HPE 2016年大数据分析预测

  2016年人机协作

  关于技术,最常见的一个误解就是:新技术总是优于传统人工。考虑到过去人类职业被机器自动化所取代的次数,很容易就会得出这个假设。但是替代现象并不是线性的。有无数例子证明,新技术并不总能企及它所替代的人所提供的价值。

  人们往往会太过盲目地运用自动化——让机器做只有人类才擅长的事,比如接电话、读取面部表情等任务。与此同时,在其它领域,我们却要求人类完成机器非常擅长的数据驱动型任务,例如决定如何更好地安排店铺库存。

  多亏有了大数据分析,我们可以纠正这两方面的错误。大数据分析可添加到以人为主导的流程中,从而进行人机协作,而不是用一对一的交换形式取代人类。通过在流程中适时的添加更多数据,大数据分析可以减少决策对人类推测的依赖。

  通过更加明智地运用自动化,大数据让机器和人协同做出关于流程和政策的决策,充分发挥各自的优势。

  对于全球企业来说,这是一个巨大的优势,因为技术能够根据需求被添加和取代,从而以近乎完美的可靠性和连贯性而兑现企业所需智能自动化。

  尽管大量的大数据分析装置已在全球部署到位,但是它们大多远离公众视线,仅用于机密性、高价值的任务。2016年,这种情况将发生改变——大数据分析将出现在各种业务应用最醒目的位置。

  以下是我们预测大数据将在2016年提供的五大关键业务优势:

  1. 劳动力优化

  我们都对所要做的事,以及什么是正确,什么是错误有预感和“直觉”。但是没有数据做支撑的直觉很少能够做出理想的选择。当决策由数据驱动并辅以人类直觉做补充时,就会实现优化。

  例如,运营车辆的司机往往依赖直觉和之前的经验决定行车路线。如果拥有车载信息和路线优化数据,人们就能大大提高其驾驶效率,并在必要的时候通过直觉解决问题。这种流程混合能让机器和人类发挥各自最大优势,为业务流程和客户体验带来最大价值。

  通过更多数据驱动型决策支持来补充人类为主导的流程,大数据分析能够辅助和优化各项人为活动。

  2. 多渠道世界中的选择

  人们对渠道有着强烈的偏好。例如有研究表明,80后、90后会倾向于选择通过他们的“原生”渠道——移动或社交媒体所提供的服务。

  渠道多样化对于用户选择非常有利,但却为企业带来挑战,尤其是当他们没有技术保证每个渠道都拥有同样的客户体验时。例如,呼叫中心的座席使用决策支持工具来根据政策解决问题,但是如果系统数据和政策与其它渠道中的数据和政策并不相同,那么客户体验就会分崩离析。这导致用户不满和困惑——因为不同渠道可能产生不同的结果。

  大数据分析可帮助企业免除渠道限制。如果你能够迅速、准确地分析大数据,那么每个渠道都可以利用相同的数据源和政策,从而确保所有渠道都能平等地运行。此外,大数据分析可支持无缝跨渠道流程,这意味着员工和客户在任何时候始终都能选择最便利的渠道。

  3. 流程编排和政策管理

  在任何企业,政策和流程都是密不可分的。流程必须在企业制定的政策内执行,并且定期进行审查,以确保它们不会过时或妨碍业务。

  通过技术来执行流程和政策时,过程中的问题就会在业务成果中显现出来。这是好事,因为当流程导致意想不到的结果时,出现的异常情况会准确告诉我们流程或政策的哪方面需要进行改进。例如,如果客户放弃了一个在线购物车,转而寻求客服或呼叫中心的帮助,那么这表明某些方面需要进行改进。大数据分析提供了追踪和分析这些相关性的方法,从而避免了它们可能会导致的问题。

  除此之外,大数据分析将有助于降低业务流程运行的整体成本。例如,通过识别超出自动化流程处理能力的情况,大数据分析可帮助企业减少异常的开支。

  4. 自动个性化

  过去,由人执行个性化任务是有意义的,因为机器往往不善于做出主观决策,即我们通常所说的“软”决策。其中包括非语言行为、面部表情和语调等人类交流中的暗示。

  2016年,公司将取得进一步突破,让机器能够模拟“软”数据。通过吸收大量信息(包括过去收集和分析起来太慢、太贵的数据类型,如知识型员工的沟通与案例记录),大数据分析使其成为可能。由于机器变得更善于解析各种数据类型(所谓的“非结构化” 数据)并把它们与大量结构化数据进行关联,机器可以开始改进并加快员工的业务流程和客户体验。