选好数据指标 杜绝实时决策系统事后诸葛亮

ZDNET至顶网CIO与应用频道 08月04日 评论分析：时至今日，大数据已经是一个绕不开的话题了。然而怎样才能拥有大数据能力，却是众多企业头疼的问题。毕竟大数据能力并不是简单的拥有大数据，而是如何利用大数据来创造价值。Gartner对此给出了这样的定义：大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

实时决策系统为啥沦为马后炮？

决策能力中很重要的一部分就是实时决策，然而不少企业建立了大数据平台，也有不少支持实时决策的，但实际效果却很难达到预期。这是什么原因呢？

虽然到了大数据的时代，但是很多企业在建立大数据实时决策系统时，却依然采用传统意义上的财务数据或者销售数据指标来作为决策的依据。实际上这类数据只是对过去的情况的总结，因为财务和销售指标是来自于其它活动的多层次数据堆积的，这个过程需要时间，有时个过程还会很长，而且财务和销售指标往往局限于特定的职能部门，用于决策当今扁平化的面向互联网甚至是物联网和“务（服务）”联网的组织架构下职能交叉的运作体系，也就是所谓的马后炮，根本达不到实时响应的效率。简而言之，这些指标是滞后指标，不能预示未来的情况，也不能为实时决策提供依据，采集这些数据来做实时决策就犹如看着后视镜在开车。

挖掘前置数据指标才是王道

大数据时代，数据专业处理能力已成为企业核心竞争力，如何从数据中创造商业价值才是问题的关键。海量的数据中，并不是所有的数据都能反应业务情况，并为实时决策提供支持。那么到底该如何从大数据中找到能快速反应业务情况的数据呢？

笔者曾经在以前撰文讨论过业务流程和成熟度的关系，其实伴随着业务流程，还有另外一个流程，那就是数据流程，这两个流程是相辅相成的，业务流程运作中一定会有大量的数据产生，而产生的数据中的一部分通过处理分析和挖掘，又能为业务流程的运作提供实时决策支持，这些数据也可以称为前置指标。但是对业务大数据中支持实时决策的前置指标的挑选，还要跳出传统的视角，换一个角度去看，特别是从数据流程的前后因果关系去上溯。比如，订单满足率、发货到货及时率、定价、客户投诉与和及时处理效诉率、产品性能、客户交易频率等等，这些指标在业务操作的过程中就会产生，同时也是驱动需要汇总的销售和财务指标的起因，所以建立这些前置指标和滞后指标之间的关联逻辑，就能充分利用好大数据系统，根据前置指标的变动及时作出实时的决策，而不必等待滞后指标发出的信号。

由于各行各业的业务情况各不相同，因此前置指标的识别和设置，需要企业对自身的业务流程以及相应的数据流程有清晰的了解，根据业务流程和数据流程中数据的流向和因果关系，找出主要的业务活动，再找出具体触发那些滞后指标的数据，也就是前置指标，进而利用这些前置指标作为基础，构建实时决策体系。

总之，如果能通过对业务流程和数据流程的综合分析，从源头上对大数据进行把控，建立各个业务部门有共识的，同时又适应互联网和大数据环境的前置指标体系，用前置指标提供实时决策支持，这样就能很大程度上提升利用大数据的实时决策能力，从而为企业在大数据时代，向数据驱动业务靠近，从而提升运营效率和组织效率。

作者：孙伟

作者简介：

从事IT工作二十多年，十多年的知名跨国外企IT全面管理运作经历，曾经成功组织实施过多个大型及跨国ERP项目和业务流程管理项目。