勤会计公司合伙人、现任澳洲SAS公司金融服务总监弗兰克斯（Paul Franks）说，德勤已经习惯于用数据分析来调整业务。他认为，现代云端工具的提供使得很多企业都可以应用这项技术。他坚持认为，数据分析应该特别引起会计师的共鸣。

“会计师的挑战在于，他们提供的许多服务是固定价格和商品化的，因此这完全是为客户追求价值。他们如何能成为更有意义的教练或顾问？他们该如何利用数据来引导客户，或提供有用信息？”

“中小企业乃至大公司的许多客户都会告诉你，他们有好的会计师帮他们报税，但没有好教练告诉他们如何提高竞争力。”

弗兰克斯说，会计师的挑战是利用数据来找出有价值的信息并提供服务，例如，利用数据图表将客户与同行业类似公司进行比较，然后利用数据分析结果来调整决策制定。

“通常的模式就是，‘我们试试吧，看效果如何。’这其实是在寻找证据，让你对制定的决策有信心，这正好是会计师提供更多价值的机会。技术层面来说更加容易了，云端技术让更多企业可以享受这项技术。”

弗兰克斯补充说，数据分析学也为他们自己的业务提供更好的抓手。“进行同行比较存在的问题是时间可能会滞后12个月。企业需要针对变化的环境和市场需求作出反应。这里一直在强调的就是数据可以用于公开讨论。”

“它可以用来测试企业的压力，检查财务指标并与同类企业进行比较，然后形成一张基本情况表。你可以将自己的企业与其他企业进行对比，看看你的企业和其他企业所处得位置之间是否存在任何变量的增量。我们总是忙于执行业务，我们也应该花些时间来研究业务。”

现在该找专家了

很多企业面临的困境是找不到专家。要想充分利用预测性分析学，就得有数据科学人才。然而，数据科学家属于稀缺资源，拥有具体行业经验的数据科学家就更是凤毛鳞角了。

有几所澳洲大学现在已经开设数据科学硕士课程，国外另有47所大学也开设了此类课程，这个数字正在快速增长。你并不需要高深的数据技术就能预测到，这些课程的毕业生将会大受欢迎。