熾天使書城----未來時速

我們把大量的數據看作可供借鑒的一份財產。這些數據越龐大越好——假如您有足夠的工具來分析它、組合它，並且使自己更有創造性。 ——布裡特·梅約，賓州石油公司信息技術部主任更優良的電腦系統不可避免的結果，就是更精明地利用員工的時間。馬克和斯賓賽公司用智能軟件不斷地掃瞄它的銷售數據，追蹤銷售趨勢，發現什麼貨暢銷，什麼貨賣不動，從而得以更有效地利用其500～600名采購員。這些采購員不用翻閱前一天厚厚的書面報告來確定銷售情況是否良好，可以把時間更有效地花在利用最新數據提供給他們的信息上。如果銷售情形如人所願，那麼就不用人來干涉，而新的軟件系統自己就可以監測銷售數據，並標出那些銷售量超過或低於預定量的貨物。系統自動做出例外報告，而采購員則只處理例外事件。馬克和斯賓賽的信息技術和後勤處處長濟斯·博格說：「有了這些智能系統，我們就能讓員工從重複性的、不用思考的工作轉移到更有生產效率的活動中去。他們只利用自己的智力來處理例外事件，而讓電腦去做其他一切決策。我們可以重新分派這些員工，讓他們選擇新產品，做市場分析，以及從事其他一些增值性的活動，而不是照管日常存貨。因而，采購員們的時間花得更有效率，比以前增加了多得多的價值。」利用軟件來處理日常數據瑣碎雜務，能讓您有機會在真正重要的地方添上您本人的手筆。在明顯是人寫的便條和一封電腦打印的通用信函之間，在接聽人打來的關於某一新產品或特殊事件的電話和電腦打的電話之間，有相當明顯的差別。讓一個人來接待一位對某重要事件感到不滿的客戶或有特殊需求的客戶，其價值之高是不可估量的。例如，在一家旅館裡，智能軟件能夠極大地縮短入住登記和結賬離開的時間，也可以征求常規的顧客反饋，從而給員工騰出時間。如果多安排六七個人充任前台接待員而不是普通職員，那麼顧客豈不會在旅館裡住得開心得多嗎？然而電子貿易卻帶來新的挑戰。在一家直接售貨的商店裡，銷售員可以利用與顧客直接接觸的過程，例如顧客提問、著裝款式，以及外貌、語言等來更好地揣測顧客的興趣。但是在網上商店裡，卻沒人能看見顧客，而又要讓顧客盡可能地自己購物，因此網上商店的店主要做的是一種饒有興趣的偵探性工作。在顧客瀏覽行為和購物歷史的基礎上，您將怎樣來設計顧客身份的模式呢？這就需要尖端的數據分析能力。 擴大人類分析的範圍 馬克和斯賓賽所用的數字分析工具能讓人們只注意例外而不是常規，並且也正在改變著工作的性質。它們的功能如此強大，以至於讓馬克和斯賓賽的一些僱員在開始時曾擔心被電腦取代。對於任何做決策的職能不是讓人進行，而完全讓機器來干，人們自然會抵觸。當一個數據庫擴張到足夠龐大、足夠複雜時，電腦可以進行初期的搜索和分類，且比人幹得好得多，而人卻不能在大量主要的數據中認別模式。而在數據庫裡、在文檔系統裡、在消息系統裡，以及在網址上可獲得的數據，卻呈指數增長。我們獲得這一切數據的全部價值的唯一辦法，就是用電腦工具來索求，並把它轉化為可操作的信息。利用軟件十進制在大量數據中尋找有用的模式，這叫做數據挖掘。數據挖掘的第一個主要步驟就是在線分析處理（OLAP），它使得多種詢問更為有效。原本作為結算和統計的目的而搜集的數據，被認為是一座潛在的信息寶藏，可供編製模式、預測，以及支持決策。各公司開始創建公司數據庫，也稱作數據倉庫，以便滿足這些對商務分析的新需求。集中在一家企業的某方面或部門的數據子集，往往稱為數據市場。哈潑柯林斯出版公司利用基於PC之上的在線分析處理系統，追蹤實時書籍銷售情形，以便印刷出足夠的書來滿足分銷商的需求。該公司用這一方法就可避免在銷售渠道裡積壓大批未售出的書，否則出版商就要把這些書作為退貨收回來。這個新的系統運作了僅僅一年，就幫助哈潑柯林斯公司把其最暢銷書的退貨率從30％減少到10％。每個百分點都代表著數百萬美元的節省。 數字化工具把信息分門別類 在大部分商務組織裡，人們需要用各種方法來查看信息。高級經理們往往想查看銷售情況的綜合視圖，然後查看按地區列出的視圖，接著查看按國家列出的視圖。銷售經理們想查看小組銷售和個人銷售的數字，或顧客賬戶的數字。產品經理們則想查看根據銷售渠道劃分的數字或更深層地看那些存貨單元（SKUs）銷售勢頭旺盛或疲軟。不同的人查看的信息也各不同，如月份銷售量或本年度最近銷售量、實際銷售量與預算之比、銷售的逐年變化，以美元計算的銷售量或以其他貨幣計算的銷售量。因此，典型的情況就是，一家公司的財會部門需要制做出許多不同的報表來滿足這些多樣的商務需求。這些報表經常可以用電子錶格的數字方式來制作。大綱控制可讓商界人士從摘要層面開始，然後在任一項目上單擊鼠標，以便深入到下屬各層的細節。另一個被稱作表格透視功能，即使您在多種視圖上看到同樣的數據。假如您正在看按銷售員分類的銷售數量，但又想轉移到按顧客分類的視圖，那麼您就可以把「顧客標籤」拖曳到恰當的那一行去改變視圖。當這些功能與把潛在的數據轉化為標準格式的模板結合起來，就得到功能強大的、靈活的數字報表，每個人都可以把該報表個性化，以滿足具體的需要。這樣的報表也可以用電子郵件四處發達，以供進一步分析和討論。中樞表格與一家公司的數據倉棧結合起來後其功能尤其強大。該倉棧的每一個數據庫通常有有限的報表功能，從而把制表工作局限於更懂技術的人員。典型情況就是，當人們不知道他們什麼時候需要某些詳盡的信息時，就可能費時約20～30分鐘進行數據庫咨詢。與數據庫連接的中樞表格，可以把數據倉棧的進入權擴大到所有的商務用戶，而電子錶格界面則可以使用戶進行摘要層面上的咨詢，並且一步一步地細分下去，以得到更多細節。由於每次數據更新都牽涉到很少的數據，因此回應是很快的。這個界面可以延伸到一個活躍的數據來源，例如實時股票市場饋送。對商界人士來說，數字工具意味著更快更深層的分析。對會計來說，數字工具意味著花更少時間編寫報表，花更多時間幫助商務分析和探索例外情況。對管理商務數據的人員來說，數字工具意味著更快速地得到高質量的信息，使他們每月的結賬只要一兩天就夠了，而不需要幾星期。財會部門則不增加人員就可以接受新添加的、牽涉到新數據的任務，例如長期規劃、僱員使用情況分析或固定資產分析。數字工具能做而書面報表所不能做的事情，就是它能使每個人都可以提出即將發生的下一個問題，而您又不知道那個問題將會是什麼，所以您就需要利用工具來幫助您獨立地探索答案。哈潑柯林斯公司的在線分析系統使它能夠提出這樣一些問題：該分銷商本周關於這本書的盈利狀況如何？但是在線分析系統需要有人來指導詢問，而傳統的數據庫和在線分析系統都不能為在數據中表述不清楚，但又很重要的商務問題找到答案。例如，我的哪一位顧客可能選擇產品甲而不是產品乙？滿意的顧客和不滿意的顧客之間區別何在？我的數據庫中哪些顧客與該庫中另一些顧客「相似」？諸如此類的非具體性探詢，會使在線分析系統的使用者暈頭轉向、不知所措，因此是沒有意義的。高級的數據挖掘技術會利用軟件在富含信息的環境裡漫遊，幫助用戶口答一些商務問題，而這些技術人員不必是統計學、數據分析或數據庫方面的專家。數據挖掘能處理的一些難題如下：基於顧客的年齡、性別、人口統計數據和其他類似因素，對顧客購買某一具體貨物的可能性做出預測；識別出具有相似瀏覽習慣的顧客；辨別出具體的顧客偏好，以便提供改進的個人服務；辨別出頻繁被訪的網頁順序中所涉及到的日期和時間，或顧客打電話模式的頻繁時間段；找出高頻率地被組合在一起的所有產品組。其最後的一個技術難題通常對商家發現購買模式是很有價值的。但是同一程序的兩種報銷代碼之間的聯繫，使一家澳大利亞保健公司能夠發現用重複報銷進行欺詐的1000萬美元的花賬。數據挖掘也是預測銷售量，並與合夥人和顧客共享這一分析成果的一種有價值的工具。數據挖掘正被利用於生產。銀行業、遠距離通信、行墾地質學/遙感，以及管理互動式網上商店。例如，微軟網址服務器貿易3．0通過識別一個網址上的顧客行為模式，可以預測購物者的興趣並可以為每一位來訪者特製在線購物經驗。網上商店可以為每一位來訪者特製廣告、促銷活動和搭配銷售報盤。數據挖掘技術也可以保證一家網上商店不用發出大批量的電子信件給其顧客，報一些他們不可能感興趣的發盤，從而可以避免一項經常被忽略的成本，即用不相干的信息惹惱顧客的代價。一些不那麼典型但卻有意義的數據挖掘技術的運用，包括對被領養兒童的檔案分析，以便提供更好的社會服務，以及為NBA籃球隊搜覓隊員。數據挖掘為猶他州爵士隊，提供了一整套關於芝加哥公牛隊的邁克爾·喬丹的每一個動向的材料，包括一次單人運球，他在傳球兩三次後一躍而起投籃。但是，數據分析的好壞取決於您實施的能力。猶他州爵士隊盡管知道了喬丹的情況，但卻阻止不了他用那種運球動作投出決定勝負的一球。在那場球賽中，這一球為芝加哥隊贏得了1998年度NBA總決賽冠軍。在商務上最常用的數據挖掘就是數據庫營銷，公司借此分析數據，以期發現顧客的喜好，然後向具體的顧客群體發出有針對性的報盤。例如，美國航空公司利用其頻繁飛行的旅客項目中2600萬個成員的信息——例如他們所使用的租車公司、旅館，以及餐館等——來擬訂有針對性的營銷活動，從而節約了1億多美元的成本。節約成本，在於編製更精確的顧客模式和削減發出郵件數量的能力。例如，一次諸如采用推銷信用卡的直接營銷活動，通常僅有大約2％的回應率。美國的梅隆銀行在1997年設定了爭取20萬新戶頭的目標，為此計劃向1000萬可能的顧客郵寄邀請函。然而，這家銀行卻利用了數據挖掘技術產生了3000個最可能的顧客的模式。對這些模式的子集再加以精選，產生了更小的一個數目。測試表明，這個更小的數目會產生12％的回應率。這個回應率使得這家銀行只需發出200萬份邀請函即可獲得他們想要的20萬名顧客，而不是原定的向1000萬人發出信函。因此，利用數據挖掘技術除了削減成本之外．還提高了每位新開戶的顧客的平均利潤率，其利潤要比通常高3倍，因為該技術瞄准了那些需求最適合梅隆銀行服務項目的顧客。這個例子說明了數據挖掘的兩個重要方面。第一個方面僅就其規模而言：牽涉到的數據量和所探索的模式數目要比傳統的數據分析量大得多。第二個方面就是，即使是受過高級培訓的專家也能獲益於數據挖掘；正如我們在梅隆銀行的例子中所見，一個外部專家小組得出的結果比本公司專職數據分析部門用常規方法得出的結果高6倍，而所花時間只是後者的四分之一。我們的一個主要目標就是使數據挖掘工具使用簡易，因此連最終的商務用戶，而不是專家，都會使用它們。數據挖掘將成為在線互動行為的一項要求。NCR公司的董事長兼首席執行官拉斯·尼伯格向我描述了他使用的銀行自動提款機給他顯示的提示菜單：您想要英語還是西班牙語的說明？您想提取哪種戶頭？您想要哪種業務？業務完畢後，還想做另一種業務嗎？最後，自動提款機顯示一份廣告，上面有一個電話號碼，告訴顧客，如您想向銀行借一筆抵押貸款就可撥這個號。大部分自動提款機用戶都操作過類似的菜單。然而拉斯幾乎每次使用自動提款機時，都是從同一個賬戶上提取同樣金額。他已經從這家銀行借了一筆抵押貸款。而且每個月都給這家銀行付一大筆款以還債。當他塞進他的銀行卡時，這台機器為什麼不用他通常使用的語言問他：「拉斯，您想從您的初級賬戶上提取通常的款項嗎？」為什麼不推銷一項他還沒有使用的、適合他個人情況的服務呢？這種專門化的服務對他和銀行都會更有利。提出這些相關的問題所需要的信息，就儲存在某處的一台電腦裡。NCR公司實際上就為拉斯使用銀行自動提款機的那家銀行生產自動提款機，而且正在研製數據挖掘中的主要技術。拉斯非常想為他的顧客解決這種問題。數據挖掘是顧客關係管理方面（CRM）的一部分，其中信息技術幫助公司靠單獨接觸而不是大眾營銷模式來管理顧客關係。在有特定交貨渠道的地方，數據挖掘對於聯繫個人顧客是可行的，不管這貨物是一台自動提款機、一個網址，還是通過電子郵件促銷和報盤來做的直接營銷，有了數據挖掘所提供出的模式，您就可以按此模式向顧客介紹您的產品，這最有可能增加您在他心目中的價值，或他在您心目中的價值。這種個性化的方式，對於所有媒體上的廣告來說有深刻的涵義，包括電視和雜誌。隨著數字化電視的流行以及電子書籍變為人們偏愛的閱讀雜誌和報紙的方法，幾乎所有類型的廣告都會擺脫大眾廣告，走向個性化廣告。出現在屏幕上的廣告將根據各地不同的電視觀眾人口統計情況而有所不同。公司以後不必為美國每一家有大眾媒體的家庭付為一輛汽車或其他商品做廣告的費用。相反，它們只需買最有效的人口統計數據來聯繫自己潛在的顧客。例如，假設某人已經購買了某種類型的汽車，而您認為他或她到市場上購買一輛新車的時間範圍正適合您的銷售計劃，那麼您就可以較准確地瞄准那位顧客。一家大汽車公司仍然可以購買其他人口統計資料來保持自己品牌的高知名度，同時也可以把廣告聚焦在最佳顧客群上。我們已經在網上看到了某些個性化的端倪。假如一位用戶在一個搜索引擎裡輸入一個地點——比方說舊金山——或表示他想買一本與旅遊或其他題目有關的書，那麼就有一則關於那個地點或題目的廣告出現，還伴有其他信息。您可以把一則對路的廣告與一位顧客的喜好或他試圖去做的某件事聯繫起來，這種廣告要比泛泛的、隨意的廣告有價值得多。能夠把廣告個性化，就意味著不同的鄰里，甚至在同一地區不同的家庭裡，人們能看到不同的廣告。大公司的廣告可以做得更有效率，而小公司也可以首次開始考慮用電視和雜誌做廣告了。今天的許多廣告載體除了真正是大眾市場的產品外，對於多數產品其廣告費都太過昂貴。廣告個性化後，甚至街角的食品雜貨店老板以後都有能力為居住在商店附近的人登電視廣告了。有針對性的廣告應該能使消費者喜歡。他們更有可能看到跟自己有關係的廣告。有些人可能對廣告商過多地擁有關於自己的信息感到擔心。但是，正如我在第七章中所說的那樣，軟件將使得消費者有可能只透露他們想透露的信息。舉個例子來說，讓廣告商獲悉自己觀看電視的模式並非毫無情理。大部分訂閱專業出版物的人——無論其主題是體育、科學、園藝、家政或汽車——都同樣仔細地閱讀文章和廣告。假如您主要為了一兩種感興趣的事情這樣仔細地觀看電視節目，那麼您也許不會反對觀看集中在這些興趣上的廣告。肥皂劇是美國白天電視節目的主要內容，其名稱之所以如此，是因為廣告商宣傳的都是那些大肥皂制造公司，他們追求的大部分是女性觀眾。因此，有針對性的電視營銷觀念並不新穎。但是，其規模卻有根本性的不同，因為現在用了數據挖掘來采集信息，也用了數字電視和電子書籍來更精確地、更個性化地瞄准觀眾。這種組合將根本性地改變您對廣告和營銷的看法。您想把您的產品和服務針對誰個性化這一概念將使您對這個問題的理解的價值大大提高。 數據「礦藏」中為每個人獲取最佳效益 今天大部分數據挖掘系統都相當昂貴，其價格有適合中小型企業的2．5萬美元至15萬美元的系統，也有適合諸如沃爾·馬特等高級客戶所用的幾百萬美元的系統。5年前，一家保險公司曾花費1000多萬美元購買一個數據挖掘解決方案。該公司的首席執行官說，雖然用今天的技術他可以花少得多的錢來獲取同一解決方案，但他的效益說明這1000萬美元花得值。他的話說明了數據挖掘的價值，但是這些高價也反映了軟件複雜性的舊世界秩序，在那時只有使用大量人員或僱傭專賣銷售商的最大企業才能很好地利用數據。在我們的信息經濟裡，隨著競爭的增長，顧客數據成了日趨重要的資產。每一家公司、公司裡的每一位知識型工人，都有義務從公司的數據資產裡獲得最佳效益。這些新用戶承受不起大的數據預算，也請不起專職的數據專家。幸好，隨著在高容量PC平台上數據挖掘能力的普及，它將會大幅度降價，而且在各種大小規模的公司和部門裡數據挖掘的使用也將迅速普及。每一位商務用戶都將能很快做高端分析，這在過去只有支付得起大筆費用的公司才能使用這種分析方法。數據挖掘將十分普及，是每一家企業信息系統基礎設施的一種標準能力。數據挖掘最大的價值將會是幫助公司決定制造適銷產品以及適當地給產品定價。公司將能評估各種各樣的包裝選擇和價位，以便了解其中哪種方案對顧客最有吸引力，對自己最有利可圖。那些銷售信息產品的公司，對此種功能有特殊興趣。諸如保險、金融服務和書籍等產品，不像一輛汽車或一把椅子，開發它們所積壓的資金要比生產它們所積壓的資金更多得多；而且它們的價值在更大程度上是由顧客所決定的，而不是由商品的實際成本所決定的。信息產品成功的秘訣，就是要掌握最可能成為您的顧客的個人情況和購物習慣。例如，保險公司的有些產品可以從某些顧客那裡獲取非常的盈利，而從另一些顧客那裡卻不能獲取那麼多盈利或無利可圖。這種差別與處理保單持有者索賠的損失經歷有關。數據挖掘可以給一家保險公司提供顧客概況和區域差異，說明它在哪些地區損失很低或很高。公司可以決定是否向一個有很多損失經歷的年齡組或地區加大營銷力度或提供誘人的定價，或是否向有較少損失經歷的群體提高價格或減少促銷。當您有各種可變性時，實施數據挖掘來幫您制訂您的產品戰略是很有價值的。銀行也有類似利用數據挖掘來瞄准新顧客的機會。人們現在更願意更換銀行，而且還有許多新的金融服務公司。銀行將必須做更多的營銷來爭取顧客，而這種營銷只有在銀行發現哪些顧客最有價值時才會盈利。但是您總得問一問哪些事是可行的。假如您的顧客概況十分類似，或您的顧客基礎很小，那麼數據挖掘的可行性就不高。一個向鄰里少數顧客出售特色產品的食品雜貨商，也許不需要做數據挖掘。但一家全國性的連鎖食品雜貨店就需要做。數據挖掘的強大能力將幫助公司決定怎樣來爭取新顧客，向誰推銷產品，怎樣使產品適銷對路，怎樣給產品定價，怎樣吸引單個顧客等。需要人類發揮創造性和技巧性來利用這些信息，以便想出新的包裝和定價方法，在電腦報告的模式中看到新產品的設想，想出令人感興趣的新發盤。人的工具越好，他們的創造性就越高。經營部門需要投資於提高人們工作效率的高級工具。您需要從預算中拿出您的知識工作人員的薪水的3％～4％來保證他們擁有最好的工具，以解脫您的員工，讓他們把自己的智能用於給電腦創建出的模式和發展趨勢尋找創造性的反應。利用信息來開發創新的新產品和服務並與合作者和顧客更密切地合作，這將始終是唯有人類才能做的努力。隨著軟件從數據「礦藏」裡提取出越來越多的「礦石」，要把這些礦石煉成金子，人類將永遠有事可幹。 商務啟示 ◆分析性軟件使您能夠把人力資源從日常數據采集轉化為能夠增值的顧客服務和支持，人的介入在此產生明顯區別。 ◆首先把軟件分析運用於您最能夠對這些分析結果采取行動的方面。 ◆考慮一下大眾性廣告轉移到有針對性的廣告將會如何改變您的營銷方法。 診斷您的數字神經系統 ◆您能對顧客購物模式做高級分析並把分析結果運用於發展趨勢或個性化服務嗎？ ◆您能根據收入、年齡組、地域或其他人口統計數據來斷定哪些顧客群對您是最有利可圖的或最無利可圖的嗎？ ◆您的數字系統能使人們從與日常事物打交道轉移到與例外打交道嗎？ ◆您的僱員能容易地以數字方式獲取統計數字嗎？他們能從摘要進入到詳細的數據嗎？他們能否看到不同形態的數字並在這些形態之間進行切換嗎？ ------------------ 　　