实现数据科学民主化: 了解预测分析的重要性 | Data Science for Everyone: Understanding the Importance of Predictive Analytics

Stacey McDaniel | 28 July, 2022

主题: Predictive Analytics, data literacy

Greg Kinsey 是 Hitachi Vantara 的一名行业管,负责该公司在欧洲、中东和非洲地区的制造解决方案业务。他和他的团队主要与欧洲的工业企业合作,帮助他们构想、规划和实施数字化转型。用他的话来说,他的工作就是帮助企业利用数字化工具,提高业务敏捷性和生产力,实现更精益、更加可持续的运营。  

Greg 拥有 30 多年与全球制造行业企业合作的经验,主要涉及汽车、电子、航空航天和消费品领域。我们有幸与他进行了一场访谈,听他分享他对数据科学的一些真知灼见,并将其加以整理,编撰了此博文。  

实现数据分析民主化有多重要

我认为,让工业行业的所有从业者都能使用数据分析至关重要。无论你是工厂工人、办公室职员、服务中心员工还是面向客户的一线工作人员,在当今世界,各行各业各个岗位的员工都必须能够轻松执行数据分析。数据能够帮助你制定更加明智的决策,取得更加出色的工作绩效。数据有助于避免犯错。利用正确的数据开展工作,可以帮助你提升工作效率,减轻压力,提高工作满意度。  

数据素养对每个人有多重要 

数据素养很重要,但更重要的是,我们必须具备适当的工具,让我们能够轻松利用数据开展工作,就像我们在生活中使用数据一样。数字化变革最初发生在消费者领域,其核心是电子商务、社交媒体和个人数据。几乎每个人家里都有数字设备,包括手持设备和可穿戴设备。不管你的兴趣爱好是什么,你肯定会用到数据。无论你是马拉松运动员、业余厨师或音乐家、古玩修复师还是其他体育运动员,你都会用到数据。如今,我们在生活中做任何事情都会使用数据,数据让我们能够更好地享受生活。但是,在工业性工作领域,尚未全面实现数字化转型。 

虽然有些人已经在采集和报告数据,但他们并非都能够执行所需的分析,进而提高工作绩效。这个问题与数据素养关系不大,更多的是需要企业营造合适的环境,在必要的地方部署简单易用的工具。这样一来,企业就能在整个工作场所实现数据分析民主化。 

您是否需要提高自身的数据素养?看看您是否能够回答这 5 个问题,

请参加我们的测验 > 

请参加我们的测验

 

是否应该提高数据科学的可访问性,扩大用户社区?为什么这一点至关重要 

数据科学必须成为我们日常工作的一部分。其实“数据科学家”一词存在误导。我认为任何会使用基本统计工具的人都可以称为数据科学家。现在,几乎所有专业性角色都能缜密地使用数据。因此,无论从事什么工作,所有人最终都将成为“数据科学家”。 

20 世纪 90 年代,我深度参与启动了六西格玛管理体系的实施。那时,我们就发现,支持工业从业者使用基本统计工具有着巨大的优势。当时我们不称呼他们为“数据科学家”,而是称呼“黑带”。他们使用数据科学来描述业务流程,解决问题,并将基础分析应用到日常运营中。这是数据科学植根于工业运营的雏形。六西格玛奠定了数字化转型的基础。 

今天,商业世界开始真正拥抱数据的价值。事实证明,数据能够显著提升生产力,改善决策,甚至减轻员工的压力,因为正确的数据可以帮助企业更快速轻松地解决问题。  

数字化是专属于 IT 部门的任务吗 

不是。我认为数字化是整个企业的工作。企业的每一个职能部门都必须使用数据和分析以及相关工具。在大多数企业,数据孤立地掌握在少数“专家”的手中,并不能支持所有人在日常工作中访问他们需要的数据。 

如今,我们已经进入一个全新的时代,运营经理也需要为他们的职能部门制定数字化战略。因此,当你与维护部门、质检部门、营销部门或供应链部门的负责人交谈时,他们也是或者应该是这些职能部门数字化转型的负责人。 

向 Hitachi 寻求咨询服务的很多是职能部门负责人 

IT 部门负责为数字化转型提供支持,但企业的数字化转型实际上是由运营部门推动的,因为这些部门的员工是数字化工具的用户。运营经理比其他人更清楚他们应该从何处着手实施数字化转型,并且通常对部门未来的发展制定了清晰的愿景。很多优秀的创意都是来自从事日常业务运营的员工,因此让他们参与数字化转型规划非常重要。 

这在 20 年前是一个巨大的变革,新系统的实施使企业不得不变革其工作的方式,来适应 IT 架构。我记得很多企业都调整了业务流程,以满足缺乏灵活性的 MES 或 MRP 应用的要求。这种做法往往会阻碍企业的运营创新和优化 

现在,这种局面得到了逆转。我们能够构建适用于工作流程的数字化界面、算法和平台。这种敏捷方法专注于解决企业面临的问题,提供用户期望的体验。这种情况下,IT 部门必须支持这些创新,确保其契合整个 IT 基础架构。  

企业是否应优先投资低代码和无代码解决方案 

是的,毫无疑问。试想一下我们使用智能手机的情况。我们不需要知道如何编码,就能用手机完成很多事情。我们在工作中使用分析工具也应如此。用户应能获得快速、轻松、相关的使用体验。 

在 IT 进入商业领域的初期,所有的工具都非常复杂,只有专家能够使用。还记得被称为程序员的那些人吗?如今,企业都在寻求人人均可使用的分析工具。在 Hitachi,我们开发的解决方案根本无需利用高级语言进行大量编程或编码。 由数据驱动的专家常常在设法预测业务成果的最大影响因素。预测分析能够帮助他们在数秒内确定最重要的因素。

为什么预测分析如此重要 

预测分析是一款真正的颠覆性工具。工业行业如今使用的数据大多是后瞻性的,而历史数据描述的是过去发生的事情。在某些领域,我们可以获得实时数据,了解当下正在发生的情况。借助当今的高级分析工具,你可以根据因果关系因素预测未来趋势。例如,天气可能会影响你的业务运营,汇率的重大变化会影响你的成本结构,消费者偏好会快速发生变化。那么你就需要采集和分析有关这些因素的数据,了解当前的情况以及未来趋势。若想通过推算来预测下周或下个月的情况,预测分析可以助你一臂之力。该技术可以基于机器学习和析因数据,帮助你预见未来。   

我喜欢将这称为“时间旅行”。预测分析能够旅行到未来某个时间,然后创建相应的场景,进行假设分析。例如,如果市场真的朝某个方向发展,客户需求真的发生某种变化,结果会怎样?如果我们能够加速或减缓某个流程,结果会怎样?如果能够模拟产品设计变更呢?如果能够考虑经济或政治因素的影响呢?这些将如何影响我们业务运营地区的经济或监管环境?分析的项目还有很多。 

然后,我们可以将所有这些因素整合起来,梳理出下一年、下一季度或下个月的场景。你将能够了解这些不同的因果关系在未来如何发展,我们可以采取哪些应对举措,在这种未来场景中,我们需要进行哪些变革或采取哪些纠正措施。这些就是价值产生之处。你将在未来取得更卓越的绩效。 

这也是预测分析如此重要的原因。你可以抢占先机,预测未来趋势,从而更好地管理你的业务、企业和流程,从容应对未来可能面临的一切变化。归根结底,其核心就是提高企业敏捷性。 

借助易于使用但强大的功能增强您的预测分析技能。进一步了解按需在线研讨会 

观看在线研讨会

 

你认为工程师可以借助低代码、无代码技术转型成为数据科学家吗 

当然能!我接受培训的时候就是一名工程师,我学的专业是机械工程专业。据我所知,工程设计的工作是解决问题、数学建模和运用科学方法。而数据科学正好是其中的一部分。 

随着市场上出现了一些新的技术,让人们不再需要进行复杂的编程就能访问和使用数据,越来越多的工程设计用户开始使用数据科学。而且这种技术发展的影响还远不止这些。除了工程用户获益外,各种技能型员工,包括机器操作工、驾驶员、设备维护人员和制造人员,都开始转型成为数据科学家,这是技术发展带来的最大成果。还有企业的管理人员,包括首席级高管,他们也开始变成数据科学家。 

当整个企业拥有更优质的数据和易于使用的分析工具,就能实现数据科学民主化。我认为这是第四次工业革命的基本要素之一 

已准备好实现数据的价值? Minitab 沟通

与 Minitab 沟通