首席信息官正在利用数据分析来提高效率和促进增长，但并不是每一次努力都会产生结果。以下讲述了优秀的首席信息官是如何成功地利用数据分析和机器学习技术来增加收益或降低成本的。

　　如果把数据比作新的石油，那么掌握如何将其提炼为可使用的情报就是发挥其潜力的关键。为此，首席信息官正在使用预测分析工具，设计机器学习算法和对其他解决方案进行测试，以追求企业的效率和以新的方式为客户服务。

　　降低成本或提高营收的过度敏感可以帮助首席信息官在高管层和董事会的眼中得到重视，首席信息官比以往任何时候都支持在数据科学技术上投入更多。据互联网数据中心(IDC)统计，2017年全球大数据和商业分析的收入将达到1580亿美元，比2016年增长了12.4%。用于支持大数据和分析的硬件、软件和服务的商业采购额预计将超过2100亿美元。IDC分析师Dan Vesset指出，大数据分析解决方案已经成为全球各行业和业务流程中实现数字转型工作的关键。

　　但是，这种疯狂支出也有其黑暗的一面：大多数数据分析项目都无法产生可衡量的价值。旧系统和业务官僚机构已经形成了数据仓库，并且其数据质量不佳。而首席信息官仍然在努力填补所需的人才差距，以进行数据操作与分析。人才争夺战是激烈的，大学数据分析课程的增加并不足以提供合格的数据分析人才的数量。

　　然而，在本月初的“CIO100研讨会”上仍有很多数据分析的成功案例，几名IT领导者在本次会议上讲述了他们的成功故事，并由于他们的努力而获奖。首席信息官们还向从事类似工作的同行们分享了他们的经验教训和建议。

　　在默克公司(Merck)做数据分析工作

　　默克公司已经发展成为价值400亿美元全球性医疗保健公司，在全球140多个国家运营，试图利用ERP和核心系统收集的数据进行生产管理和库存控制，以获得更多的业务洞察力。但是，默克公司的工程师花了60%到80%的工作精力来为每个项目努力寻找、访问和采集数据时，商业目标早已经过时了。默克公司制造信息技术的首席信息官Michelle A'lessandro表示：“我们并没有将数据视为一种可行的、永久的和宝贵的资产。我们希望建立一种文化，我们花更少的时间进行数据的移动和报告，而花更多的时间使用这些数据来获得有意义的业务成果。”

　　默克公司创建了MANTIS(制造和分析智能)，这是一个über数据仓库系统，它包括内存数据库和开源工具，可以处理在结构化和非结构化系统中的数据，包括文本、视频和社交媒体。重要的是，该系统旨在使非技术性业务分析人员能够在可视化软件中轻松查看数据。相反，数据科学家也可以通过复杂的模拟和建模工具获取信息。MANTIS系统已经使公司整体IT分析项目总业务量的时间和成本降低了45%。有形的业务成果包括平均交货时间减少30%，平均存货持有成本减少50%。

　　经验教训：A'lessandro说，她成功的关键是在亚太工厂设立了一个“标杆”分析项目，默克公司将获得最大的回报。由于MANTIS系统在此成功运行，其他地区也呼吁要求进行部署。她也学会了要避免贪多嚼不烂的局面。A'lessandro表示，她在早期的实验中就出现“过度使用”的情况，使用人工智能和机器学习技术来分析默克公司的制造流程的成本。“这不是因为缺乏资金或缺乏远见，而是我们无法让它发挥作用，”A'andandro说。

　　胡椒博士集团(Dr. Pepper Snapple Group)将机器学习技术用于语境相关性工作中

　　多年来，胡椒博士集团的销售路线员工一直是抓着一本厚厚的活页夹，里面装满了客户数据、销售和促销说明，然后去吸引一些零售客户，如沃尔玛和塔吉特百货公司(Target)等。今天，销售人员不再使用这种活页夹，而是配备了能告诉他们需要拜访哪家商店的iPad，而且还会告诉销售人员该为这些零售商提供何种优惠，以及其他关键指标。胡椒博士集团的首席信息官汤姆·法拉(Tom Farrah)表示：“他们都是接订单的销售人员，为此他们感到很骄傲。现在他们配备了信息资料来帮助其实现目标，使他们成为智能的销售人员。”

　　该MyDPS平台配有机器学习和其他分析工具，可在工作人员加载应用程序时向其提供建议和日常操作记分卡。这些算法向员工显示他们是如何按照预期计划进行工作的，包括他们是否按照自己的计划工作，或是落后于计划，以及给他们提供见解，让他们清楚如何纠正他们的工作。法拉说：“如果我要让某人获得成功，我必须确保他们拥有哪些信息是与工作内容相关的。”

　　经验教训：为了测试验证MyDPS平台的概念，法拉将该软件分给了一个分公司的四个人，并让业务总裁去拜访他们。他们透露，自从上个月使用MyDPS之后，执行销售额已经提高了50%，这一表现让他批准了该项目。法拉说：“他获得了结果，这就是销售所需要的，这不仅仅是为了项目的商业赞助，而且这也是他们希望得到的结果，这一点非常重要。”

　　柏克德公司(Bechtel)以卓越的大数据中心来颠覆自己

　　一个鲜为人知的事实：柏克德公司首席信息官Carol Zierhoffer说，与建筑有关的支出占GDP的13%，但整个行业在过去二十年中只有1%的生产率增长。专家表示，通过重新制定合同、提高工人技能以及改进现场执行工作等方式，该行业可以提高50%至60%的生产率。柏克德公司建造了胡佛水坝、英吉利海峡隧道和其他大型设施，已经开始在业务各个环节的数据中挖掘洞察力。

　　Zierhoffer在沃尔玛、波音和洛克希德马丁公司会见了业内同行，以获得有关如何向前发展的见解。柏克德公司建立了一个先进的大型数据中心，其中包含5千万亿字节数据的数据湖，并开始了概念验证。该数据中心使用照片识别技术，并代表客户来检查和标记各个地点的照片，这节省了200万美元。自然语言处理(NLP)工具可解析索赔、提案请求(RFP)和合同。过去需要几天和几周的评估和计划工作现在只需要数小时。柏克德公司还扩大了分析工作范围，以了解员工的流失率情况，包括试图预测员工将何时离职。Zierhoffer说：“我们相信我们正在敲开解决生产率难题的大门。”

　　经验教训：数据仓库和质量是支柱。尽管柏克德公司可以分析大量的数据，但在整个业务各环节的数据质量必须提高。“我们不得不颠覆自己，了解我们是如何工作的，并且将数据仓库进行连接。”

　　凭借机器学习技术，RRD公司走上新业务之路

　　营销传播公司R.H. Donnelley公司为RRD公司的前身，几年前，RRD公司设立了物流部门，向消费者和企业配送它的印刷材料。为了支持这项业务，公司自己管理运营，并代表其合作伙伴配送各种物品，包括洗衣机、狗粮等等，最终成长为价值10亿美元的一个企业。这是一个挑战吗?在联邦快递和UPS成为无可争议的霸主的天下，找到一个最优的运费。

　　诸如天气、地域、司机和政治局面等因素都是业务上的成本。RRD公司的首席信息官肯•奥布莱恩(Ken O'Brien)表示，随着迫切需要对费率变量进行预测，RRD公司转向了机器学习和数据分析。公司聘请员工和与大学合作来帮助编写算法，在700条路线上测试数千个场景，直到能够以99%的准确率提前7天实时预计运费。奥布莱恩说：“该项目在不到一年的时间就完成了，我们现在仍然看到业务的增长与运费有关。”该公司预计，在2017年，其卡车货运代理业务将从400万美元增长到1600万美元，营收将增长1200万美元，业务规模达6亿美元。

　　经验教训：新企业需要高水平的全心投入，尽管奥布莱恩承认，他的一些业务同行已准备好在业务的不同环节上认输。该业务并不相信那些通常以感觉和猜测来完成一个流程的技术。RRD公司建立了一个协作环境，业务和IT共同合作来推进结果。“你会遇到困难，你会遇到挑战，但要耐心，”奥布莱恩说。

　　孟山都公司(Monsanto)利用机器学习技术，实现最佳种植计划

　　农民永远为要种植何种作物，种植面积，在哪里种植及何时种植而苦恼。种子行业巨人孟山都公司正在研究这项工作，利用数据科学为农业种植提供规范性建议。数学和统计学模型会绘制出雄性作物和雌性作物的最佳种植时间，以及在何处种植，在理想状态下，这就最大限度地提高产量并减少土地使用。孟山都公司全球IT分析主管艾德里安·卡地亚(Adrian Cartier)表示，其机器学习算法在数天内完成了超过900亿的数据点，而不是几周或几个月。这是商业利益吗?在2016年，孟山都公司节省了600万美元，其供应链足迹减少了4%。卡地亚说：“北美地区的土地利用率下降了4%，相当于不去使用大面积的土地，这节省了大量资金。”

　　经验教训：孟山都公司成功的关键是在信息技术与供应链业务之间建立了一个“自始至终”的合作。卡地亚说：“他们具有农业和供应链角度的专业知识，而我们具有数学和统计领域的专业知识，两者结合起来，就创造了我们能够提供的价值。”卡地亚说道，他还寻求在供应链业务中“改变领导者和倡导者”，以形成对反对者一种健康的平衡。

　　对于Pitt Ohio公司来说，预测分析可以带来成功

　　Pitt Ohio公司首席信息官斯科特•沙利文(Scott Sullivan)表示，货运业正在遭受所谓的“亚马逊影响”的打击。Pitt Ohio是一家价值7亿美元的货运公司，已经习惯于前一天接收货物，并在第二天交付给客户。不过因为亚马逊公司，客户越来越期待能收取货物，并且期待获得有关他们包裹的更多信息。

　　沙利文说：“现在客户不仅要知道什么时候货物才能被接收，而且要知道货物交付的过程，以便他们能够计划自己的工作量。”利用历史数据、预测分析和算法，可以实时计算各种货物的重量及行驶距离等因素，Pitt Ohio公司可以估计司机到达目的地的时间，并且准确率达到99%。该公司估计，通过老客户的订单(估计每年50,000美元)公司已增加了营收，并降低了客户流失的风险(估计每年为60,000美元)。

　　经验教训：沙利文说，这是涉及市场研究、销售业务和IT的跨部门工作，他们都要反复检查结果，以确保他们实现其目标。沙利文表示：“在公司内部有很多数据，需要创新，寻找有挑战性的方法来利用它。”