09

大数据愿景训练

大数据是关于业务转型的。我很早就在本书中明确了这一点。就像之前多次提到的，大数据可以帮助业务的利益相关者优化现有的业务流程，挖掘新的货币化机遇。大数据并不像大多数的信息技术项目，因为它要求与业务的利益相关者保持密切持续的合作，以确保正在被开发的项目对企业是有关联的、重要的。传统信息技术项目的企业资源管理和客户关系管理可以在执行时与业务的利益相关者保持有限的互动。大数据项目则不是，特别是那些目标瞄向业务转型的，它不仅要求业务的利益相关者参与进来，而且要求业务的利益相关者具有深度持续的领导力。

业务和信息技术方面的利益相关者将如何进行合作以确认正确的商业机遇？在此商业机遇的基础上集中经营大数据项目，设计正确的体系架构挖掘大数据的货币化机遇。基于历史上采用新技术带来的高失败率，你将如何确保成功采用这些新的大数据技能？

本章将介绍一种经过尝试并验证过的方法——愿景训练。它基于简单的前提，即商业机遇必须推动大数据的应用。因为一个以技术为先导的方法有助于组织了解像Hadoop这样的新技术可以做什么，关键是商业机遇促使我们思考“为什么”、“用什么方式”、“在哪些方面”应用这些新的大数据技术，以便让业务的利益相关者接受大数据并获得商业成功。

大多数大数据项目的最大挑战在于明确在哪些方面通过什么方式来开启大数据之旅。这些选择是复杂的，因为事实上大多数业务用户（以及大多数信息技术领导者）很难展望使用新的大数据源（社交媒体、手机、日志、遥测设备、传感器及其他）以及大数据技术创新（Hadoop、MapReduce、NoSQL及其他）将带来的可能性。

利用第7章中介绍的大数据展望，你可以进行愿景训练（理想状态下作为一个更大的促进训练的一部分），它有以下好处：

• 确保你的大数据项目着重于正确的商业机遇，以最佳的方式平衡商业利益和实施的可行性。

• 通过将业务及信息技术方面的资源联合起来，围绕一系列共同的业务目标、假设、优先等级以及指标，建立成功必要的业务共识。

• 提供一系列衡量大数据项目是否成功以及项目进展的指标。

• 通过预先确认大数据项目的执行风险，降低失败的可能性。

大数据愿景训练流程

愿景训练定义了大数据和高级分析可以在哪些方面，通过什么方式被用来改变你的企业。愿景训练通常是一种半天的思维促进训练，利用团队动力和第7章中介绍的大数据展望梳理出大数据的商业机遇并划定优先级。为此，训练流程帮助业务和信息技术方面的利益相关者利用新的大数据源和新的大数据技巧展望可能的范围。愿景训练流程由以下步骤组成（如图9–1所示）：

1. 通过调查和采访，了解针对的业务计划或业务流程。

2. 数据准备和针对客户特定的分析开发。

3. 发展愿景练习以表达可能的范围。

4. 开展头脑风暴，划定大数据使用案例的优先级。

5. 捕捉执行风险以及商业价值的驱动因素。

让我们仔细研究大数据愿景中的每一个步骤。

图9–1 大数据愿景流程

第一步：调查业务计划

在思维促进训练之前，业务和信息技术方面需要确认针对的商业机遇、挑战或项目，在此基础上集中进行愿景训练。下面是一些业务计划的例子：

• 利用对用户行为的了解，降低客户流失率并优化与客户的互动环节。

• 利用预测性分析，提高涡轮维护的可预测性，减少计划外的维修。

• 利用客户在店内的行为模式以及客户以往的购买历史，推动基于地理位置的选项提供。

• 利用内部和外部的与客户交流的数据，标注服务和产品中有问题的部分，提高客户满意度。

• 利用实时的学生测验的数据，结合以往的学生测验的数据，动态地衡量学生的学习效果。

• 利用病人健康和生活方式的数据，提高医院对再住院可能性的预测。

建立了相对应的业务计划之后，促进小组正式成立。促进小组通常有一位领导式的促进者，他了解必要的流程和技巧，负责推动团体头脑风暴并协调训练参与者之间的共识和优先次序。促进小组的其他关键成员包括一位对某个行业或业务功能拥有丰富经验的主题专家、一位可以决定合适的丰富数据、分析建模技巧并评估其他潜在数据源的数据科学家。

促进小组知道根据所针对的业务计划，需要接触哪些业务的利益相关者、获得哪些数据，以推动思维练习。重要的是，愿景训练有一系列明确定义以保证训练能够突出重点并且不跑题。如果没有一系列明确的定义，愿景训练很容易变成过分尝试以满足太多主管的个人计划和太多种业务功能的单个要求。相信我，突出重点是有益的，特别是当你寻找正确的领域来开始大数据之旅的时候。

在促进小组达成关于愿景训练范围的共识并且确定业务和信息技术方面的参与者后，促进小组应该调查选定的业务计划并收集相关的背景信息。调查应该包括回顾公司年度和季度的财务报告，听取分析师的意见并且开展关于该主题的网络调查。这不仅能了解企业选定的业务计划，还能了解同样领域的竞争者正在做什么。

接着小组应该采访选定的业务和信息技术方面的参与者，以便：

• 获得选定项目的商业目标和财务目标。

• 了解如何衡量成功。

• 捕捉关键业务问题和必须做的决定，以便支持选定的业务计划。

• 分解目前的挑战。

• 确认关键的业绩指标和关键的成功因素。

• 回顾企业以往处理类似项目的经验。

这些采访可能是面对面的，也可能是通过电话的，这要看受访者的日程安排、资源的可获得性以及时间选择，不过面对面的访问是一种更好的方法。

在这个过程中要从受访者处收集报告样本和电子表格样本。小组应该在采访时花时间去了解业务用户是如何使用并分析现有的报告和仪表盘的。花时间与业务用户接触，以了解：

• 当他们回顾一个报告或一个仪表盘时，他们在寻找什么。

• 他们是如何知道存在问题或机会的。

• 他们发现问题或机会后，采取了什么方法。

• 他们还需要什么新的数据或分析，以便进一步了解问题或机会。

• 他们通常会接触哪些其他利益相关者，来帮助他们分析问题或机会。

• 基于他们的分析，他们可能做出什么决定。

• 谁是接下来的利益相关者——分析报告的接收者。

如果业务用户将报告数据下载到微软Excel这样的电子表格，或微软Access这样的个人数据库中，那么促进小组就要特别留意了。他们应该花时间去了解业务用户为何下载这个数据，并且捕捉用户在电子表格或个人数据库中正在进行的分析类型。另外，如果业务用户将其他数据融入分析当中，小组也应该进行调查。这些下载的情况给小组提供了绝佳的机会，去了解用户在数据中寻找什么、用户如何进行分析，他们可能还会用到什么类型的分析技巧和其他数据源。

为了准备采访，让我来简要回顾一些采访需要注意的关键点和技巧，以确保采访成功进行：

• 在正式采访之前，与受访者分享问卷调查表，以便受访者提前准备。如果你没有采访问卷，那么制作一份。

• 把每次采访控制在一个小时内。超出这个时长往往是徒劳无益的，而且会透露出你采访中的问题并没有经过事先准备。如果需要更多的时间，就另外安排一次采访。

• 留下至少30分钟给采访者，以便采访小组有时间保存并整理他们的记录。

• 由两到三人组成采访小组，指定一位采访负责人和一位专门的记录员。一位负责人引导采访流程，其他参与者只进行提问。在采访前明确组内分工。

• 不要用录音带记录采访。尽管表面上看这种方法最有效，但是实际上采访者容易在采访过程中懈怠，误以为他们遗漏的信息仍会记录在录音带上。

第二步：获得并分析你的数据

接下来，促进小组要和信息技术组合作，确认并获得与选定的业务计划有关的小样本数据。该数据将被用于开发专项项目“可能性艺术”的愿景训练，这个项目将会用于思维训练。促进小组的数据科学家负责使用预测性分析和数据可视化技术以探索、提炼并分析数据。

分析模型往往建立在笔记本电脑上，综合使用R（一种受欢迎的、快速发展的开源分析工具，目前被众多学院、大学和数据科学组织广泛采纳并拓展）和Hadoop以加速模型开发。

在笔记本电脑上建立分析模型和可视化，消除了获得或提供完整的分析环境所需的时间。这为展望过程提供了所需的灵活性，可以测试其他可能有助于分析模型的数据源。这些不是大型的数据集（只有3GB~6GB），但是数据需要与业务计划有关联，以便打造一个真正的构想模型。

我们应该注意到，使用数据建立一个专门为客户制定的故事性分析方法并不是为了解决业务问题，而是作为一个说明性案例让业务和信息技术方面的参与者思考可以做些什么来获得更加详细的数据和新数据源。

如果有可能，你可以编一个与分析有关的故事，促进业务用户的创造性思维发展并且使他们开始假设思考。作为当前职责的一部分，他们开始思考如何利用数据和分析方法。例如，图9–2和图9–3显示了如何使用客户行为数据来编故事，以便在与客户互动的早期检测到潜在的客户流失。根据图9–2中的数据，可以利用标准的客户统计信息、财务数据和账单数据探查潜在的客户流失。图9–3的数据在案例的基础上进行了扩展，添加了客户行为数据以便在与客户进行互动的早期检测潜在的客户流失情况。

图9–2 客户的财务和账单变量与客户流失

图9–3 客户的综合使用情况变量与客户流失

再次说明，使用客户数据创造这种专门针对客户定制的愿景训练的目的在于，帮助参与训练的人展望可能性的范围。专门针对客户的愿景训练有助于业务方面的利益相关者想象，如果利用新的关于客户、产品和运营的洞见来改进选定的业务计划或商业机遇，将有哪些展望成为可能？

促进小组同样可以根据业务计划引入外部数据源，扩展专门针对客户的愿景训练。例如，促进小组可以获取企业在脸谱网或推特上的小部分数据，看看从社交媒体数据中可以梳理出怎样的洞见。图9–4展示了一个分析案例，介绍利用客户的社交媒体数据计算并比较客户和关键竞争者的情感分析。这类案例可以推动创造性过程，帮助参与者展望作为业务计划的一部分，他们可以怎样利用来自社交媒体的洞见。

在这个案例中，5月25日、26日发生了一些事，需要进一步调查。参与者开始集体讨论那几天或那几天之前可能发生了什么（可能有公司的新闻、竞争性活动、市场新闻或经济新闻），这对于将出现在思维训练中的愿景训练是一个很好的开始。

图9–4 竞争性情感分析

也有很多的外部数据源可以与业务数据结合，提供新的视角看待旧客户数据。例如www.data.gov是一个有价值的数据源，数据范围广，这些数据可以被用来帮助业务用户展望哪些是可能的。图9–5展示了如何综合利用政府提供的消费者价格指数和企业的消费者销售数据，根据不同类型的客户的市场潜力，确认是否存在营销花费过量或不足的客户类型。

图9–5 根据细分市场比较市场和你的客户支出

分析一小块业务数据的目的是个性化管理业务的利益相关者与大数据机遇之间的联系。你想要推动创造性思维过程来帮助业务的利益相关者探索哪些是有可能的，如果业务用户可以获得对客户、产品和运营的新认知，就可以把这些认知当作他们日常业务流程的一部分。

第三步：思维训练，集体讨论新想法

现在你为进行一天的思维训练做好了准备。思维训练的目的是运用第7章中讨论到的多种业务价值评估技术，以及使用客户数据开发的针对特定客户的愿景训练，帮助业务的利益相关者思考这些新的大数据源（内部及外部数据）和预测性分析方法将如何挖掘出可供使用的、关于他们选定的业务计划的独特洞见。你会想要鼓励业务的利益相关者展望如何利用内部和外部的数据源帮助他们：

• 回答他们需要回答的问题，以支持选定的业务计划。你会要求他们重新思考他们提出的关于业务的问题，促使他们以更低的粒度、根据新的指标、从更多的业务方面出发来回答那些问题，思考可能产生的业务影响。

• 做出必要的决定，以支持选定的业务计划。你会要求业务用户通过获得新的数据源和预见性的分析方法，挖掘每一个关键决策的驱动因素，探索更详细、更及时、更稳健的决定。

思维训练包括三个关键步骤：集思广益、排列优先次序以及编写文档。表9–1是思维训练的时间安排模板。

表9–1 思维训练时间安排

集思广益

通过集体讨论开始思维训练，讨论在哪些方面、如何利用大数据（新的关于客户、产品和运营的数据资源以及超前的、预测性的分析）支持你选定的业务计划。你会回顾专门针对客户开发的愿景训练，帮助业务的利益相关者展望有了新的数据源和预测性分析工具后，有哪些将成为可能。你会向业务和信息技术方面的利益相关者说明，合理利用预见分析方法分析内部数据和第三方数据，将如何提供新的业务见解和新的货币化机遇。

你会利用第7章提到的大数据展望技术集体讨论可以推动所选定的业务计划的业务问题、想法以及业务决定。你需要追踪这些想法（比如把它们分别记录在便利贴上），以业务问题或陈述的形式，例如“我如何确认最积极参与的客户类型”或“我想看看金卡会员通常会购买什么产品”。

你会想要利用专门针对客户的例子以及来自类似或其他行业的例子，推动创造性思维过程，了解其他企业或行业是如何利用大数据驱动业务价值的。花时间回顾不同的情景，这将帮助参与训练的人员展望新的大数据源和超前的预测性分析将在哪些方面、如何赋予选定的业务计划以金融价值和竞争价值。

关键在于通过开放的、有促进意义的对话挑战群体目前的思维过程和假设。通过要求参与者探索“如果，会怎样”和“将会怎样”这样的思维方式，引发创造性流程，例如：

• 如果我可以对客户的购买行为和产品偏好有新的见解，那会怎样？这将会怎样改变我与客户互动的机会？

• 如果我对病人目前以及以往的生活方式和饮食习惯有所了解，那会怎样？这将会怎样影响我诊断他们目前的健康问题并给其他身体变化开药方？

• 如果我知道哪些产品的运营业绩正处在不被接受的边缘，那会怎样？这些信息将会怎样被用来改进检修计划、职业训练和存货管理？

• 如果我知道驾驶最安全、最成功的司机的特征，那会怎样？这些信息将会怎样被用来改变我雇用、训练并向最有价值的司机支付报酬的方式？

所有的这些业务问题、陈述和想法应该被分别记在便利贴上。捕捉每个问题、陈述和想法是接下来要执行的步骤的关键。对于选择“降低客户流失率”这一业务计划的人来说，他的问题可能是这样的：

• 目前哪类客户流失率最高？

• 这些正在流失的客户是否存在相似的产品使用模式和偏好？

• 流失率最高的客户类型有什么社会特征？

• 流失的客户有什么共同特征或共同的使用模式？

• 是否有哪类客户的流失率正在降低？

• 我们向高流失可能的客户提供过哪些营销方案？

• 谁是我们最能贡献利润的客户？

• 谁是我们最有价值的客户？

在集体讨论中捕捉到60个、80个或者120个不同的问题、陈述和想法并不罕见，把它们记下来、排序并分类。

这里列出了一些有用的技巧和技术，可用来推进集体讨论环节中的创造性流程。

• 在一个有着开放氛围的房间进行集体讨论，鼓励开放讨论和想法的开放式分享。探索办公室以外的选择，例如一家酒店的会议室或合作方的会议室。我们有一次在一家风轮机工厂进行了集体讨论，只是为了让参与者跳出舒适的区域。所以请有创造性一些。

• 不用桌子，将椅子排成U型，避免干扰（避免排成报告厅或教室的样子）。

• 在屋子四周的墙上贴几个活动挂图来捕捉想法。

• 在墙上挂一个“停放区”的活动挂图，用来捕捉那些有趣但会使集体讨论流程偏离轨道的讨论，这是一种提醒你向前推进的礼貌的方式。

• 将便利贴随意地贴在几个活动挂图上。不用想着在贴的时候将这些便利贴分类。你会在思维训练的下一个阶段进行分类。

• 确保每个人单独工作。当参与者以小组为单位工作时，会有一个人控制话语权，其他组员的很多好想法并不被认可或记录下来，这种情况并不罕见。

• 每张便利贴只写一个想法。如果你在一张便利贴上有几个问题，将它们分开写在几张便利贴上。

• 当你将便利贴放在活动挂图上时，大声读出其他人写的内容。读出便利贴的内容可以促进创造性思维的产生。

• 只要还有人有新的想法产生，集体讨论这个流程就要进行下去。通过继续这一流程鼓励伙伴们思考新的问题、陈述和想法，让安静成为你的有力助手。

• 提醒参与者你会每隔5分钟、3分钟或1分钟就停止收集便利贴。不要觉得有义务坚持那些特别的时间表。只要还有新的想法产生，就让这个过程继续下去。

聚合或分组

聚合或分组的目的是将从便利贴上收集到的问题、陈述和想法按照共同主题进行分类。让参与者围绕在活动挂图周围，在便利贴中寻找共同的主题。将业务问题和陈述放到共同的主题中，比如收入分析、对客户的向上销售、客户流失和分支机构业绩分析。有几个便利贴会非常相似，因为很多业务的利益相关者都在问同样的问题，尽管他们可能会使用不同的指标或从不同的方面考虑，这种情况很平常。例如，销售部可能想要看各个销售代表和销售区域的销售业绩，市场部可能想要看各个活动和推广的销售业绩，产品开发部可能想要看各个产品和产品线的销售业绩。每个部门都对销售业绩感兴趣，只不过是从不同的方面考虑的。

一旦你确定了一个主题，并且围绕这个主题将共同的便利贴分在一组，就用一支记号笔在这一组便利贴周围画一个大圈，并给它起一个标题，例如客户获得、客户流失或向上销售。保持标题或描述简短（3~4个字的描述）。在接下来的文件编写过程中，你要用一种更具描述性的标题，从与主题相关的便利贴中收集到的更多细节来梳理这些主题。

通常选定的业务计划会分解成多个用例（6~12个）。例如，“利用对客户行为的了解来优化客户生命周期的互动过程”这一业务计划可能会分解为以下用例：

• 降低客户流失率。

• 最重要的客户类型。

• 有竞争力的流失基准。

• 产品使用特征。

• 网络性能趋势。

• 客户获得。

• 建立客户速写和客户细分。

• 将受众的细分类型打包。

• 基于地理位置的服务。

集体讨论的最终成果将会是几个活动挂图，上面贴满了有着共同主题的便利贴，或分组放在一起的用例（如图9–6所示）。

图9–6 在集体讨论过程中使用便利贴

最后，按照每一个确定的用例创建一个单独的便利贴。这些便利贴将会被用在排序训练中。

第四步：思维训练，将大数据用例进行排序

你将带领参与训练的成员进行排序，根据每一个用例的商业价值比较可行性，判断用例的优先次序。在这一过程中，你会捕捉到一些商业价值驱动的细节（例如，为什么某一个商机的价值比另一个高）以及可行性背后的原因（例如，为什么某一个商机比另一个更难执行）。排序流程的最后成果是一张如图9–7所示的矩阵图。

图9–7 排序结果的示例

用例：

流失：结合智能手机应用的使用数据和客户的财务数据及个人资料，改进预测流失模型的效果。

产品性能：根据客户的使用情况和客户的赢利性调整网络带宽。

网络优化：根据客户使用手机应用的情况优化网络投入以减轻网络拥堵。

标准化：标准化工具、流程以及分析模型，采纳分析团队的配置文件。

推荐：依据客户的智能手机应用使用模式，提出专门针对客户的产品和服务建议。

货币化：利用智能手机应用的使用数据，发掘新的基于地理位置的服务商机。

我将会在本章的后续部分讲到如何推动排序过程，因为这是思维训练中的头等大事，是将事前研究和集体讨论转变为一个可执行的行动计划。

第五步：为接下来的步骤提供证明

在最后这一步，你会总结已经确认且排序的商业机遇，部署预测性分析的步骤，以支持选定的业务计划。你会记录展望过程的结果，包括：

• 与选定的业务计划有关的关键采访发现，包括关键的业务问题、业务决定以及要求的数据源。

• 集体讨论环节得出的分析用例。

• 排序矩阵的结果，包括每一个用例的摆放细节、商业价值驱动和执行风险细则。

• 推荐的接下来的步骤。

展望过程的最后环节是呈现发现结果、推荐意见以及从愿景训练中获得的详细洞见，以便实行管理。发现和推荐将确认大数据的相关性，以推进选定的业务计划并决定接下来的执行步骤。

排序过程

一个成功的大数据之旅的关键挑战在于，使业务及信息技术方面的利益相关者就确认最初的大数据业务用例达成共识并结成同盟，确认的用例能够向企业传递充分的价值，同时保证较高的成功率。我们可以找到很多的业务用例，在这些用例中，大数据和预测性分析都可以产生吸引人的业务价值。但是其中很多的用例很难保证执行成功，因为：

• 无法获得及时、精确的数据。

• 缺乏处理新的数据源的经验，比如社交媒体、手机、日志以及遥感勘测数据。

• 有限的数据科学、有限的预测性分析来源或有限的技术。

• 缺乏经验来应对新技术，例如Hadoop、MapReduce和文本挖掘。

• 在管理和分析非结构性数据、获取并分析实时数据源时存在架构和技术上的局限性。

• 业务人员及信息技术部门之间工作联系较少。

• 管理上不够强硬，支持不足。

我发现了一个工具，可以帮助业务人员和信息技术人员就确认大数据之旅中的正确初始用例——那些有着充足业务价值及较高成功率的用例进行合作并达成共识。这个工具就是排序矩阵。让我们看看排序矩阵是如何在对大数据初始用例进行排序的同时，营造业务及信息技术方面利益相关者的合作氛围的。

排序是展望过程中最重要的一个环节。我想大多数读者会认为集体讨论是最重要的，事实上很多用例很可能在集体讨论环节之前就为人所知了。集体讨论环节既有助于在那些已经为人所知的用例的基础上进行巩固和拓展，也有助于确认其他新增的用例。

但是，如果双方无法一致确认启动大数据项目的正确用例，那么大数据项目就很难成功。为了成功，大数据项目需要业务和信息技术方面的利益相关者的支持与合作，以推动潜在的业务转型。让我们开始排序过程的教学，首先要了解排序矩阵的构成。

排序矩阵是一个2×2的网格，有助于业务和信息技术方面的利益相关者进行交流和辩论，以决定每一个用例相对于其他用例在矩阵上摆放的位置。用例在矩阵上摆放的位置是根据：

• 业务价值：这是矩阵的纵坐标。业务的利益相关者通常负责决定每一个业务用例在业务价值轴上的相对位置。业务价值轴从底部开始代表较低的业务价值，越往顶端业务价值越高，如图9–8所示。

• 可实施性：能否成功实施需要考虑数据的可获得性、精确度和及时性，技术、工具、组织的准备情况以及所需的经验。可实施性是矩阵的横坐标。信息技术方面的利益相关者通常负责决定每一个业务用例在可实施性轴上的相对位置。可实施性从左端起表示较低的可行性（越可能失败），越往右说明可行性越高（越可能成功）。

图9–8 排序矩阵

在此提醒，你并不需要从业务价值的角度对每一个用例进行精确的价值评估。相反，你只需要知道每一个用例的相对业务价值，以及一定程度的业务方面的利益相关者给出的理由，以此来推断用例的摆放位置。

排序矩阵过程

将排序矩阵过程集中于一个关键的业务计划上，例如减少客户流失量、提高销售额、降低财务风险、优化营销支出或降低再住院的可能性，这是非常关键的，因为它为讨论业务价值和可实施性提供了基础。

排序矩阵过程在开始时是摆放每一个在集体讨论环节和汇总环节中确认并记录在便利贴上的用例（每一个便利贴上有一个用例）。评审团队必须包括业务和信息技术方面的利益相关者，通过衡量它们的业务价值和可实施性，对比其他用例在矩阵上的相对位置，决定每一个用例在排序矩阵中的位置。

业务的利益相关者负责决定每一个业务用例在业务价值轴上的相对位置，而信息技术的利益相关者决定每一个业务用例在可实施性轴上的相对位置（考虑到数据、技术、技巧以及组织的准备情况）。

排序矩阵过程的核心是讨论确定每一个用例的相对位置，例如：

• 为什么用例B比用例A的价值高或者低？造成用例B比用例A价值高或低的具体业务驱动是什么（如图9–9所示）？

• 为什么从实施的角度看，用例B比用例A更可行或更不可行？使得用例B比用例A更容易实施或更不容易实施的具体实施风险是什么？

图9–9 排序过程推动团体结盟

排序过程的关键在于捕捉每一个用例的相对位置的原因，以便确认决定性的业务价值驱动和潜在的实施风险。

排序矩阵的陷阱

有效利用排序矩阵的一个关键是了解潜在的讨论陷阱并带领训练的参与者绕开那些陷阱。特别要避免用例落入以下矩阵区域（如图9–10所示）：

图9–10 排序矩阵的陷阱

• 无法管理的期望区域是指那些业务价值巨大，但是很难成功执行的用例（例如解决世界饥荒问题）。一个高级行政人员有一个眼光长远、规模宏大的计划，这并不罕见。排序矩阵会重点说明具体的原因——为什么对于开启你的大数据之旅来说这可能是一个很差的用例。排序矩阵同样会说明需要采取哪些措施使用例更具可行性。

• 用户期待破灭区域是指那些很容易执行，但是业务价值很低的用例。这类用例更像是技术性的科学实验，在这种情况中信息技术团队已经用一项新技术开发了一些技巧，或已经获得了一些新的数据源，很希望寻找一个采用新技术的用例。不要选择这种情况。因为信息技术行业中总有空白区域可以进行试验和探索，不要让你的业务的利益相关者成为那些试验的小白鼠。

• 事业发展受限区域是指那些既没有业务价值又很难执行的用例。这类用例是不言而喻的，没有哪个业务或信息技术的利益相关者会想选择这类用例。

我们应该绕开那些落入以上区域的用例，因为它们要么不能提供足够的业务价值，对业务的利益相关者没有意义，要么从执行的角度来看对信息技术团队来说风险太高。

需要注意的是，为了了解执行风险和业务风险并避免项目实施后发生意外，业务和信息技术的利益相关者需要了解每一个用例所在的区域，并公开讨论为什么每一个用例会处在它们所在的位置——这一点非常关键！

排序矩阵过程的最终结果会像图9–11所示，所有的用例都被摆放在排序矩阵中，它们的业务价值和可实施性经过了讨论和共同确认。对于你的大数据初始互动项目来说，出现在图9–11右上角区域的用例是容易实现的目标。

图9–11 排序矩阵最终结果

排序矩阵是一个了不起的工具，有助于促进业务和信息技术的利益相关者进行交流，讨论从哪些方面、通过什么方式开始大数据之旅。它提供了一个框架，有助于确认每一个业务用例的相对业务价值（对于选定的业务计划），确认和了解执行风险。从这项排序流程中，业务和信息技术的利益相关者应该知道他们选定了哪些用例以及每一个用例的潜在业务价值。参与者同样看清了项目在执行时需要避免或管理的风险。

利用用户体验模型推动愿景训练

开发简单的用户体验模型能够大大帮助业务用户“展望未来可能的范围”。组织可以将大数据概念与用户体验模型结合，打破目前的思想阻碍，并且确认大数据将通过什么新方式来推动组织的价值创造过程。从这些模型中获得的对于客户、产品和运营的新认知同样有助于识别新的赢利或货币化机遇。让我们回顾一些案例，看看一个简单的模型是如何推动展望过程的。

下面的案例涉及一个组织的网站以及几个手机应用，提出了一些有挑战性的问题——关于组织可以如何改进网站或应用，以提供更具互动性的用户体验。模型展示的是一家信用合作社发布的智能手机应用，以支持新的“我的支行”客户互动计划（如图9–12所示）。该模型用到的所有信息全部来自信用合作社的公开网站。这款智能手机应用支持以下客户服务：

• 查询客户所有账户的当前余额和可用余额。

• 账户之间转账。

• 查询交易历史，获得某些交易的详细信息。

• 随时随地支付账单。

• 查询最近的网点或自动取款机的位置。

• 设置账户余额提示、信用卡交易提示以及取款提示。

这些客户事务提供了丰富的资源，从中可以挖掘客户信息和产品偏好，以提供更吸引人、更有关联的用户体验。同样的用户体验也可以获得对客户和产品的新认识，这可以转变为新的货币化机遇，例如新的服务和产品。有了这个模型，业务用户可以进行一系列的愿景训练，探索并集体讨论下面这些问题（如图9–13所示）：

图9–12 手机应用功能样例

• 我们最有价值的客户的使用模式是什么？

• 哪些使用模式暗示了有些客户会流失？

• 我们要如何利用个人信息和以往活动改进用户体验？

• 我们要如何提供新的功能，来捕捉更多的关于客户的兴趣、爱好、社团组织以及社交关系的信息？

• 我们要如何利用这些洞见以及智能手机的全球定位功能，提供基于地理位置的客户服务？

• 我们要如何利用推荐意见来拓展用户体验？

• 我们要如何捕捉生活目标，例如存钱买房子或买车？

• 是否有可以利用的安装设备的机会，获得关于客户的行为、偏好以及兴趣的信息？

• 是否存在可以重新设计的功能组合，以便改进用户体验？

图9–13 使用数据改进使用者的用户体验

我希望你可以认识到，即使是简单的模型也能够大大地帮助参与愿景训练的业务和信息技术的利益相关者确认大数据将如何带来更好的用户体验，挖掘新的货币化机遇。一个简单的用户体验模型可以唤醒大数据的潜能：

• 确认新的机会，可以通过在网站和智能手机应用上新增检测设备捕捉客户使用数据和产品偏好数据。

• 利用预测性分析挖掘专门针对客户的洞见、推荐以及基准，推动带来更有关联性、更吸引人的用户体验。

• 利用实验技巧，为客户呈现多种推荐，看哪个客户回应了哪个选项和推荐，梳理得到更多对客户和产品的认知。

图9–13的模型有一些超前，探索了一家手机供应商如何利用用户手机应用的使用数据改进用户体验（使用户体验更具相关性和可操作性），以改进与客户的互动过程并挖掘新的货币化机遇。

这个案例分析了手机供应商如何利用用户手机应用的使用数据以及类似客户的应用使用行为，制定私人化的、可能有益于用户的电子邮件推荐。在此过程中，手机供应商将对用户的偏好有更深的了解——他们喜欢什么、不喜欢什么，这可以产生更多关于用户和产品的认识。这是相对于第8章中的非智能化用户体验的一个反例。

这里有数不尽的假设问题，可以推动这个模型的集体讨论进程，例如：

• 如果我们可以利用用户的应用使用习惯来推荐新的应用，把用户转变为更有赢利性、更容易维护的客户类型（例如从“温和的青年女学生”转为“女性购物狂”），那会怎样？

• 如果我们可以对客户的应用使用习惯评分，以便更快地识别潜在的流失情况并做出反应，那会怎样？

• 如果我们可以将应用性能数据融入用户基础，向用户推荐那些可以提供更好的用户体验并有助于提高对手机供应商的忠诚度的应用，那会怎样？

• 如果我们可以将有关用户的应用使用方面的认识融入整个网络，创造新的货币化机遇，例如应用开发商的介绍费和合作营销费，那会怎样？

• 如果我们可以将有关客户应用使用方面的认知与实时的全球定位系统定位信息结合，提供私人化的、基于地理信息的服务，那会怎样？

建立模型是一种很有效的技巧，能够推动思维训练中的创造性思维过程。不用担心模型的专业程度，重要的是模型挑战了业务的利益相关者的传统思考方式。模型可以将业务的利益相关者从思维障碍中解脱出来，考虑通过利用所有的客户和产品信息来优化与客户的互动过程并挖掘新的货币化机遇，分析将有哪些成为可能。

小结

本章详细介绍了愿景训练。我分别描述了愿景训练的5个步骤，并用案例说明了每个步骤的详细内容。

你花了一些时间了解数据准备和分析工作，这是将业务中与计划相关的数据转变为愿景训练所必需的，后者可以作为思维训练的一部分。这是愿景训练的一个重要组成部分，因为这让参与训练的人员觉得展望过程更加逼真。我提供了几个建立专门针对客户的展望训练的案例。

你学习了思维训练中的集体讨论和汇总过程，回顾了如何使用迈克尔·波特的价值链和五力分析，以及业务上专门针对计划的愿景训练，以梳理出新的商机，这也是展望过程的一部分。

你也学习了如何使用排序矩阵来促进业务和信息技术的利益相关者达成一致，共同选取开启大数据之旅的正确用例。

本章还讨论了如何在思维训练中利用用户体验模型进一步拓展集体讨论环节。我提供了几个例子，证明了如何利用那些模型推动假设的创造性思维过程。