Michael Koukounas是信用评级巨头Equifax Inc.的全球分析副总裁，在本月华盛顿特区举行的GlobalDirections 2013大会上，Koukounas与TechTarget记者分享了他对实时数据分析以及分析战略的看法。

 

　　问：今年GlobalDirections会议的一个主题是快数据（fast data），让正确的人在正确的时间获得正确的信息。对此，您建议企业该如何开展工作？

　　Michael Koukounas：分析对于业务发展来说必不可少。很多时候，必须从流程开始着手解决问题。你要思考这些问题：要针对哪部分业务？从哪里入手？有什么限制因素？手头有哪些可用的数据？

　　这和人们通常的想法恰恰相反。绝大多数人都是一开始就把眼光投向数据，希望从中发现金矿。然而，根据我这么多年的经验，数据分析不应该用这样的思路。你必须首先理解业务存在的问题，然后找到问题的切入点 – 即理解对客户造成的影响、需要什么样的决策以及在哪方面投入资金？

　　一旦理解了业务问题和切入点，接下来你要思考有哪些限制因素 – 可能是系统、管制或者商业声誉。很多情况下，限制来自于实时信息。让正确的人在正确时间获得正确的信息，这是正确决策的基础所在。

　　问：对于用实时数据分析解决问题或拓展业务，您能否举个实际的案例？

　　Koukounas：我曾经就职于一个家居公司，其与客户达成交易的比例是十分之一。在客户们询问了地毯、窗户或家电的价格后，十次有九次是直接离开，没有发生任何购买行为。如果这个比例能够提高到七分之一，就意味着数十亿美元的收入。很多公司用即时信用的方式来促使客户做出购买决策，比如把橱柜从枫树色升级到樱桃色。因此，要让客户在店内时能够马上知道类似的政策，必须通过智能手机与其进行即时交互，而不是通常的店内广告或邮件形式。

　　问：实时数据分析和大数据战略该如何互补？

　　Koukounas：一家冷冻食品公司有3000家线下的销售代理。他们想做的就是扩大客户群体。为此，需要知道最优质的客户在哪里，以及他们下一笔交易可能是什么。这就是业务范畴。然后，你要考虑客户触点是什么。在这个案例中，那3000个销售就是与客户的接触点。

　　如果你要找到这个业务问题的答案，必须先看看有什么客户信息——即客户的购物历史。而后，进行日常的信息汇总并推送给销售人员。我的做法是，根据销售当日的拜访路线，结合沿途相关客户的购买历史，推送具有针对性的促销方案。

　　问：是否已经有满足实时数据分析的技术存在了？

　　Koukounas：问题不在于有没有相应的技术，而是有太多的陈旧系统形成了阻碍。我可以构建最好的分析平台，但是不得不付出修建金字塔般的艰辛。因此，我宁愿构建一个相对简单但依然可以达成目标的系统。在绝大多数情况下，方案都是新旧技术的混合体。一个公司可以基于云计算的高性能环境完成离线的工作，然后再把相关数据灌入到客户触点 – 很多时候就是遗留系统。

　　问：您在会上将提到构建分析战略的六个步骤。除了识别待解决的业务问题、识别客户触点以及打破触点周围的限制之外，另外三个步骤是什么？

　　Koukounas：第四步是理解数据——哪些数据可以帮助你解决业务问题？然后就是设计和构建分析方案。最后一步就是具体的执行。

　　问：您是如何开始构建分析方案的？

　　Koukounas：80/20原则始终成立：通过20%的工作我就能得到80%的答案，而剩下的20%答案则要通过艰苦的努力才能找到。

　　数据分很多类。比如，可以通过结构化数据解决某个问题，而有人想用来自推特的非结构化数据做情感分析。非结构化数据的引入极大地提升了分析复杂度，耗费更多的时间，而且，你还无法预知这会带来多大的价值。

　　你要评估这样做是否正确？你是否愿意承受非结构化数据所带来的复杂度？在某些分析场景中，非结构化或者情感数据是非常有用的，但在另外一些场景中，这只会增加风险并使项目拖延。

　　当你在思考这类关于数据结构的问题时，其实就已经投入到分析工作中。你试图为思考这些问题：“所需的研发工作有多少？”或者“对于当前面对的问题和分析带来的影响，该如何权衡？”