数字化转型组织能力｜高级分析项目必须有文科生、理科生和工科生的协作
随着企业的业务操作性IT系统应用越来越普及，生成了越来越多的数据，再加上可以获取各种外部数据源（例如社交媒体、天气、行业动态等等），企业不仅可以利用大数据来展示已经发生的事实，产生洞察，而且可以对未来趋势进行预测，在各种可行方案中进行优化决策，我们把这些包括了基于统计学建模、行为建模、机器学习算法等的预测性分析、指导性分析称为“高级分析”。例如这样一些业务应用：
制造业：
工厂排产
供应链网络优化
产销衔接优化
供应链控制塔
消费品和零售业：
精准营销
库存水位监控和智能补货
商品定价和促销优化
金融行业：
智能风控
精准营销
其他运营管理的优化领域，例如：车队运输路线优化、人员排班、学校排课、电视台排节目等等。我个人不太愿意用“人工智能”这个时髦词来描述这些业务应用，我觉得这容易误导企业将运营的系统性优化归结为机器智能。
企业应用高级分析的解决方案主要分为两个流派：
使用市面上的套装的优化分析系统，例如，制造业的高级计划排程、消费品行业的智能推荐引擎、或者金融行业的智能风控等套装软件
企业自建大数据平台，根据业务需要，自行开发面向用例的高级分析应用
无论是哪个流派，这样的解决方案是由三部分构成的：一是内核的算法，涉及到统计学、运筹学等数学工具，二是技术平台，包括了数据提取、数据整合、数据库和数据仓库、机器学习等基础软件，三是应用系统。“套装软件”把这三个部分打包起来了，而“企业自研”则需要自己选型各个基础技术组件，自己搭建平台和应用。两类策略各有优劣，企业应该根据自己IT能力和资源情况，量力而行。
这三个方面代表了迥然不同几类专业知识：“优化器”是数学知识，可以说是理科生，“平台和架构”需要数据平台、编程工具、技术架构的工程知识，可以说是工科生，而面向业务场景的应用，则需要对相关的业务流程、业务规则有深入了解，可以说是商科生，至于将复杂的技术问题、数据问题跟企业管理者进行沟通，推动变革，还是文科生的专业特长。
企业要把高级分析用好，需要流程、技术和人才的结合，其中人才瓶颈是能否组织起一支由理科生、工科生和文科生相结合的团队，我们称为“多学科团队”；另一方面，咨询公司、技术提供商或者系统集成商能够给企业交付高级分析类的项目，也取决于能否有效组织起多学科人才的团队。