时间:2009-8-31
当Riswan Khalfan想着手改善TD Securities公司的期权交易系统的性能时，他发现自己无法找到适合于这项工作的随即可用的技术。Riswan Khalfan是TD Securities的首席信息官。
于是，他同意让自己的公司成为IBM“流计算”研究项目的试验对象。该技术是由IBM研究部的一个由70多位科学家和工程师组成的团队花费五年多时间开发成功的，使各企业能在刚收到数据时就对其进行分析，根本无需首先把数据放入数据库。
流计算使TD Securities每秒能处理500万条期权交易数据，随时对其进行分析，并自动做出交易决定。之前，TD Securities的交易系统每秒一般只能处理100万至200万条数据。Khalfan说：“在本业务领域，更快做出的决定就是更好的决定。如果你落后了，那么你处理的就是旧数据，这会使你处于劣势。”TD Securities目前正在考虑将其整个交易系统改用这项新技术。
许多人像Khalfan一样，对数据分析有强烈且迫切的需求。IBM知道这将是一笔大生意。据IBM商业价值研究院调查，全球80%的商业领袖做重大决策时面临着信息不足或不可靠的困境，2009年全球“分析与优化”这一市场的空间将超过1000亿美元。
预言家IBM
“根据以往的数据进行分析后，就可以掌握在某一个地点、某一个时间，容易发生哪类犯罪，这样警方就知道如果晚上11点到那个地方去，就可以预防犯罪的发生；纽约市现在有80万栋住房，IBM基于对以往数据的分析，可以预测出哪些住房有可能发生火灾、有可能坍塌，这样就可以通过预测结果提前进行维修，减少人员的伤亡和财产的损失；对银行和保险公司的数据进行分析后，也可以更好地预测有哪些欺诈可能出现、哪些风险可能出现……”IBM全球企业咨询服务部（GBS）总裁范克安这样描述那些枯燥的数据经IBM分析后所产生的功效，这时IBM给人的感觉就像一个预言家，能够预测未来将发生什么。
范克安知道，这样的表述非常能打动企业。由于工作的关系，他经常接触各个国家的客户，这些客户向范克安抱怨：虽然拥有海量信息和数据，但要根据浩繁的资料迅速而准确的做出判断，拿出前瞻性的决策越来越难。他们不能再像以往那样只是感知，感知以后再进行反应，那样就太晚了，他们需要前端信息的出现。
在此背景下，2009年6月、7月和8月，IBM分别在柏林、东京、北京建立了三家分析决策创新中心，其他三家中心将设在伦敦、纽约和华盛顿。作为计划的一部分，IBM将在全球范围内再培训或招聘多达4000名分析咨询顾问和专业人士。“现在，仅数学部就有150名数学博士，想想这150名数学博士在一起本身就让人感觉到震撼，”范克安说。
IBM分析决策创新中心的使用是通过整合海量数据并进行分析及优化，帮助客户发现数据的新模式和关联，主动预测潜在风险及机遇，改善商业决策的速度和质量，同时使客户更好地了解这些决策所产生的影响和业务结果，实现智慧决策。
“我们的客户认识到自己的公司正处于前所未有的竞争环境，他们的决策不仅要迅速，还要正确。这就需要超越传统的‘感知－回应’模式”，范克安说，“现在进入了‘预见－行动’的时代，要求加快业务决策速度，了解任何决策所产生的影响，并更好预测结果。”
曾经的临床试验
自从IBM推出“智慧的地球”后，无论谈论什么，IBM的高管都会贯以“智慧”二字。范克安说：“分析决策创新中心，要帮企业达到智慧的新高度。”
这种通过数字化的手段，来解决一些工作难题，进而提高效率和控制成本的做法，在IBM内部此前曾有一次“临床实验”。
IBM准备为每位员工创建一个数学模型，或许有一天，这些模型还可以包含喜欢吃牛肉还是猪肉、在空气混浊的墨西哥城是行动自如还是喷嚏连天……负责此项目的是数学专家萨默尔塔克里蒂。
为汇总30万名同事的个性特征，IBM雇佣了大约40名专业领域涉及数据挖掘、统计甚至是人类学的博士，帮助梳理海量数据。通过审视个人简历和项目从事记录，负责此数学模型的团队可以为每名员工建立一份技术和经验档案。在线日程表则可以显示员工如何利用他们的工作时间和会见什么样的客人。塔克里蒂希望把这些工具运用于安排企业日程和生产项目。
例如，对IBM这种拥有众多员工、分公司遍布全球的企业而言，要想为一个项目在全球范围内挖掘出最合适的一名员工或一个团队，就如同大海捞针。塔克里蒂所做的就是把所有员工变成一系列数字，当IBM的一名经理需要指派一个5人团队前往马尼拉创建呼叫服务中心，他只需在电脑前填写一个需求表，描述所需职员的职位和技能，及所需的预算范围。
之后，系统马上会向他推荐一个符合全部技能要求的特殊团队。或许，他们全都有进入菲律宾的护照且居住在直飞马尼拉的航班起飞机场附近。又或许5名员工中有3人曾有过相互成功合作的经历，甚至其中一人会说当地的语言。
数据的灵性
经过了临床试验之后，IBM现在把这个项目推向了市场。如范克安所言，他们已经与纽约的警察局和消防部门展开了合作。在中国，与中国远洋物流有限公司的合作是IBM最愿意分享的一个案例，它是通过数学的方法来实现供应链物流方面的优化、改善。
借力IBM，中远物流的分销中心从100个减少到40个，燃料节约了25%。而整个供应链服务质量不但没降低，反而极大地提高了效率：节约了25%的燃料，减少了23%的分销成本，减少了一万余吨的二氧化碳排放。
“中国很多物流企业的信息处理能力非常强，以中远物流为例，其具备完善的综合物流信息系统，包括订单、仓库、配送管理系统，以及货运、传单系统等。但缺乏高端的智能化分析优化系统，现场处理系统也比较弱。”中远网络总工程师黄大雷说，中远网络目前已设立了物流新技术实验室，供应链优化特别是绿色供应链项目是其中的研究方向之一。其次还有车载应用、大件货物运输仿真等技术。
IBM大中华区首席技术官兼IBM中国研究院院长李实恭将数据产生的价值，比喻成“数据的灵性”，即数据所代表的意义。不过，这对许多企业而言，还是个稍显陌生的领域，IBM只有通过不断举例的方式获得更多的共识。
“例如，银行网点的选择是很复杂的，它涉及到经济、地理、人口、时间和空间多维度的海量数据。如何通过这样的海量数据在一个城市的近万平方公里的范围内选出优化的银行网点？如何在近千万人口中选择出优质客户？这是一个非常复杂的、海量的优化问题。我们会考虑银行的历史交易数据之后，帮助客户进行网点的优化和选择及投资计划。通过这样的优化可以使银行网点网络的盈利率提高30%。实施3年来，我们帮助某家中国银行客户增加了5000万的利润。”IBM中国分析决策创新中心主任董进表示。
与IBM之前提出的所有新理念一样，数据分析市场同样需要培育的过程。不过，越是在经济不确定的环境中，商业领袖越希望自己在决策过程中，可以有更强的可确定性，更好的可预测性，更大程度的降低风险。这对IBM而言，也许是一个好消息。

文章来源       www.51Callcenter.com
销能咨询 培训部编辑