衡量大数据：关键绩效指标示例

学习如何将大数据计划与您组织的战略对齐，并使用关键绩效指标验证您的努力。

文章的主要主题：

• 什么是大数据？
• 大数据的挑战
• 关键绩效指标和大数据
• 聚焦大数据
• 使大数据可衡量
• 使用BSC Designer实现自动化

Big data process map with performance indicators aligned. 来源： Big Data Scorecard。

年底是讨论新兴趋势的好时机：自动驾驶汽车、人工智能、虚拟现实和物联网。这些趋势将对您的业务产生什么影响？您如何考虑这些改变游戏规则的想法可能带来的影响？所有提到的趋势都值得详细分析，但有一个似乎与其他趋势都有联系。我说的是大数据。人工智能将需要它，自动驾驶汽车以它为基础，当然，许多企业已经在使用它。

在BSC Designer，我们经常讨论关键绩效指标和战略。在本文中，我建议讨论如何通过明确定义的战略和量身定制的关键绩效指标来帮助聚焦大数据的努力。以下是本文的计划：

• 大数据。它是什么？主要挑战是什么？
• 大数据的关键绩效指标。四个级别的关键绩效指标和实现战略对齐。
• 行动计划。大数据的可衡量实施。

什么是大数据？

大数据是关于对大型非结构化数据集的分析。

大数据可以用3个V来描述：

• 量。数据集应该是大的。有些估计认为至少应为10 GB或1 TB，但可能更好的标准是说大数据是需要分布式存储或计算的东西。如果你需要切换到Hadoop或类似的框架，那么它就变大了。
• 多样性。考虑不同来源的结构化和非结构化数据。它可以从文本、视频、销售数据、社交媒体、天气预报中提取，或是任何在你的语境中有意义的东西。
• 速度。大量数据是快速生成的结果。想想成千上万的飞机元件被不断监测¹，或是社交媒体评论的不断流入，或是可穿戴设备提供的实时数据。

通常（以IBM²或EY³为例），还有第四个“V”，代表“真实性”：

• 真实性。当我们谈论数据时，总是处理着一定程度的不确定性。数据是如何获得的？我们是否分析了所有因素？是否被操控过？我们能相信这些数字吗？

数据如何使用？

大数据用于广泛的预测和行为分析。组织运用大数据来降低成本，更好地了解客户需求，并减轻风险。想象一下，一个企业使用大数据为客户提供量身定制的体验；再想象一下，一个电子商务提供商的欺诈检查。

在文章开头我提到了一些新兴趋势——大数据涉及到所有这些趋势。要了解更多关于大数据的实际应用，我建议阅读国际知名专家伯纳德·马尔的“真正掌握大数据的7家令人惊叹的公司⁴”。

大数据的主要挑战

所描述的大数据愿景听起来非常雄心勃勃。那么，为什么公司在采用这一新趋势时进展缓慢呢？大数据的主要挑战是什么？

数据挖掘不再是主要挑战

在十月晚些时候，我在由SCIP⁵（战略与竞争情报专业人士）组织的一次会议上发言。该组织的成员处理市场情报领域的大数据。会议的主要主题并不是如预期的那样关于挖掘一些CI/BI数据，而是关于将商业智能工作与组织的战略对齐。换句话说，一旦公司知道它想要提出的问题，其余的相对简单（请参阅下面的调查以获取一些数据）。

如果数据挖掘不再是问题，那么主要挑战是什么？

挑战1. 专注大数据

主要的挑战在于将大数据聚焦于重要的事项，然后将其传递到合适的人手中。换句话说，组织中应该有人开始提出正确的问题。

为了说明这个想法，让我们来看一个2012年登上头条的Target故事⁶。这家零售商成功地利用购物数据分析来预测他们的一些客户怀孕了。让我们看看这个故事（不考虑与隐私相关的部分），看看实际发生了什么。为Target工作的统计学家Andrew Pole不仅仅是提供所有可能的数据，他从营销同事那里得到了一个非常具体的任务——识别怀孕第二孕期的顾客。

这里有一个重点，与这个重点相关的是巨大的商业价值，因为新晋父母往往会改变他们的购物习惯，在一个零售店购买所有东西。这不仅仅是玩弄数据，而是寻找能够帮助回答一个非常具体问题的数据。

挑战2. 与业务战略对齐

当大数据提供切实的商业价值时，它将带来变革。换句话说，大数据计划如何支持公司的战略应该是明确的。NewVantage Partners在他们的大数据执行调查⁷中询问了受访者关于大数据业务采用的文化障碍。42.6%的受访者选择了“组织对齐不足”的答案。其他选项包括缺乏采用、缺乏连贯的数据战略以及缺乏共同愿景。

回到Target的案例，他们成功解决了两个重要组成部分：

1. 大数据专注于特定查询：一位数据科学家被要求识别怀孕第二孕期的购物者。
2. 与业务战略对齐：数据有明确的商业价值——一个孩子出生的家庭会长期成为一家零售店的客户。

挑战3. 数据安全与隐私

这个挑战尚未成为主流应用，但我认为任何人都可以明显看出，数据收集和分析必须是合乎道德和合法的。通用数据保护条例（GDPR）从2018年5月25日起在欧洲开始实施，其他国家也有类似的规定。公司在处理个人数据时需要更加严肃地遵循数据政策。

让我们在大数据的背景下讨论关键绩效指标。

关键绩效指标和大数据

大数据会取代关键绩效指标吗？不完全是。大数据将为关键绩效指标提供更准确和最新的见解。

让我们以NPS（净推荐值）为例：

• 现在的NPS。 目前在您的组织中如何计算NPS（净推荐值）？可能您每季度进行某种客户调查。因此，这个指标在时间上是滞后的。如果您的业务发生了变化，NPS将在几个月后反映出来。
• 由大数据驱动的NPS。 现在，想象一下您使用某种大数据工具实时分析客户情绪（请参见下面的Heedbook参考）。在这种情况下，您的NPS将成为一个实时的关键绩效指标。基本上，您将能够看到特定客户对特定优惠和特定销售方法的反应。

在某些情况下，您会对深入挖掘数据并了解特定情况感兴趣，而在某些情况下，您需要查看每周、每月或每年的汇总数据。

大数据的关键绩效指标

对于大数据，我们正在谈论对新工具和架构的重大投资，因此有必要用一些确凿的数据来监测这些计划。大数据计划也应该被量化和测量。我们可以在几个不同的层面上做到这一点。

一级. 3-V指标

大数据的3V（量、种类、速度）可以轻松量化：

• 数据量本身就是一个度量标准（GB、TB等）
• 种类可以量化为不同类型数据源的数量
• 速度由每个时间段内生成/分析的数据量定义

第四个V – 真实性可能更难量化。您需要定义您的团队认为准确的数据，这取决于具体的环境。例如，对于内燃机汽车，测量当前速度误差在±5 km/h之内可能被认为是准确的数据，而对于电动汽车，则不能接受。在您的情况下，定义1-2个指标来反映数据的准确性。

3-V指标有用吗？这取决于您的环境。以谷歌的自动驾驶汽车为例。该汽车每秒产生1GB的传感器数据⁸。这个数字看起来很惊人！我们可以估算大数据的规模，但这些数字无法帮助我们解决之前提到的三个挑战。

用于衡量大数据性能的关键绩效指标的层次结构。 来源： 大数据记分卡。

第2级。大数据过程指标

让我们进入下一个抽象层次，看看大数据过程。简化模型如下：

• 查询
• 收集
• 分析
• 报告

在这种情况下，最有用的指标与时间有关：

• 数据收集频率
• 数据可供分析所需的时间
• 以关键绩效指标形式报告数据所需时间

时间基准取决于您的业务背景。例如：

• 自动驾驶汽车需要实时收集和分析数据，毫秒的差异都很重要，但
• 对于NPS管理人员可能对每周汇总数据的审查感兴趣

就过程效率而言，我们可以跟踪：

• 查询到报告的转换率，%。在这种情况下，我们必须首先定义合格查询的概念，然后跟踪我们的数据科学家能够回答的合格查询的百分比
• 数据捕获能力。我们捕获的数据的准确性（上面在真实性中讨论的想法）。对于某些公司，这些能力定义了他们的可持续竞争优势。

这一层的指标使我们更好地了解大数据的效率，但我们仍然不清楚大数据对实际业务目标的影响。

第三级。滞后的关键绩效指标。用于验证大数据成功的关键绩效指标。

另一个问题是如何验证公司大数据计划的成功。一方面，基础设施方面有一些重要投资，另一方面，大数据应该以商业洞察形式带来回报。我们如何衡量这些洞察的美元价值？

在这种情况下，我们需要跟踪可以归功于使用大数据的改进：

• 我们从大数据中学到了什么教训？在实施这些想法后实现了什么成本节约？
• 由于提供量身定制的体验，客户保留率如何变化？客户的终身价值如何变化？
• 大数据是否有助于客户服务更有效？首次呼叫解决率如何变化？
• 在开始使用大数据后，招聘流程如何变化？人力资源指标的绩效时间如何变化？

如您所见，在这个层面上，我们使用了我们之前使用的经典关键绩效指标。我们试图将某些改进归功于大数据的实施。

这种方法可能会偏颇：

• 我们倾向于将积极变化视为我们的成就，并且
• 我们将消极变化视为总会发生的正常波动。

解决方案是瞄准更大、更具体的目标。

许多组织跳过这个测量部分，而只是简单地购买“一些大数据”。根据Capgemini Consulting的报告⁹，67%的受访公司没有明确的标准来衡量其大数据计划的成功。考虑到投资的金额，公司应该在定义大数据实施的目标和成功标准方面更加系统化。

一个大数据流程图示例，其中包含对齐的绩效指标。 来源： Big Data Scorecard。

第四级。领导关键绩效指标。确保大数据成功。

现在我们知道如何衡量大数据计划的结果部分，但前期部分呢？我们应该怎么做才能确保大数据的成功实施？

大数据的困难部分是相当具体的，我们可以通过以下通用指标来衡量：

• 投资于大数据计划的资金
• 花费在大数据计划上的时间

业务目标聚焦大数据

这是一个现实场景：一家公司在基础设施、工具和Hadoop集群的大数据收集中投资了数百万美元，但没有发生任何可衡量的结果。这就是我们在挑战1中谈到的：大数据不是人工智能，它无法说话，你的团队需要学习提出问题。那么，我们如何衡量团队的角色呢？

以下是一些开始的想法：

• 大数据培训效果。确保你团队的关键成员接受了一些大数据培训。他们不一定要成为数据科学家，但他们需要知道可以提出什么问题以及如何制定这些问题。在这种情况下的指标将与培训效果有关¹⁰。
• 具有大数据计划的战略目标的百分比。我们可以跟踪每个团队制定的大数据查询数量，但这种方法会非常形式化且不太实用。更好的选择是跟踪目标和大数据查询之间的对齐。要求你的团队查看他们的战略目标，然后讨论在这些目标的背景下他们可能需要什么数据来做出更好的决策。

大数据有助于制定新的商业目标

将业务背景与大数据相结合的过程是双向的。有时我们心中有一个具体的挑战，然后寻找特定的大数据工具（例如Target的案例），有时我们找到一个有趣的工具，然后尝试将其与我们的目标匹配。以下是一些例子：

• 您团队中的某人发现了Heedbook¹¹，这是一项实时分析客户情感的服务。该服务基于微软的Azure平台，并在云端可用。您的客户服务团队可能会想出一个想法，使用此服务更好地计算他们的NPS。
• 您的IT人员面临寻找DLP（数据丢失防护）软件的挑战。他们遇到了SearchInform¹²，该公司不仅可以分析通信和传输的文件，还可以实施特定的安全策略。您组织的IT战略可以通过考虑DLP工具的可能性来更新。

无论如何，将具体的商业目标与大数据的要求相匹配是个好主意。

行动计划。让大数据可衡量。

让我们从本文中总结一些要点。我倾向于以行动计划的形式进行。

1. 修订大数据。 现在数据是如何收集的，您拥有哪些数据捕获能力（使用大数据流程指标作为框架）。
2. 完成准备工作。 将您的战略制定在战略地图上，并传递到各个业务单元。审核您当前的关键绩效指标。
3. 提升能力。 规划以提高团队在大数据方面能力的举措。关键成员应理解他们可以提出哪些问题，以及如何制定这些问题。
4. 聚焦大数据工作。 审核您的战略地图，发现大数据可以支持业务目标的机会。制定大数据查询。
5. 实施。 分析大数据提供的见解，并在必要时将其反映为关键绩效指标。

BSC Designer 软件用户简短指南

作为 BSC Designer 的用户，您拥有一个强大的软件，将自动化本文中讨论的许多战略对齐和关键绩效指标方面：

• 战略对齐和聚焦大数据。创建一个战略地图来展示您的业务目标；将关键绩效指标与地图上的目标对齐。如果您还没有战略地图，可以使用战略地图向导开始。

• 确保团队具备大数据能力。使用培训记分卡（您可以从这个示例开始）确保您的团队具备处理大数据的必要能力。
• 用大数据驱动关键绩效指标。跟踪大数据计划的绩效指标；使用 RESTFul API 将实时大数据报告输入到指标中。

如果您还不是用户，可以从 BSC Designer 的免费计划开始，该计划可在线使用。

使用 Big Data Scorecard 模板

BSC Designer 帮助组织实施其复杂的策略：

1. 注册平台上的免费计划。
2. 使用 Big Data Scorecard 模板作为起点。您可以在 新建 > 新建平衡记分卡 > 更多模板 中找到它。
3. 遵循我们的战略实施系统，将利益相关者和战略目标对齐为一个全面的策略。

立即开始，看看 BSC Designer 如何简化您的战略实施！