許多企業(yè)投下數(shù)百萬美元用于巨量數(shù)據(jù)、分析方法并雇用數(shù)量分析家，但卻備感挫折。無可否認，他們現(xiàn)在得到了更多、更好的數(shù)據(jù)。他們的分析師和分析方法也是一流的。但經(jīng)理人對業(yè)務(wù)的想法和爭論，似乎與過去的類型仍一樣，只是他們使用的資料與分析方法都比以前好得多。最終的決定可能是更加由數(shù)據(jù)驅(qū)動（data-driven），但組織文化給人的感覺仍然相同。正如一位信息部門總經(jīng)理最近告訴我的，“我們現(xiàn)在可以做即時的分析，這是我在五年前根本無法想像的，但這么做帶來的影響力，仍與我的預(yù)期相差很遠?！?span id="more-23638">
怎么回事？我曾協(xié)助《財富》雜志一千大企業(yè)舉辦數(shù)個巨量數(shù)據(jù)與分析法會議，并花費大量時間協(xié)助一些似乎對投資在分析方法上的回報感到很滿意的組織，結(jié)果一個明確的“數(shù)據(jù)啟發(fā)法”（data heuristic）已經(jīng)出現(xiàn)。分析成果為平庸到中等的企業(yè)，用巨量數(shù)據(jù)和分析方法來支持決策；而“分析報酬率”（Return on Analytics，簡稱ROA）良好的企業(yè)，使用巨量數(shù)據(jù)和分析方法來推動并維持行為的改變。較好的數(shù)據(jù)驅(qū)動分析不僅僅是納入現(xiàn)有的流程和檢討會，它們還被用來創(chuàng)造及鼓勵不同類型的對話和互動。
“要等到管理階層確認想要改變或影響的行為是什么之后，我們才會去做分析或商業(yè)情報的工作，”一位金融服務(wù)公司的信息部負責人說?！疤岣吆虾醴ㄒ?guī)的情況和改善財務(wù)報告，是很容易獲得的成果。但是，這只意味著我們使用分析方法去做我們已經(jīng)做得比以前好的事情?！?/p>
真正的挑戰(zhàn)是察覺，利用巨量數(shù)據(jù)和分析方法，以改善解決問題和決策的方式，會掩蓋組織里一個現(xiàn)實情況，即新的分析法往往需要新的行為。公司人員可能需要做更多分享和協(xié)力合作；各部門可能需要設(shè)置不同的或互補的業(yè)務(wù)流程；經(jīng)理人和高級管理者可能需要確?，F(xiàn)有的激勵措施不會破壞分析帶來的成長機會和效率。
例如，一家醫(yī)療用品供應(yīng)商整合有關(guān)“能帶來最多利潤的客戶”和“最賺錢產(chǎn)品”的分析，必須對業(yè)務(wù)人員與技術(shù)支援團隊進行完整的再教育，兩者都是為了“打擾”并“教育”客戶有關(guān)附加價值較高的產(chǎn)品。這家公司了解，這些分析方法不應(yīng)該只是被用來支持現(xiàn)有的銷售和服務(wù)實務(wù)，而應(yīng)該被視為一種契機，可推動新型的促進式（facilitative）和顧問式銷售（consultative）及支援組織。
諷刺的是，巨量數(shù)據(jù)和分析方法的品質(zhì)，不如分析的目的來得重要。最有趣的緊張態(tài)勢和爭論，始終圍繞著組織是否會因使用分析方法而獲得最大報酬，以使現(xiàn)有的流程行為（process behavior）更完善，或者改變公司人員的行為。但大致的共識是，最有成效的對話聚焦于分析如何改變行為，而非解決問題。
“我們組織內(nèi)的大多數(shù)人，歷史課的表現(xiàn)優(yōu)于數(shù)學課，”一位消費性產(chǎn)品分析主管告訴我。“要讓公司人員了解新資訊和指標可能會如何改變他們的做事方式，是比較容易的，要讓他們了解根本的演算方法則比較困難……我們好不容易才學到，『翻墻』（over-the-wall）數(shù)據(jù)和分析方法，不是讓我們的內(nèi)部客戶從工作中獲得價值的好辦法。”
得到正確的答案，甚至是問正確的問題，原來不是擁有高ROA企業(yè)的主要關(guān)切點。無可否認，數(shù)據(jù)與分析方法的問題、答案，都是重要的。但更重要的是，這些問題、答案及分析方法，如何和個人與機構(gòu)的行為協(xié)調(diào)一致（或彼此沖突）。有時候，即使是最好的分析方法也可能引發(fā)適得其反的行為。不要辜負了你的分析方法。