李時

大數(shù)據(jù)分析可添加到以人為主導的流程中，從而進行人機協(xié)作，而不是用一對一的交換形式取代人類。

關于技術，最常見的一個誤解就是：新技術總是優(yōu)于傳統(tǒng)人工?？紤]到過去人類職業(yè)被機器自動化所取代的次數(shù)，人們很容易就會得出這個結論。但是替代現(xiàn)象并不是線性的。有無數(shù)例子證明，新技術并不總能企及它所替代的人所提供的價值。

人們往往會太過盲目地運用自動化——讓機器做只有人類才擅長的事，比如接電話、讀取面部表情等任務。與此同時，在其它領域，我們卻要求人類完成機器非常擅長的數(shù)據(jù)驅動型任務，例如決定如何更好地安排店鋪庫存。

多虧有了大數(shù)據(jù)分析，我們可以糾正這兩方面的錯誤。大數(shù)據(jù)分析可添加到以人為主導的流程中，從而進行人機協(xié)作，而不是用一對一的交換形式取代人類。通過在流程中適時地添加更多數(shù)據(jù)，大數(shù)據(jù)分析可以減少決策對人類推測的依賴。

通過更加明智地運用自動化，大數(shù)據(jù)讓機器和人協(xié)同做出關于流程和政策的決策，充分發(fā)揮各自的優(yōu)勢。

對于全球企業(yè)來說，這是一個巨大的優(yōu)勢，因為技術能夠根據(jù)需求被添加和取代，從而以近乎完美的可靠性和連貫性來兌現(xiàn)企業(yè)所需的智能自動化。

盡管大量的大數(shù)據(jù)分析裝置已在全球部署到位，但是它們大多遠離公眾視線，僅用于機密性、高價值的任務。2016年，這種情況將發(fā)生改變——大數(shù)據(jù)分析將出現(xiàn)在各種業(yè)務應用最醒目的位置。

以下是我們預測大數(shù)據(jù)將在2016年提供的五大關鍵業(yè)務優(yōu)勢：

勞動力優(yōu)化

我們都對所要做的事，以及什么是正確、什么是錯誤有預感和“直覺”，但是沒有數(shù)據(jù)做支撐的直覺很少能夠做出理想的選擇。當決策由數(shù)據(jù)驅動并輔以人類直覺做補充時，就會實現(xiàn)優(yōu)化。

例如，運營車輛的司機往往依賴直覺和之前的經(jīng)驗決定行車路線。如果擁有車載信息和路線優(yōu)化數(shù)據(jù)，人們就能大大提高其駕駛效率，并在必要的時候通過直覺解決問題。這種流程混合能讓機器和人類發(fā)揮各自最大優(yōu)勢，為業(yè)務流程和客戶體驗帶來最大價值。

通過更多數(shù)據(jù)驅動型決策支持來補充人類為主導的流程，大數(shù)據(jù)分析能夠輔助和優(yōu)化各項人為活動。

多渠道世界中的選擇

人們對渠道有著強烈的偏好。例如有研究表明，80后、90后會傾向于選擇通過他們的“原生”渠道——移動或社交媒體來獲得所需的服務。

渠道多樣化對于用戶選擇非常有利，但卻為企業(yè)帶來挑戰(zhàn)，尤其是當他們沒有技術保證每個渠道都擁有同樣的客戶體驗時。例如，呼叫中心的座席使用決策支持工具來根據(jù)政策解決問題，但是如果系統(tǒng)數(shù)據(jù)和政策與其它渠道中的數(shù)據(jù)和政策并不相同，那么客戶體驗就會分崩離析。這容易導致用戶不滿和困惑——因為不同渠道可能產(chǎn)生不同的結果。

大數(shù)據(jù)分析可幫助企業(yè)免除渠道限制。如果你能夠迅速、準確地分析大數(shù)據(jù)，那么每個渠道都可以利用相同的數(shù)據(jù)源和政策，從而確保所有渠道都能平等地運行。此外，大數(shù)據(jù)分析可支持無縫跨渠道流程，這意味著員工和客戶在任何時候始終都能選擇最便利的渠道。

流程編排和政策管理

在任何企業(yè)，政策和流程都是密不可分的。流程必須在企業(yè)制定的政策內執(zhí)行，并且定期進行審查，以確保它們不會過時或妨礙業(yè)務。

通過技術來執(zhí)行流程和政策時，過程中的問題就會在業(yè)務成果中顯現(xiàn)出來。這是好事，因為當流程導致意想不到的結果時，出現(xiàn)的異常情況會準確告訴我們流程或政策的哪方面需要改進。例如，如果客戶放棄了一個在線購物車，轉而尋求客服或呼叫中心的幫助，那么這表明某些方面需要進行改進。大數(shù)據(jù)分析提供了追蹤和分析這些相關性的方法，從而避免了它們可能會導致的問題。

除此之外，大數(shù)據(jù)分析將有助于降低業(yè)務流程運行的整體成本。例如，通過識別超出自動化流程處理能力的情況，大數(shù)據(jù)分析可幫助企業(yè)減少異常的開支。

自動個性化

過去，由人執(zhí)行個性化任務是有意義的，因為機器往往不善于做出主觀決策，即我們通常所說的“軟”決策。其中包括非語言行為、面部表情和語調等人類交流中的暗示。

2016年，公司將取得進一步突破，讓機器能夠模擬“軟”數(shù)據(jù)。通過吸收大量信息（包括過去收集和分析起來太慢、太貴的數(shù)據(jù)類型，如知識型員工的溝通與案例記錄），大數(shù)據(jù)分析使其成為可能。由于機器變得更善于解析各種數(shù)據(jù)類型（所謂的“非結構化”數(shù)據(jù)）并把它們與大量結構化數(shù)據(jù)進行關聯(lián)，機器可以開始改進并加快員工的業(yè)務流程和客戶體驗。

機器將開始模仿人類決策，而人類操作者可以對其進行監(jiān)督和交付。這種大數(shù)據(jù)分析模擬可通過更強的技術手段以及增強機器與人之間聯(lián)系而實現(xiàn)。

更強大的數(shù)據(jù)儀器

數(shù)據(jù)驅動型決策取決于數(shù)據(jù)的質量和數(shù)量，以及能否在合適的時候向合適的決策者提供見解。也就是說，要拓寬思維并更好地了解萬物是如何互聯(lián)的。要想從至今尚未被利用的數(shù)據(jù)源中收集情報，企業(yè)必須采用更精確的技術手段來分析人與機器的行為及其之間的交互。

對于人類而言，這意味著從我們在網(wǎng)上所做的一切活動中收集并分析點擊流——從購物到工作中的訂單錄入。這也會涉及線下數(shù)據(jù)，例如：當我們訂外賣或者開車時使用導航。對于機器來說，這意味著向大型固定設備（從噴氣發(fā)動機到攝像頭）添加更多傳感器和測量儀，以便提供更豐富的數(shù)據(jù)集供人們發(fā)掘。在這兩種情況下，更多的數(shù)據(jù)可能會導致對行動和行為更好的了解，并對政策和流程所產(chǎn)生多米諾效應。

當我們開始采集并利用這些數(shù)據(jù)時，我們將開始在大數(shù)據(jù)系統(tǒng)上添加另一個“感官”，從而使能帶來下游創(chuàng)新的新智能類型成為可能。

制定大數(shù)據(jù)分析戰(zhàn)略

當然，技術改進是一個漸進的過程。但是對于企業(yè)領導者來說，不能坐等采用大數(shù)據(jù)分析和先進自動化的完美機會。相反，企業(yè)應在整個公司層面積極尋求大數(shù)據(jù)與人為活動互補的機會。

找到位置，把人工智能嵌入人類和機器工作流程，發(fā)現(xiàn)能改進人機交互的領域——這樣就能達成目標。要想獲得成功，企業(yè)還應謹慎關注這些嘗試帶來的結果，避免一方面的改進掩蓋其它方面的不良影響。

大數(shù)據(jù)分析將帶來分布式智能，它可以在不進行重大變化的前提下，改善人類所做的大部分事物。通過對集成智能全局把控，你將在2016年從未來科技中獲益。