第10章 使组织灵活——选择正确的组织构架、流程和技术

。

总结一下就是，在每一个智能数据项目中，我们都要寻求一种平衡。既要让员工有足够的空间去进行智能化的数据试验，同时也要坚持指导性原则，确保每一次尝试都是遵循一个统一的框架，围绕统一的目标开展的，并且，从每一个方案中获得的经验教训可以为接下来的项目提供借鉴。

第四步：智能化地引进技术

如果我们想有朝一日能够捉住浩瀚数据海洋里的“抹香鲸”，那么我们需要引进分布式文件系统海杜普。高性能集群计算系统HPCC和Quantcast文件系统为我们提供了平台，完成对海量数据的分析。以开放源代码为基础的解决方案提高了对MapReduce编程的需求，我们同时还要掌握R、Python、Hive和Pig 语 言 。 在 简 化 系 统 界 面 编 辑 工 作 方 面 ， Cloudera 和Hortonworks公司提供了商业化的选择方案。但是，如果是大一些的实时应用，我们还是推荐直接选用内存数据库，比如SAP HANA。SAP HANA配置了高功率的多核体系结构，因此可以快速反馈查询结果。我们需要系统性地对HANA分析框架下的机器学习因素进行优化，这一点尤其重要。对可视化分析和人工智能的自然语言处理也一样，否则就无法完成社交网络分析。如果在系统复杂性或者数据通过性方面出现问题，那么可以考虑使用MIKE2.0解决方案。所有的成本支出都是透明化的，尤其是在使用云服务的时候，能够实现随收随付即付且无前端费，pay by the drink（按用量付费）！

停！刚才是开了一个玩笑。如果你对上一段似懂非懂，那么请你深吸一口气。

在没有技术支撑的情况下进行数据分析，就像是游泳时没有水一样。每一项大数据技术都有其存在的价值，能够在合适的情况下正确地应用这些技术，可以使在10年前还如科幻小说般的市场营销幻想变为现实。但是这些技术也存在一些问题，当数据科学家们尝试独自埋头研发这些技术时，成本支出可能会得不到有效控制，就像世界顶级建筑师建设柏林勃兰登堡国际机场时发生的情况一样。

对智能数据冠军企业而言，什么才是合适的技术？这个问题不是某一个应用技术、一个编程方法、一个电子产品能够回答的。我们需要采取正确的行动，促进信息技术真正为我们创造实惠，同时显著降低投资失败的风险。

这样做行不通

有一家企业，刚刚确立了一个复杂的数字化战略。它认为，它的同业竞争者都已经掌握了数据分析能力，它必须用最快的速度赶超。公司的首席营销官已经意识到了客户数据的潜在价值，因此他提倡这种赶超行为。企业的高管层并没有对这个问题进行深入的研究，而是去征求了首席技术官或者技术部门负责人的意见，询问公司如何能够在短时间内成为大数据巨头企业。这种情况下，答案往往是，那我们首先必须要使数字化战略切实落地，然后我们需要丰富我们的大数据应用程序（云服务使这点变得更便捷和经济）。然后，首席营销官和技术官会设法去游说财务部门，为此增加必要的预算。

如果预算到位了，首席技术官就会接手这个项目，首席营销官也会为此感到高兴，从此以后营销人员可以采用技术手段经营目标客户了。首席技术官很快就会构想出企业理想的大数据公共设施，这些设施在技术方面无所不能，并且能够对现有的技术设施提供完美的补充。基于这种理想化的图景，技术团队会制定冗长的任务书，涵盖对未来系统情况的详细描述。当我们把这些梳理清楚，使其具有逻辑和理性后，就着手进行编程。然后我们会询问客户，是否同意我们继续使用他们的客户信息，虽然这时客户根本不知道我们将他们的信息用来做什么。之后，一系列的市场营销和企业管理工具就会问世，我们还会开始对员工进行技术培训。在应用过这些工具后，营销人员会发现，其实这些工具不是特别适合解决他们面临的问题。

这听起来像是一种讽刺吗？我们不禁反问，有多少大型的IT项目是可以在限定的预算内完成的，又有多少能够实现预想的效果？研究表明，只有10%~30%。

技术尤为重要，我们需要依靠技术专家去发掘技术解决方案，一般情况下，技术本身不是问题。

这样做行得通

技术尤为重要，我们需要依靠技术专家去发掘技术解决方案，一般情况下，技术本身不是问题。

让我们回顾一下智能数据循环流程。市场营销和企业运营的任务目标没有改变。我们可以采取五种手段去提升客户价值，即发掘新客户、提升口袋份额、长期客户关系管理、持续推荐和提升市场营销和运营效率。数据和分析只是帮助我们更好地去运用这五种手段。如果一家企业计划增加在信息技术方面的投入，就必须要认识到这一点。

在引进技术时，要遵循五个基本原则：

☆要弄清楚我们具体要解决哪些商业问题。我们首先要明确回答这个问题，然后再弄清楚未来的使用者（比如市场营销和运营人员）对技术系统有哪些要求，之后再考虑引进哪项技术。

☆管理部门、技术专家和市场营销部门必须合作寻求适宜的解决方案。管理和市场营销部门需要培养一些技术人员，目的是为了更好地针对技