智库跟踪 | 麦肯锡：分析时代——数据驱动世界中的竞争
再不点蓝字关注，机会就要飞走了哦
数据和分析能力近年来取得了飞跃式的发展；可用数据的容量呈爆炸式增长；开发出更复杂的算法；计算能力和存储能力稳定提升。这些带来了技术的发展和商业的颠覆。
一、数据和分析的潜力仍未充分发挥，各行业的应用水平参差不齐
很多企业从数据和分析潜在价值中只是获得很小部分的收益。2011的报告预计，有5大领域极富潜力，如今回顾依然显示出有很大的价值待发掘。取得最大进展的领域是基于位置的服务和零售，给业务提供商带来的收益超过1000亿美元，终端用户收益达7000亿美元。美国零售业净利润增长了60%以上，年生产率增长在0.5%-1%之间。这两个领域的企业本身就是数字原生企业。
与此形成对照，制造业、公共部门、医疗保健仅获取了数据潜在价值的不足30%。自2011年以来，还出现了新的机会，使先行者和后来者间差距进一步加大。例如：数据和分析的使用，使制造业生产开发成本下降了50%以上；运营成本降低25%；毛利润增长30%以上。欧盟公共服务部门，每年的价值达到2500亿欧元，年生产率增长0.5%。美国的医疗保健行业，每年带来3000亿美元的价值，年生产率增长0.7%。
二、组织架构是阻碍企业向数据和分析转型的最大障碍，数据和分析在改变竞争的基础和能力
在向数据和分析转型、发掘价值方面，企业面临内外部的挑战。而内部的最大障碍是组织架构问题。许多领域的进展相对缓慢，大多数原因是因为遇到一些组织障碍。麦肯锡的调查研究显示，对数据和分析发展产生影响的内部因素有：战略、领导和人才，包括人才吸引和挽留，不仅是数据科学家，而且还有商业分析师；组织架构和流程；IT基础设施。这几方面中，合适的组织架构、高层管理者介入、有效的数据架构和技术基础设施位居前三。
数据和分析正在改变竞争的基础，领先的企业利用数据能力不仅改善了核心经营能力，而且还推出了全新的商业模式。数字平台网络效应的建立，使赢家在一些市场极具活力，不仅在原来市场赢者通吃，还有机会进入相关市场领域。
企业竞争力得益于数据和分析转型的成功，数据和分析成功转型有五大要素，分别是：使用案例/价值来源；内部和外部数据生态圈；模型观察（从黑匣子到智能匣子）；工作流集成（从再设计过程到技术实现）；采用（能力建设和管理改变）。
三、数据和分析推动了6种颠覆模式，改变了竞争特性
数据和分析促进了一些模式的颠覆，新型数据集的引入给行业带来的影响是颠覆性的。大量的数据集成能力可实现组织和技术问题的突破，提供新的视角和模式。数据和分析对业务模式、大规模实时匹配、彻底个性化、大规模数据集成能力、数据发现、决策等6种模式产生颠覆，引入正交数据可以改变竞争的基础，超大规模的匹配平台可以满足供求间的实时对接，大规模数据集成能力可以打破组织孤岛，算法可以支持和提高人类的决策水平，数据和分析还利于定制个性化产品，有助于发明和创新。
四、数据的价值取决于它的独特性和最终的用途
今天，数据的特性决定了它是独特的资产。它来自网络、数以亿计的手机、传感器、支付系统、照相机和各种其它资源，它的价值取决于它的独特性和最终的用途。数据的用途很多，主要有：内部成本和收入优化、营销和广告、市场智能化、市场决策、人工智能数据培训等。数据的用途不同价值不同，数据可直接或间接产生价值。
数据生成和收集、数据集成、数据分析和数据基础设施构成了数据生态圈，数据的生成和收集、数据的集成和分析，将实现数据的价值。
五、机器学习（包括深度学习）的应用和影响广泛
机器学习的进步可用于解决各种各样的商业问题，还可解决各种分类、预测和生成问题，在各行业也有应用和使用案例。
深度学习正在进一步扩大其边界，带来更大的变革浪潮，扩大自动化的范围，以往的研究显示，45%的工作可由现在已验证的技术替代，机器学习可使80%的活动实现自动化，达到提高生产率、改善生活质量的目的。自然语言处理的突破会带来更大的影响。机器学习将对全球的工资和职业产生影响。
内容框架
(一) 概述
(二) 摘要
(三) 数据和分析革命处于增长势态
(四) 机会仍有待发掘
(五) 数据生态圈价值正在形成
(六) 数据和分析助推模式的颠覆
(七) 深度学习浪潮正在到来
关键图表
图1 数据和分析的潜力只发挥了很小部分
图2 影响数据和分析发展的障碍
图3 数据和分析成功转型的五大要素
图4 数据和分析推动了6种颠覆模式，
改变了竞争特性
图5 数据生成和集成分析可实现价值
图6 机器学习应用已扩展到日常工作活动中
图7 机器学习解决分类、预测和生成问题
图8 机器学习对全球工资和职业的影响
本内容仅供研究参考，严禁用于商业用途。
推荐阅读
人工智能各国战略解读 | 美国人工智能报告解析
人工智能各国战略解读 | 美国推进创新脑神经技术脑研究计划
好文章，快分享，一起涨姿势~