企业中的分析智能（AI）

我们先来看商务领域的例子：

在IT技术领域中，射频识别（RFID）技术正受到众多厂商的追捧。它为每一件货品提供单独的身份识别，然后透过无线数据传输让计算机网络随时掌握各式各样货品的去向：不论是超市里的袋装咖喱粉，还是制造商库房里的洗发水。看起来它只是免去了商家跟踪货品时的人工干预，但这一结果是通过数十亿货品传回的实时数据实现的。除了便于对货品的管理，这些数据还意味着什么？
　　
有这样一个例子，生产汽车的菲亚特公司以前一直从两个不同的供应商手中购买车轮上的凸形螺帽，并把购买、运输、存放这两种螺帽的数据分别放在两个数据库中。后来，当他们把两个数据库结合在一起并检查和分析数据之后，发现其中一种螺帽的整体购买成本比另一个多0.1美元。按年产100万量车来计算，每个螺帽0.1美元的差价就高达十万美元。是否其它的零件也有这种现象呢？
 
数据存在的意义不在于规模庞大，而在于深入分析之后能发现规律。零售巨头们正在从顾客购买的商品中发现一定的关系，在适当的时候针对某些顾客提供打折购物券，从而提高销售额；保险公司通过对索赔数据的分析，可以辨别出可能的欺诈行为，避免风险，提高利润；电信运营商也在设计用户支付模型，以便制定针对不同层次用户的、最有竞争力、同时能带来大量利润的价格策略……，这样的趋势随处可见。

 

让我们看看成功者。100多年前，福特汽车公司的创始人萌发了“将美国人置于车轮之上”的梦想，这就显露出了他们满足客户需求的信念。现在，福特汽车公司从数据仓库中抽取数据，再用分析平台的报表、趋势分析、客户分群、客户评分以及客户生命周期分析等功能，来为顾客关系管理以及市场营销活动提供支持。以福特公司计分程序为例，它从家庭角度对顾客进行了分析，并预测数据库中每个家庭的得分，接着将这个信息传送回数据仓库。这使得福特公司的市场营销小组能够容易地获取最新的顾客得分，这样就可以运用这些信息去管理市场营销活动以及呼叫中心。

 

由此可见，数据分析能够充分发掘企业数据库的价值，为商业活动的管理与决策提供宝贵的指导意见，能够帮助企业降低运营风险，节省成本，发现潜在的利润增长点，改善客户关系管理的质量和效率，最终帮助企业提高盈利能力和可持续发展能力，起作用不可小觑。

 

在质量管理方面，数据分析的作用同样巨大。

 

我们已经知道，当前质量管理领域已经在我国开始推广的六西格玛质量管理方法，其方法论的核心就是“用数据说话”，通过数理统计分析方法对质量数据进行分析，找到队关键质量指标产生影响的关键因素，从而明确质量改进的方向和方案（注：六西格玛中的质量已经不仅仅限于产品质量，而是一个广义的概念，它是指产品、服务、流程等受客户满意的程度）。举一个简单的例子，电源制造商要求某一个型号的电源能稳定输出110伏的电压，于是按照某种方法对电源进行了改善，对改善前后的两次抽样数据的计算结果，改善前是98.5伏，改善后是99.2伏。由于是通过抽样数据得到的计算结果，那么改善前后是否电源的输出电压值是否真有显著的改善呢？这个结论只有通过统计学上的假设检验方法才能得到比较明确的答案。

 

再比如，钢中碳以及其他非金属元素的含量是影响钢性能的重要因素，为了设置最佳的这些元素的含量而使钢的性能达到最优，我们需要重复做好多次试验。那么，我们采取怎样的实验方案才能在实验成本最节省的情况下获得最佳的配置方案呢，到底需要做多少次试验才能得到足够可信的试验结果呢？对于这些问题，我们往往都无法通过经验给出明确而准确的答案，但借助目前为公业界广为应用的试验设计(DOE)方法就能解决这个问题。

 

为了得到足够的质量数据，我们需要安排人员对产品的质量特性进行测量，比如测量电压、长度、面积、重量、速度等等。对于由工作人员、测量仪器、测量对象、测量环境、测量方法组成的测量系统，其得到的测量结果是否可靠呢？我们怎样才能尽量减少工作人员测量技能的差异对测量结果产生的影响呢？因为不可用的测量系统会禅城不可信的数据，不可信的数据将产生不正确甚至错误的分析结果，从而将我们带入歧途。这些问题，我们也可以借助对测量系统的统计分析得到答案。

当今质量管理领域最先进的六西格玛方法以统计分析方法为基础，这绝不是一种巧合。这恰恰说明了定量分析方法在企业管理工作中的重要作用。当然，企业推行六西格玛需要具备良好的数据积累和流程分析基础。目前我国企业都在大规模使用回归分析、方差分析、试验设计、统计过程控制、测量系统分析等统计分析方法以提升研发能力和改进质量管理，正处于统计方法的导入和应用阶段，一些先进的企业已经开始尝试它们的六西格玛之旅。

 

可以说数据分析方法正在为中国乃至全球的企业带来前所未有的巨大价值，通过发现新的盈利机会、改善现有的业务模式或者节省成本来增强企业的盈利能力和可持续发展能力。而析创咨询分析智能培训的宗旨，就在与帮助客户掌握那些已为实践证明卓有成效的分析方法。

 

当然，分析智能还有很多其他的应用领域，这里不再赘述