福特在企業里推數據訪問和分析功能

至頂網軟體頻道消息：隨著數據的高速增長，包括移動、持續連接和自主性車型在內的數字化轉型迅速湧現，福特早在2014年就認識到了要採取更為全面和戰略性的數據驅動決策方法的需求。鑒於此，福特公司首次聘請了首席數據和分析官員保羅·巴勒（Paul Ballew），並與2015年1月組建了福特全球數據洞察與分析（GDIA）部門。

巴勒是Dun & Bradstreet、全國保險、通用汽車公司及JD Power and Associates的老將。福特的新聞稿表示，巴勒面臨的挑戰是「要在福特內部將大數據和分析技術推向下一個層次……要在全企業範圍內建立一個分析和整合各種研究、分析、流程、標準、工具並有合作夥伴參與的願景「。

數據科學家亞當·布萊克（Adam Blacke）最近告訴筆者，分析工具、方法和流程以前在整個公司使用過，但「各團隊在業務里使用的分析方法不一致導致效率不佳」。

GDIA的創建是為了分享最佳實踐並在整個組織里推動優化的、數據驅動的決策過程。GDIA的成員有福特原部門內部的老將，也有新員工，GDIA現有員工已發展到600多名。GDIA通過協商合作對各種業務提供支持，包括製造、研發、供應連鎖營銷、客戶服務、行政、法律和會計團隊。

筆者在《福特分析團隊推動全面數據分析》案例研究報告里提到過，GDIA的中心化協調促進了一致性及最佳實踐的共享。布萊克表示，「我們知道大家可以相互學習。我們以前只是讓各團隊學習不同的東西，但他們並不會與別的團隊分享探索分析的經驗。」

中心化是各部門充分利用已經存在的數據科學專業知識的一種方式，而中心監督可以採取多種方式實現。例如，Facebook開發了一種混合法，混合法里的數據科學專家仍然安插在特定的業務領域裡，筆者在2013年的一篇文章做過解釋，這些數據科學專家也會向當時的首席分析官肯·魯丁報告（魯丁後來加入了谷歌），他們會定期與其他業務部門的同行會面。

混合法里的專家們在某一個業務領域開發深刻的專業知識，業務團隊可直接利用這些專業知識（並提供資金）。而專家們也會定期與同行分享他們在分析方面的工作，並與各業務部門的同行交流思想和經驗教訓。首席分析官促進人才的發展、設定和協調分析優先事項，並為所有業務部門的基礎架構和數據投資提供支持。

福特的中心化法同樣是可行的，中心化法並不能阻止個別業務部門保留自己專門的分析資源。中心化團隊的方法對於將數據驅動決策和優化分布到各種小部門和業務團隊非常有益，這些小部門和業務團隊由於太小或其他原因在一般情況下往往沒有足夠的設備支持自行開展分析方面的項目。

分析專家Thomas Dinsmore是《顛覆分析》（Disruptive Analytics）一書的作者。Dinsmore最近告訴筆者，對於數據科學家的做法應該像商業飛機一樣：要超額預訂。中心化法是確保分析項目的穩定及確保有足夠的具有優先性分析項目的一個方法。但如果分析的支持隊列過長或缺乏企業創新，中心化也可能出麻煩。 Dinsmore表示，他也見過有些機構試了中心化法後重回分散化（或者也可能是混合）法。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！