生活中充满了各种需要我们做决定的情境，有的决策似乎是深思熟虑下的理性结论，有的决策好像是感情用事下的直觉冲动。科学发现，最佳决策需要理性脑与情绪脑之间的巧妙调和，也就是合理运用大脑的决策中枢。试想，倘若企业也拥有这样的决策中枢，那么将为企业带来多大成就？作为企业变革的核心驱动力之一，BAO可以通过数据分析，帮助企业制定决策、开创新局。

　　有一段时间，跨国金融集团BanKorp有些苦恼，因为客户满意度直线下降。那一段时间中，客户抱怨最多的是呼叫中心代表不能对他们的需求进行反馈，而呼叫中心也在叫屈，因为他们无从了解这些客户的信息。这些客户，是随着被收购的业务而进入BanKorp服务范围的。为了拓展新业务，Ba nKo r p收购了多家企业。这些新业务线不但带来了机会，同时也带来了挑战。他们都拥有独立的系统、流程和数据源。显然，这些系统与原有BanKorp系统的结合，形成了一个个信息孤岛，不仅仅是呼叫中心不能看到客户所有信息，管理人员也无从了解经营动态。小到金融服务部门的呼叫中心，无法获悉家庭和汽车保险的内容，以至于工作人员无法在与客户的一次通话中提供给客户全部所需要的服务，大到领导层的决策无从依据。所有的问题都让这个新整合的公司十分烦恼。

　　这样的客户满意度下滑最终被来自IBM的业务分析与优化解决方案止住。应用这个方案，BanKorp通过集成来自多个客户数据库的信息，针对每一个客户创建了一个档案，并用可视化的仪表板来呈现。在这个仪表板上，客服代表凭借智能搜索功能，就能快速准确地找到客户的相关信息，并向客户提供个性化服务。这个方案应用一段时间后，BanKorp相关业务实现了40%的增长，经营绩效提高了740万美元。但这还不算是最激动人心的成效，不久以后，BanKorp的交叉销售业绩居然增加了600%，这是他们利用客户信息进行预测分析并进行针对性营销的结果。客户过往的交易细节和统计数据已经被BanKorp放到营销决策流程中的各个环节当中，每做一个营销方案，这些数据都会适时、主动地参与到决策中。

　　数据主动参与决策？对大部分企业来说，这听起来有点像天方夜谭。企业的运营中会产生大量的数据，几乎所有的管理者都知道，这些数据里蕴藏着巨大的金矿。但是，如何挖掘金矿，却又是大部分企业的困惑。因此，一方面数据继续“沉睡”，另一方面，企业还在“摸着石头过河”，凭感觉和既往经验向前走。在市场发展空间足够大的时候，靠这样的摸索还能生存，但一旦市场竞争加速，这种拍脑袋、凭经验的决策，就有可能带来企业的颓势。实际上，这种颓势已经在中国的一些行业中出现，比如家电等曾经辉煌的行业。那些身陷挫折泥潭的企业，大都对盲目决策深恶痛绝，对数据决策充满期待。因此，我们有必要探究，数据应该被如何“唤醒”，我们应该如何让数据主动参与到决策流程中。

　　唤醒数据——BI 2.0

　　对于BI（Business Intelligent），相信不少企业都不会陌生。当经营管理引入信息化工具后，大量的数据随之产生。一些企业为了利用这些数据，引入了商业智能（BI）手段。然而，BI 对数据的应用，更多是一种被动的做法，也就是通过数据分析发现问题。然而，正如一位IBM顾问所言“看到问题并不代表问题被解决掉了”，于是，IBM把BI的应用往前推进了一大步，进入BI 2.0应用阶段。在这个阶段，不仅能通过数据分析发现问题，而且还能把分析结论返回到业务流程中去，甚至可以通过自动化的方式去避免同样的问题再度发生，或者问题发生时可以立刻加以应对，最终实现业务流程的不断优化。这个阶段的应用，就是IBM所说的BAO（Business Analytics and Optimization）概念。显然，在这样的过程中，数据的价值被最大化地挖掘并加以利用，数据从待开发状态被唤醒成为业务优化的驱动者。

　　业务分析与优化能力的产生，首先是企业需求的驱动。差异化创新成为当今企业实现竞争力的主要方向，而创新的来源，有很大一部分就是相关的数据，包括既往的业务数据、行业信息、市场信息等。一个有经验的分析者，可以透过这些数据，找到差异化的洞察力方向。

　　然而，如果没有与业务流程结合的技术和方法，企业的需求再迫切也无济于事。事实上，相关的技术早已诞生，比如做绩效管理或商业智能的软件、规则管理引擎等。但是，当这些技术散落在市场上、独自存在时，它们的作用非常有限。数据挖掘能力之所以停留在BI阶段好多年，在一定程度上，就是因为这些软件都过于专业和分散，只能解决部分问题。IBM通过整合软硬件和服务能力，从而真正实现了业务分析与优化的一站式集合。

　　具备了成体系的业务分析与优化能力，还远不能保证数据主动性的实现。唤醒数据还牵涉到对业务流程的解读以及对问题模型的建立等诸多专业能力。重要的是，保证数据价值有效发挥的关键在于问题建模，如果问题数据建模有偏差，那么就有可能导致数据对业务的错误牵引。因此，与帮助客户的其它项目不同，实现业务分析与优化的IBM团队，不仅包括了产品技术部门、业务咨询和服务部门，还有IBM研究院。为客户提供问题数据建模的，就是IBM研究院里的数学天才们。

　　起源于问题的闭循环

　　“我们已经拥有大量有价值的数据信息，但并没有利用这些信息推动我们的行动。因为我们不知道从哪里下手。”一家金融机构高管的困惑，其实反映了绝大部分企业面对数据时的茫然。那些意识到数据重要性的企业，过去常常习惯于先收集所有可用的数据。然而，面对一堆数据时，却又不知道哪些数据能有针对性地发挥价值。这是一个出发点就渺茫的过程，注定难以获得好的结果。

　　那些能让数据参与业务优化和决策的企业，都不是以这样的方式开场，而是从问题出发，也就是首先定义满足业务目标所需的洞察力和问题，再确定解决方案所需要的数据。BanKorp就是一个典型的例子，他们的数据应用起始于改善客户满意度的目标，从对收购来的新业务与集团原有业务的整合问题入手。

　　而国内在业务分析与优化应用方面有所建树的一家电信运营商，则起步于提升营销精准度的目的。精准地发现客户并向他们营销有针对性的产品，是所有企业的希望，但是大部分企业都像之前的这家电信运营商一样，进行大海捞针式的营销，面向一定范围内的客户，撒出一张大网，最后能捞多少要看运气。显然，这是一个费时费力、事倍功半的事。因此，当市场竞争趋于激烈时，这家电信运营商希望借助业务分析与优化的方法，实现精准营销。

　　于是，他们与IBM一起确定了与此相关的数据，比如客户在3G应用方面、在彩铃和手机游戏中的行为数据等。通过这样的过程，营销范围被缩小了，但是营销效果却因此而保持不变甚至提高。比如，原来针对1 0 0 个客户营销能获得20个回应，而现在针对50个客户就可以获得20个或者更多的回应。由于这些客户所敏感的数据在系统内都能看到，因此，有针对性的精准营销在这个过程中得以实现。

　　营销之所以能实现精准，是因为在这个过程中产生了一个重要的能力—洞察力，也就是“什么样的客户需要什么样的产品”。这是一个建立在有效数据分析基础上的能力，因此，对营销的预测也趋近准确。