对于亚太地区的数据分析领导者，成功来自于失败的意愿

分析长期以来一直不仅仅是菲律宾长途电话公司（PLDT），该国的全国电信提供者和第二大公司，拥有超过7500万的无线用户。

近年来，PLDT已经实施了大数据分析环境，为其容量规划提供了宝贵的行为见解。它还介于一个商业集团，塔拉斯数据智能，这是公司的策略，是今年折叠成EPLDT数字基础设施和ICT业务。

今年的推出EPLDT大数据平台作为服务（BDAAS） - 一种在大数据分析中使用PLDT的专业知识的商业服务 - 在本公司分析演变中标志着戏剧性的阶段，这是三年前开始的在整个组中建立共享大数据资源的目标。

“这是从共享服务的角度来源于从一开始拥有数据，并在内部利用它，”EPLDT副总裁MM yunque表示。“我们”重新尝试在企业规模上举起一层顾客。“

虽然该公司以前经营了“数据湖”，但前12个月的原始数据定期倾倒，其分析能力在过去相对较大。EPLDT程序开始在霍顿工厂分析平台上建立 - 基于开源Hadoop大数据平台 - 在三个月的实施之后出现，为PLDT的数据驱动的操作模式提供基础。

自2015年6月以来，PLDT一直在摄取De-Identified数据流，详细说明包括网络报告和订阅者“调用活动，包括每天超过6TB的新数据。一个积极的招聘活动 - 其中诱导的机器学习专家，包括来自麻省理工学院和南加州大学的数据科学家，以及普林斯顿天体物理学家 - 已经促进了改变PLDT的能力规划方式的数据分析创新。

智能猜测有助于填写订户的漏洞“行为;例如，如果订户连接到Manila的特定基站，并且他们的手机重新连接到Davao，则在下午2:45，它”安全打赌他们刚刚抓到了一架航班。该信息可能对机场和地区的PLDT“S产能计划有影响 - 以及广告的放置等问题，其中PLDT与一系列第三方合作，他们获得了对大数据洞察的匿名访问。

“位置和移动数据为网站规划提供了大量数据，”Yunque表示。“通过与科学家合作业务 - 寻找多年来的品牌领导者和人们 - 科学家们成为洞察力艺术家，他们可以创造出意义。从这些类型的分析中可以收集大量的见解。“

PLDT对大数据的一贯承诺反映了许多公司的抱负目标，他很容易将大数据的想法作为关键，以使其业务成为新的反应性和战略规划。

通常，尽管在ERP和商业智能平台广泛投资，但仍然被视为仍然努力获得他们想要的洞察力的内部商业经理的救主。在最近的SAP-CFO研究全球调查1944年度财务管理人员中，75％表示，他们的公司“成功将取决于有效地利用大数据 - 但79％的人表示这样需要需要开发他们没有的分析能力。访问今天。

只有17％的亚太高管认为他们的企业有先进的分析工具，50％的人缺乏信心，说他们的财务职能提供了足够的分析。35％的财务管理人员对IT活动产生了日益增长的影响 - 这一趋势推动，发现，该报告将迫使他们成为远远更加技术上的自给力和更强大的“信息分析仪”。

这种转变的强度在大数据分析上驱动了高预测。为一个人而言，IDC目前拥有大数据技术和服务的APAC市场，每年增长32％，这将在2014年的2014年度为14亿美元至2018年的3.6亿美元。

然而，充分利用大数据分析需要远远超过技术：作为PLDT，澳大利亚能源巨头Woodside和其他人发现，它需要投资数据科学家，他们不仅能够踩踏企业数据，而是推动数据的见解以新的方式生产到组织中。

Bill Franks是数据分析巨头Teradata的首席分析官，将该过程视为一种新形式的研发 - 具有同样的知识和金融纬度，这些环境被授予这些环境中的科学家。“研发是一个接受的做法，”他说，“那就是你如何判断分析。”

“建立一个致力于发现的团队，这些团队必须每季度提出几个被支付的存在，”他补充道。“没有人担心他们沿途的失败，只要他们记录了他们的失败以及他们如何支持你试图做的事情。”

“我喜欢把它视为托管混乱，但它真的有针对性的风险：它是关于没有允许分析师在任何问题之后他们决定理论上是相关的，因为它有趣，但是关于坐在一起业务团队和提出与业务相关的想法。“

Yunque表示，PLDT采用了类似的方法：尽管它组装了推动其分析努力，但业务的持续参与为“守护者”为重点努力集中努力。

有趣的是，尽管数据科学家的明确价值，许多公司仍在努力使用其现有人才进行分析。例如，最近的Teradata数据分析指数调查发现，88％的公司计划使用分析，但86％的公司未计划聘请数据科学家。

考虑到受访者引用的许多最大障碍物 - 友好数据集（41％），管理买入（39％）以及证明投资回报（ROI）（32％）的能力（32％） - 最好的障碍物通过联合商业努力解决。此外，71％的受访者表示大数据项目的预算不受它。共有63％的人表示数据分析请求主要来自商业部门。

鉴于企业认识到分析的价值，它知道它将被要求提供它，这似乎是组织有一个禁止的分析策略。然而，许多人仍在挣扎。

最终，当分析函数被归入日常业务运营时，分析“潜力”似乎最佳地实现，如全球物流巨头DHL。在那里，分析一直在不断发展十多年，2010年腾出了巨大的飞跃，当时全球商业智能威尼斯·沃尔沃斯基表示，它明确了内部孤岛正在阻碍全球客户视图。

“业务正试图了解销售部门正在做些什么，销售正在努力了解客户服务运营所做的事情，并达到了这一点，我们希望综合观点的所有业务，”他说。

这就提升了通过运营绩效报告开始的业务相关使用的协调努力 - DHL为每年处理的180万个出货量中的每一个左右收集来自大约30个“检查点”的数据 - 并使用Teradata Analytics工具与该行为相关联反对运营和客户服务指标以及总帐的成本计算数据。

这有助于分析Dovetail与销售绩效，物流优化，客户忠诚度和积极识别流失危险因素等商业职能。“我们在接近实时收集数据，尽可能多的数据，”Walkowsky解释。

“所有这些数据都使我们能够使我们的服务质量保持高，而且推动我们所有的决定。因为我们现在有事实，我们可以找到无利可图的客户，最后开始对他们做一些事情。我们是一个完全客户驱动的公司，分析有助于我们生活中以客户为中心的文化。“