杰里米·彼得兰卡是一名经济学家，目前在杜克大学富卡商学院担任副教授，并兼任新开设的定量管理硕士课程的执行主任。在杜克大学任职之前，彼得兰卡为财富100强公司提供管理咨询服务，利用数据确保企业信息技术与战略相一致。

　　彼得兰卡教授在以下的问答中，探讨了在公司策略的制定和实施、公司文化的建立和营销等环节如何应用大数据。

　　问：您在协助制定企业战略领域拥有丰富的专业经验。可以谈谈在该领域是如何利用大数据的吗？

　　企业战略包括确定公司发展方向、确保整个组织向此方向前进，以及制定相应的目标。数据的作用是可以帮助确保实际的工作确实能够发挥作用。公司内部可以提供很多数据，但现在对这些数据的利用并不充分。如果询问企业，什么是成功——具体地说，哪些指标可以表明公司取得成功，如何衡量每一个方面——那么许多公司都无法回答这个问题。实施战略，跟踪落实情况，对五年计划进行逐年调查，了解进度是否符合需要，必要时进行修正——上述各项都需要用到数据。

　　要有效地实施策略，首先需要知道员工是否拥有必要的实施工具。虽然长期以来，人力资源一直是一个定性性质更强的领域，但现在，我们有能力定量地回答这些类型的问题。例如，我们可以确定培训方案是否确实有效，是否某些类型的员工对这些方案响应更强烈，以及我们需要的日常变化是否正在进行。无论是在运营、人力资源，还是市场分析，我们都看到一个巨大的潜力，即进行数据分析，帮助组织机构以前所未有的方式进行战略制定和协调。从许多方面来说，战略是最有潜力以变革性的方式利用数据的领域。

　　问：战略是大方向，那么从实施层面上看呢？

　　为了帮助我们深刻理解企业的运作方式，大家可以了解一下法医取证的过程，这个过程从头至尾都是分析。取证的过程要求从微观入手，确保战略不会遭到任何破坏。分析的方法大致分为两种：过程分析和欺诈检测。

　　过程分析会深入了解过程应该具有的内容，包括如何进行精确衡量，从而确定风险敞口的位置和改善过程的方式。要处于这个领域的前沿，就需要将对人类行为的理解和对实际情况的定量理解结合起来，与认为会发生的情况相比较。能够通过公司的运营数据了解到更深层次的模式，即可获得这种定量洞察力。

　　至于欺诈，基本上是一场猫和老鼠的游戏。财务报表欺诈会使利益相关者损失惨重。拥有深刻的定量理解，才能够理清报告的内容，并与公司内部实际发生的情况相比较。除此之外，我们正在做到可以利用整家公司的数据来识别组织内各个层面上存在的欺诈。例如，我们现在可以访问的数据包括人们登录到公司网络的时间以及他们呼叫的对象。如果看到对某个供应商进行了大量电话呼叫，而且呼叫持续时间或时机似乎不合常理，就需要警惕了。利用大数据识别欺诈最令人激动的方面之一是情况总是在变化。一旦弄清楚如何分辨一种形式的欺诈，就会有新的欺诈形式出现。

　　问：您是说，大数据还可以用来建立公司文化？

　　正是如此。你要衡量的是正在做的事情。这可以像跟踪通过公司网络使用Facebook的时间那样简单。信息本身就可以开始把员工推往不同的方向。你还可以了解公司内部是否存在种族主义或性别歧视问题，以及公司内是否建立起包容文化。你可以找出有效的干预措施，以你希望的方式让员工变得更好。大多数这些事情都是可以衡量的。我们开始看到公司通过数据，更具体地获悉所面临的关键文化挑战。

　　问：金融业利用数据来跟踪各项投资由来已久。那么，这个行业存在哪些分析挑战呢？

　　至少目前来说，金融业独有的一个特征是海量的可用数据。在该领域工作，意味着要知道如何处理如此之多的数据。如果不知道实际上可以利用数据来处理哪些事情，也不知道可以利用哪些算法， 那么很快就会变得不知所措。金融业正在面临的挑战是寻找掌握最新技术的人。

　　问：营销领域面临的挑战似乎是寻找可用数据的最佳使用方法。

　　数字营销和分析的前景尚未完全实现。大多数人都知道这些技术，例如根据人们的搜索内容提供专门的推荐。但拥有数据与真正思考数据的含义及确定如何使数据变得可操作之间存在着差距。企业正在把一切数据都塞入到自身拥有的工具里，但又很少考虑可以如何利用数据来实际运营业务。在一些情况下，分析将大有裨益；而在另一些情况下，分析则徒劳无益。

　　而人们发现，连如何判断分析数据是否有用这个基本的问题，目前可能都无从解答。

　　问：这是否意味着当数据实际上提供的信息不完整时，公司只是因为拥有这些数据而据其做出决策，是有风险的？

　　并不是数据越多就越好。数据本身是没有意义的。我们已经看到在某些领域，数据规模过度庞大。公司希望利用分析，但需要知道为何要利用分析。关键是要确保从数据中获得的发现是可以操作的。如果你无法直接利用数据，那么数据毫无用处，因为你需要花费金钱获取数据，雇用人员分析数据。不仅如此，如果人们获得对他们而言不重要的数据，那么当终于有好的数据出现时，人们会忽略它。我们经常发现数据分析师们可以进行数据科学研究，但他们并不知道要回答的那些问题是什么。你希望的是由企业中了解数据用处，并且了解所需回答的问题的人来推进数据分析。这就是变革开始显现的时候。