不仅是管理架构,作为一家高科技互联网制造企业,联想有着长而复杂的产业链,一个数据分析,可能会涉及十几个系统的几十张源表。
年营业额460亿美元的联想,组织架构庞大复杂。它在全球分五大区域,同时又有个人电脑、服务器存储,移动互联等业务单元,横跨区域进行管理。复杂的企业架构导致数据分析维度多、需求十分零散的局面,这是联想的痛点。
不仅是管理架构,作为一家高科技互联网制造企业,联想有着长而复杂的产业链,一个数据分析,可能会涉及十几个系统的几十张源表。
与此同时,行业竞争异常激烈,业务部门对数据分析提出越来越多、颗粒度越来越细的需求,IT部门的资源十分有限。于是,最近两年,联想开展了“数据分析自服务的变革”。
自服务不仅能把资源中心转移到业务上,更能快速发挥业务的前沿视角,是一举两得的事。
▌新旧系统理念不同
自服务需要合适的平台。联想之前一直使用传统BI。传统BI的思路是比谁家工具更强大,无论多么复杂的需求,我都能搞定。但传统BI的缺点是太过复杂,可能通过几个工具才能做出一张报表;需求响应也慢,一个需求,IT部门往往要几周才能搞定,这影响到用户的时效性需求。
相对传统BI,新型BI“都在做减法”,易于各层员工应用,甚至新兴BI企业提出“人人都是数据分析师”的理念,来引导市场。几年前,联想也开始寻找、评估新BI工具。
联想集团数据分析总监张晓燕介绍说,对于新BI,联想的要求是,速度要快;灵活性要高,能满足内部用户随时的变化;要易用,符合自服务需求;功能要强,要满足互联网制造企业复杂的分析需求;售后支持要好,这点对于实现数据分析至关重要。经过半年分析比较,联想选择了Qlik作为主要BI工具之一。
现在,联想数据分析用得最多的一个是销售市场,一个是供应链。业务部门只要在相应的数据分析页面上点几下鼠标,几秒钟内就可以看到分析报表。
例如,库存是供应链的一个重要指标。分析报表能看到哪款产品在哪些区域、哪些国家卖得特别不好。他可以“Drill Down(下钻分析)”,分析销售不好的原因是定价策略、产品质量还是前后端协同问题。这样,他可以马上行动。这种及时的数据分析,能明显提升公司运营效率。
不过,联想全球有6万名员工,要让员工都行动起来,需要渐进的过程。在推动新BI平台时,业务团队也经历着各种不适应和改变习惯的挑战。
张晓燕介绍,对于“Skill很强的内部用户”,数据分析团队就把数据提示和建模做好,通过培训,用户自己就可以快速上手。
对于另一些业务出身、对IT工具使用偏少的用户,数据分析团队在给他定制时,会“做到最后5公里”,让他只需简单操作,就可以用上。
用户的需求也不尽相同。总裁、高级副总裁这类高管一般注重主要的KPI。而业务运营总监这一层会对关联分析和下钻分析看得非常仔细,因为他要找出问题的症结。
▌传统企业能照搬互联网模式吗?
数据分析做的最好的无疑是互联网企业,传统企业能照搬吗?联想集团业务流程变革管理业务智能经理刘峰的答复是否定的。他认为,互联网公司管理架构、业务结构都较为扁平化,没有传统企业那么复杂的管理流程,那么多系统和报表。“这是传统行业都面临的问题”。
刘峰认为,传统企业做大数据要“削层”,能做一步的就不做两步,一定要精简。同时,无论系统架构是分散,还是大集中,最终目的是让用户灵活使用,满足企业转型需求。
联想目前IT下属的数据分析团队有几十人。由于数据分析是基于业务的,这要求做数据分析团队一定要投入业务,扎到某个行业久一些,了解流程。“只会工具是没有意义的。”刘峰说。
“数据科学家”近两年被提出。在很多创业公司,数据科学家仅次于CEO,是一个高水平岗位。联想目前也在培养自己的数据科学家。
张晓燕认为,数据分析团队,包括数据科学家要紧密关注公司的所有策略。根据业务策略,才能制定项目优先级,而不是光被动地接受需求,也才能看得比业务更高远,担得起数据科学家的责任。
刘峰认为,目前联想的平台离大数据分析还差一步,因为大数据包罗万象,但联想数据分析绝大部分还是内部数据。“数据分析不是一蹶而就的。我们先要学会走路,把内部数据搞定。”他说,“今年会引入更多外部数据,开展一些‘试验田’。”