麦肯锡|数据分析时代:大数据环境下的商业竞争

大数据文摘基于大数据垂直领域50万粉丝的优势

想要发起一次众包的行业调研。

我们诚挚的邀请您用5分钟填写

《大数据行业从业者调研报告》

共同促成整个大数据行业的一次调研

·

麦肯锡|数据分析时代:大数据环境下的商业竞争

·

大数据文摘作品,转载要求见文末

作者| Nicolaus Henke, Jacques Bughin,

Michael Chui, James Manyika,

Tamim Saleh, Bill Wiseman,

and Guru Sethupathy

编译团队|Aileen Elaine 廖远舒

后台回复关键词“商业竞争”获取报告全文。

大数据的潜力在不断增长。充分利用这项优势意味着公司将他们的战略视角与大数据结合分析,做出更好的、更快的决策

大数据只是炒作么

恰恰相反:早期的研究可能只对最终结果产生了部分影响。麦肯锡全球研究所(McKinsey Global Institute,以下简称MGI)的新报告,‘数据分析的时代:大数据环境下的商业竞争,表明大数据的应用范围和机遇仍在扩展。鉴于科技的飞速发展,许多公司当前需要面对如何将大数据整合到他们的运营与战略中——在大数据分析可能颠覆整个行业的环境找准自己的定位

MGI的一份报告早在2011年就指出大数据将大有作为,五年后的今天,我们仍然认为大数据的潜力还有很大。事实上,技术融合的趋势正在加速。信息流正以每三年翻一倍的速度流入数据平台、无线传感器、虚拟现实应用,以及无数的智能手机中。数据存储容量增加了,而成本则大幅下降。数据科学家们现在拥有了前所未有的计算能力,并致力开发更为复杂的算法。

早期,我们预计大数据和数据分析的潜在市场价值主要存在于五个领域。回顾过去,下图证明了各领域的发展是不均衡的,而且仍存在进一步发展的空间(图表1)。最大的发展在于位置定位服务以及美国零售业,这两个领域的竞争对手都是数字原生代。相比之下,制造业、欧盟公共部门和美国医疗健康领域利用的潜力价值不到五年前文章预估价值的30%。此外,自2011年新机遇出现以来,领导企业和落后者之间的差距更大了。

麦肯锡|数据分析时代:大数据环境下的商业竞争

大数据和数据分析价值获取进度不均衡。

麦肯锡|数据分析时代:大数据环境下的商业竞争

%表示已获取的价值 右侧表示面临的主要障碍

位置定位数据

50-60%

·携带GPS定位功能的手机全球普及度

美国零售业[1]

30-40%

·数据分析人才短缺

·相关数据分散在各家公司

制造业[2]

20-30%

·数据被分散存贮于早期的留存系统

·上层对于新技术的效用持怀疑态度

欧盟公共部门[3]

10-20%

·数据分析人才短缺

·相关数据分散在各个机构

美国医疗健康领域

10-20%

·需要通过临床效果来取得认同

·互操作(interoperability)与数据共享

大公司通过使用它们的能力,不仅提高了核心业务运作效率,而且推出了新的商业模式。数字平台的网络效应在某些市场形成了赢家通吃的局面。那些领先的公司已经拥有了资深的分析人才来处理各种问题,并且他们正在积极寻找进入其他行业的途径。这些公司可以利用他们的体量和数据深度来增加新业务,这些扩张正在逐步侵蚀传统行业分隔的界限[4]。

当数字原生代公司基于数据分析建立系统,老牌公司需要通过巨大努力改革或改造现有系统适应数据驱动决策的时代并不容易。一些公司在技术领域投入巨资,但他们尚未改变自身的组织结构使这些投资发挥效用。许多公司正在努力发掘人才,升级业务模式以及调整组织结构来获取数据分析的成果。

首先需要将数据和分析纳入公司的核心策略愿景[5] ( core strategic vision )。其次是开发合适的业务流程并构建功能,包括数据基础设施和相应的人才储备。这并不是简单地将强大的技术系统叠加在现有的业务流程之上。这些转换需要结合各个方面来实现数据和分析的全部潜力。老公司在改造时面临的种种挑战正是MGI2011年报告中提到的愿景并未实现的原因。

现有企业的改造迫在眉睫,因为先驱企业已经占据了绝对优势,犹豫不决只会让改革难上加难。由于多方面的原因,改革现在已经面临阻力。引入新的类型的数据集(“正交数据”)可以带来一些竞争优势;例如,大规模数据集成能够突破组织结构的束缚,使新视角和模型应用成为可能。超大型数字平台[6]可以实时匹配买家和卖家,提高市场转化率。精细数据可用于产品和服务的个性化定制,其中也包括了医疗保健这个特殊领域。新分析技术可以促进新的发现与创新。最重要的是,企业不再需要依赖直觉,他们可以使用数据和分析快速决策,并通过大量的实证实现更精准的预测。

下一代的工具可能会引发更大的变化。新的机器学习和深度学习技术可以延伸出巨大的可能,在许多领域产生经济效益。系统通过机器学习可以提供客户服务,物流管理,分析医疗记录,甚至撰写新闻报道。

这些技术可以提高生产力并改善生活质量,但同时也可能导致失业和混乱。MGI先前的研究发现,当前45%的人力劳动可以被机器人技术替代[7];其中80%是通过机器学习实现的。自然语言处理的突破性成果可以进一步扩大这一影响。

大数据和数据分析已经使多个行业动摇,并且随着数据分析的应用达到临界质量——机器将获得前所未有的能力来解决问题和理解语言,这些影响将变得更加明显。能够有效利用这些能力的企业将能够创造巨大的价值和差异化,而其余企业则将发现自己越来越处于劣势。

后台回复关键词“商业竞争”获取报告全文。

[1] 根据观察表明,欧盟的零售业存在相似情况

[2] 制造杠杆根据其功能性应用加以区分

[3] 我们在其他高收入国家的政府部门观测到了同样的情况

[4] http://www.mckinsey.com/business-functions/strategy-and-corporate-finance/our-insights/the-new-global-competition-for-corporate-profits

[5] http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/making-data-analytics-work-for-you-instead-of-the-other-way-around

[6] http://www.mckinsey.com/industries/high-tech/our-insights/competition-at-the-digital-edge-hyperscale-businesses

[7] http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/four-fundamentals-of-workplace-automation

关于作者

Jacques Bughin和James Manyika是MGI的主管

Michael Chui是MGI的合伙人

Nicolaus Henke 和Tamim Saleh是

麦肯锡伦敦分部的资深合伙人

Bill Wiseman是台北分部的资深合伙人

Guru Sethupathy是华盛顿办公室的咨询师

相关推荐