作为德勤分析业务的负责人，保罗•罗玛(Paul Roma)负责该公司所有业务的分析服务，因此他认为公司面临着一系列问题。足球竞猜app软件网络世界主编约翰·迪克斯最近罗马谈论从分析公司面临的问题(提示:沼泽参考上图),工具,帮助提取更多的价值(认知分析和机器学习),甚至管理角色演变(标题并不重要,但所有权问题的)。
德勤
保罗·罗马，首席分析官，德勤咨询公司
客户通常会带你去解决什么问题?他们是在寻求解决一个特定的问题，还是在试图解决更大的图景，包罗万象的分析问题?
大多数情况下，我们都是为了一个特定的商业成果而工作。例如，客户可能希望提高他们的消费者网络推广评分(NPS)，这是一个行业标准，用于评分消费者与特定公司及其产品的关系。它被称为“净晋升”，因为它是一种启发式方法，综合了多种因素，从而形成一种判断自己的方法。或者一个医疗机构来找我们，帮助我们改善某些医疗协议的结果，所以我们通常谈论的是商业结果。
当你到达你发现公司有他们需要的分析工具，或者他们找输入新的技术呢？
大客户有分析工具。没有一家公司是不具备所有这些条件的。这个问题更侧重于使用。也不缺乏数据，因为他们有大量的数据。现在，数据仓库或数据湖已经建立多年了，这是很正常的。但我曾见过数百万美元花在数据湖上，这些数据湖变成了我所说的数据沼泽。他们把所有的钱都花在一起，但却什么都做不了。现在的主要问题是如何利用这些数据来获得更好的结果。
由于有这么多的数据和许多不同的工具提供给它的意义，你如何去帮助客户向前发展？
我提供三种思考方法。首先，如果你以一个结果为基础，它会引导你提出一些问题来质问这个问题。如果我想要改善消费者关系，或者如果我想要改善医疗保健的结果，你至少要基于你想做的事情。在分析数据时，经验会引导您创建某些域，并使用非常非结构化的数据湖，并开始应用结构化边界。
一旦你做到了这一点，你就可以开始使用更先进的工具，比如认知分析，将结构应用到数据湖，自然语言处理和机器学习，给你一种让数据给你假设的方式。
先进的技术已经超越扑灭报告，然后看着图表看它说什么。现在，学习机实际上可以创建因果分析，告诉你的假设是哪些变量，或者数据领域最有影响力的一个特定的结果。在医疗领域，例如，机器可以说明为什么在一个给定的协议再入院高。因果分析导致这种类型的分析。
高级技术可能是最需要我们去尝试理解所有数据的地方。没有先进的技术，就没有办法突破它。你没有刀子来切割数据。仅仅运行报告就会产生无穷无尽的纸张，坦率地说，你永远无法让任何人来解释。
We bring custom-tuned algorithms to a lot of our engagements -- whether it’s in healthcare, supply chain or customer marketing -- and with machine learning algorithms and supervised learning cycles we can run against their data and create hypotheses you can investigate with your experience.
有趣。这些算法是针对垂直市场的，还是有一个共同的基础?
我们必须横平垂直。该垂直调成像供应链市场的生产或消费电子产品供应链，生命科学等，水平线协议通篇使用。[后者的一个例子]是我们的专利的稀疏矩阵完成算法。如果你有一个特别的问题，所有你需要的变量不填充数据的湖泊，它运行预测算法，以填补在并创建假设为趋势会是什么。我们只是跑了针对与大型医疗保健公司糖尿病协议，并与93％的准确率，我们可以预测谁是不符合他们的糖尿病协议，而无需任何与此相关的合规性数据。
这意味着你可以预测谁是没有做他们应该做的在做什么？
对。他们没有做秤上称体重的，他们没有做他们的工作。这并不准确预测他们没有做什么，因为我们刚刚开始，但它预测谁是不符合。我们希望能提高其精度到90年代高，然后我们就可以，因为它成为在这一点上预测到端详了整个医院系统。之前，你有合规性问题，您可以显示趋势的分数。此人对趋势的人不会是兼容的。然后你就可以有一个护士打电话问，“你有麻烦把你的胰岛素？有你没有做你锻炼的一个原因？你是不是得到了医生，因为你有一个交通问题？”你可以开始寻求在协议中的具体问题，试图帮助。
这是后话你的订婚结束后，你留下什么？
德勤在过去四年已成为产品和软件提供商。这是我之前的努力，创造了我们公司的产品和解决方案部分，这样我就可以更深入地谈论它。我们现在提供“软件即服务”产品，如果你愿意的话，我们会留下“安装解决方案”。我们所做的。这只是我们要解决的问题哪一种最合理，哪一种最经济。
在组织内部，这种分析的推动力来自哪里?
我想说，最强烈的推动力来自企业，而不是董事会。我们为高管们做了很多仪表盘，但通常你从一个企业所有者开始，在它工作之后，企业所有者将它展示给CEO和董事会，它会变得更像病毒一样传播，通常会传播到下一个业务单元。
我曾与一家金融公司的首席数据官交谈，他告诉我，当他们开始一些大数据工作时，他们不得不调和核心客户数据中的一些差异。很多组织都是这样吗?
是的。老实说，掌握数据似乎永远是个问题。掌握数据的工具已经变得更好了，但是数据创建的速度超过了工具的能力。这是一个非常典型的问题，也是一个关键路径问题。它几乎成为所有问题的中心。
说到首席数据官，这个头衔最初出现在金融领域，但现在似乎出现在更多行业。随着分析的重要性越来越高，你是否看到了新的角色的出现?
肯定。在某些组织中，首席营销官是首席数据官。在其他组织中，首席数字官是拥有数据的人。我们首先要了解的是谁拥有它，在什么级别上拥有它，在什么级别上分配了真正的数据所有权。我们不一定鼓励每个人都拥有CDO。我们鼓励的是对数据进行适当的所有权和治理，这样就可以对数据进行优先排序。
大多数客户的所有权都被消除了吗?
百分之五十。I’d say in half the cases the companies are on a path, they’ll have a roadmap that says, we’re trying to improve our data security in these ways, we’re trying to improve our advanced analytical approaches in these ways, and they can talk about how they’re trying to improve their, let’s say, customer mastery and master data.
另一半则没有所有领域的路线图，在这种情况下，我们通常建议将这些项目整合在一起，这样你就可以利用这些努力为从供应链到营销、制造、金融等所有领域创造更好的商业成果。把这些程序放在一起并排列起来通常会带来更好的效果。
切换档位了一下，物联网，这些新的互联网努力创建另一个大数据的问题，不是吗？什么是你看到？
我们现在有一个相当大的物联网实践，需求正在快速攀升。就数据问题而言，通常我们被引入是因为有一个关于特定结果的策略问题，因为物联网程序通常是昂贵的和多年的，我们已经看到其中一些很快就失控了。在过去的3-5年里，我们看到一些公司收取费用却没有得到他们想要的回报。现在的技术更便宜，更优越。从我们的角度来看，我们可以说它已经就绪了，这取决于用例，而且我们正在需求、实现和投资回报中看到这一点。
任何其他首要的事情，我没想到后打在这里，是解决重要？
我们还没有谈到的一个趋势是认知。如何建立我能参与的直觉系统，让它开始像我们一样思考，开始理解口语，开始理解图像和图片?
谷歌预计，搜索的50％以上将要进来的音频，图像和视频在未来三年。比方说，他们是错误的一年。比方说，这是四年。这种变化仍然是巨大的，通过企业，通过渗透我们的流程会渗透，渗透至应用程序。
我们的企业系统来解释的口语化和非结构化数据，并从事与我们在这些方面的能力正在迅速的关键路径。我们有很多正在上运行的项目。这是在许多行业投资的一个巨大的领域。
任何特别？
排名第一的是医疗保健，其次是金融服务。但是所有的行业都在追求它，包括酒店和休闲，因为消费者参与方面。酒店行业一直是消费产品的巨大用户，因为它提供了客户参与机会。我想说，你在参与方面越积极，这些技术对你的帮助就越大。
是什么在医疗的例子吗？
一个很好的例子，因为我们已经雇佣了他们中的一些人，就是使用认知技术来建立一个实际的案例，获取电子医疗记录，药房脚本历史，家族史，健康风险评估，并在医生就诊前为他们编纂这些，并强调，“你需要看看这部分的血液差异(基本上是一种血液测试)，因为ldl超出了范围，大细胞才是问题所在。”然后开始实际分析并给出建议。
然后医生可以用一个问题回答:“你能给我一种你会推荐的药物吗?”然后医生会给出建议:“我会推荐这种药物，但我不会使用这种药物，因为我有X类过敏反应的家族史，所以它是禁忌用药。”
机器可以在实时对话中给你建议。这台机器构建了一个认知链，允许你通过各种对话，它学习如何跟随医生并弄清楚他们要问什么。他第一次使用它的时候，它不会知道把所有的药房脚本都拿出来，然后做那个推荐。但是当医生每次问的时候，它就会把它加到它告诉他的第一件事上，它会继续这样做。在没有人编写软件的情况下，系统开始变得更加智能。你训练它，而不是建立它。坦率地说，就我们参与的方式而言，这一趋势是一个重大转变，但它也是一个转变，体现在我们如何构建以及我们如何看待系统及其使用。
迷人。喜欢你的声音有一个有趣的工作。
有趣的或消耗。这两个怎么样?我爱它。