[译]预测性数据分析改进资本配置

公司的首席财务官（CFO）们将在建立和管理公司的数据分析机制中扮演决定性的角色，特别是在现有的情况下，新的技术工具允许公司使用预测性数据分析和规范性数据分析提高商业决策，诸如未来规划、资本配置、投资、并购等领域。

“公司的首席财务官们应该在以下这四个领域特别重视并应用商业数据分析：公司支出与投资、并购策略、绩效管理和企业欺诈滥用管理，”Tom Davenport和Greg Swinehart如是指出。Tom Davenport是德勤高级商务分析咨询师以及Babson College信息技术管理学院的知名教授。Greg Swinehart则是德勤金融咨询服务领域的全球商业数据分析主管。

传统报告，也被称为描述性数据分析，仅仅是总结了已经发生的事情，但是现代企业越来越多的需要使用预测性数据分析，通过使用最优化数据分析或情境分析等工具，来引导公司管理层转向更为理想的实际行动方案。

“使用预测性数据分析，我相信有机会改变任何行业，特别是在企业的财务方面，”Tom Davenport如是说。他同时也是国际数据分析协会（InternationalInstitute for Analytics）的联合发起人以及麻省理工大学数字化商业中心的研究员。

预测性数据分析的基本原则是一旦公司建立起一套以历史数据为基础的有效的统计模型，便可以通过数据分析预测未来。“规范性数据分析从另一方面来讲，则将告诉你下一步该怎么做――评估某一特定变量下的最优水平，或是让你分析测试多因素情境来决定哪一个情境最有效可行，”Tom Davenport说，“我认为对于企业来讲最重要的是在普通报告及过去数据的描述性分析之上增加更有深度的洞察力及更本质的理解。”

支出和投资收益

预测性数据分析可以帮助公司的首席财务官们，作为公司金融资源的掌控者，来发掘对公司最有效的资本投资类型。这不仅包括有形资产投资，也包括了无形资产投资，如市场营销等。他们可以帮助发现有效的市场推广方式搭配，以及市场营销的支出会换回怎样的营收和利润。预测性数据分析及严谨的数据实验测试将帮助首席财务官们为公司找到更适合的资本投资方式。

举个例子，一家餐厅想要了解资金投入在装修上的影响。这家餐厅想要决定是进行内部装修还是外部装修，是花费少量费用，中等费用还是花费巨额费用。通过各种数据分析评测方法，公司了解到，外部翻修的确可以招揽客人，可是并不会带来更多的回头客，因为一旦客人来了之后便会发现餐厅仍是破旧的内部装饰。在这个案例里，重新进行内部装修是持续招揽顾客更有效的途径，并且中等额度的装修开销在成本利润分析中更具效率。

企业并购应用

“在并购过程中的无数角落，数据分析都起到了极具价值的作用，”Greg Swinehart举例说

可视化分析：在并购交易的过程中，理解资本投资与目标的相互联系是至关重要的，一个仪表板图表式的直观分析可以让买方并列梳理各种观点，查看目标的资本投资之间以及与公司本身的相互关系。

自动化快速审查分析：通过分类和汇总常用术语进行文本数据分析是一个非常有用的工具。例如，在并购过程中，买方应分析合同条款，卖方应该罗列出潜在的问题及提供更清晰的估值方法降低买方的风险。繁琐的手动审查、分类和理解数以万计的合同可以被自动化文本数据分析所替代，而这些合同可能为多国语言版本，甚至历时数十年。

分析裁员并重新分配预算：CFO们可以利用先进的数据分析来评估新公司现有及即将实施的股本资金配置的相对价值。通过这种方式，企业可以更好的按项目需求分配资源，并能使用更有逻辑和透明的方式，以此避免公司资源的浪费及恶性竞争。

“在交易的尽职调查中，数据分析可以使CFO们在更短的时间里进行更丰富的分析，从而提高单位时间效率并发掘更深层次的见解”， Swinehart先生指出。

绩效管理

绩效管理现阶段包含更多的标准化报告而不是先进的数据分析。通常它包括记分卡，重点集中在几个关键绩效指标，包括一些金融和非金融指标。但是对于非金融指标的测量，如客户满意度、学习和成长，都没有广泛被各行业应用，因为有许多不同的方法来衡量他们。这也与计量诸如忠诚度，企业品牌和可持续性等无形资产情况类似。

虽然如此，一些企业已经开始探索更多的数据分析领域，在普通报表和记分卡形式外，使用数据分析来预测未来的财务绩效，并针对开始下滑的业绩采取正确措施。它还有助于企业战略分析，通过合理发掘并分析特定的策略分析变量，确保企业沿着既定的战略方向发展。

以下是一些企业使用预测性数据分析提高绩效的案例：

一家连锁酒店实施了平衡计分卡，并开始测量其各个项目之间的关系。它的结论是，当每年提高5 ％的回头客时，下一年预测的收入将增长1.1％。

一家游戏公司总结得出，即使公司客户的游戏预算仅仅增长1％，这也将使公司股票每股价格上涨1.10美元。该公司有效地建立起了市场份额和表现及股价关系分析的模型。

欺诈防护

先进的数据分析对于首席财务官们另一个潜在的富有成果的应用在于预防欺诈领域。

对于企业欺诈和滥用管理（EFM）使用数据分析的好处包括现金上收益，并减少源于欺诈、浪费、滥用、受贿和管理不善等状况带来的声誉风险，较低的监管成本，及合理的企业规章制度及文化。虽然使用数据分析为基础的EFM有一些挑战，诸如欺诈行为的多变性和复杂性以及缺乏欺诈和数据分析专业人才，但是使用数据分析防止欺诈的机遇和效用是显著的。

“随着解决方案的应用和更好的数据分析能力，新的欺诈手段也将随之出现。 EFM并不是一个一次搞定的项目，它需要继续加强完善，”Swinehart先生说。

概而言之

预测性数据分析的潜在好处是显而易见的。“CFO们可以利用数据分析在企业价值中创造新的竞争优势，”德勤咨询的金融主管Rich Rorem补充说，“随着各公司金融高管们越来越多的负责推动企业战略影响整体绩效，预测性数据分析将是他们最得力的工具。”

原文：http://deloitte.wsj.com/cfo/2014 ... business-decisions/

【译者简介】

说明：有意联系译者的朋友，请给“大数据文摘”后台留言，附自我介绍及微信ID，谢谢。

Shawn (仲杉) ，高级风控战略分析师，商业管理与数据分析硕士，现就职于加拿大顶尖商业银行战略决策部门。多年金融银行业从业经验，曾先后任职于银行商业信贷部，内审与金融欺诈调研部，投行项目管理部，信用风险管控及商业决策部，与德勤、毕马威等多家咨询公司开展过项目管理合作。现为国际统筹研究与管理科学协会会员，加拿大贝街金融论坛成员，并在加拿大女皇大学商学院兼职助教职务。希望与各位同行及对数据分析感兴趣的朋友共同分享交流，学习进步。

秦时明月（王玥），本科毕业于南开大学经济学院国贸系，现坐标加拿大多伦多，正在攻读皇后大学的数据分析管理硕士学位。今年五月份即将毕业，现在正在积极地寻求金融领域的数据分析工作。曾就职于北京的一家小微借款及信用风险评估管理公司担任数据分析工作，在个人信用评分和反欺诈风险管理方面有丰富的实践经验。对于大数据的发展在金融领域，尤其是互联网金融领域的应用有浓厚的兴趣。2014年下半年正式加入大数据文摘海外翻译志愿者的行列，希望在新的一年可以与对数据分析感兴趣的朋友分享交流，共同进步。衷心祝愿大数据文摘成为读者喜爱的大数据知识信息分享平台。