赵艳秋/文
年营业额460亿美元的联想，组织架构庞大复杂。它在全球分五大区域，同时又有电脑、服务器等业务单元，横跨区域进行管理。复杂的企业架构导致数据分析维度多、需求十分零散的局面，这是联想的痛点。
不仅是管理架构，作为一家高科技制造企业，联想有着长而复杂的产业链，一个数据分析，可能会涉及十几个系统的几十张源表。
与此同时，行业竞争异常激烈，业务部门对数据分析提出越来越多、颗粒度越来越细的需求，IT部门的资源十分有限。于是，最近两年，联想开展了“数据分析自服务的变革”。
自服务不仅能把资源中心转移到业务上，更能快速发挥业务的前沿视角，是一举两得的事。
新旧系统理念不同
自服务需要合适的平台。联想之前一直使用传统BI。传统BI的思路是比谁家工具更强大，无论多么复杂的需求，我都能搞定。但传统BI的缺点是太过复杂，可能通过几个工具才能做出一张报表；需求响应也慢，一个需求，IT部门往往要几周才能搞定，这影响到用户的时效性需求。
相对传统BI，新型BI“都在做减法”，易于各层员工应用，甚至新兴BI企业提出“人人都是数据分析师”的理念，来引导市场。几年前，联想也开始寻找、评估新BI工具。
联想集团数据分析总监张晓燕介绍说，对于新BI，联想的要求是，速度要快；灵活性要高，能满足内部用户随时的变化；要易用，符合自服务需求；功能要强，要满足制造企业复杂的分析需求；售后支持要好，这点对于实现数据分析至关重要。经过半年分析比较，联想选择了Qlik。
现在，联想数据分析用得最多的一个是销售市场，一个是供应链。业务部门只要在相应的数据分析页面上点几下鼠标，几秒钟内就可以看到分析报表。例如，库存是供应链的一个重要指标。分析报表能看到哪款产品在哪些区域、哪些国家卖得特别不好。他可以“DrillDown（下钻分析）”，分析销售不好的原因是定价策略、产品质量还是前后端协同问题。这样，他可以马上行动。这种及时的数据分析，能明显提升公司运营效率。
不过，联想全球有6万名员工，要让员工都行动起来，需要渐进的过程。在推动新BI平台时，业务团队也经历着各种不适应和改变习惯的挑战。
张晓燕介绍，对于“Skill很强的内部用户”，数据分析团队就把数据提示和建模做好，通过培训，用户自己就可以快速上手。
对于另一些业务出身、对IT工具使用偏少的用户，数据分析团队在给他定制时，会“做到最后5公里”，让他只需简单操作，就可以用上。
用户的需求也不尽相同。总裁、高级副总裁这类高管一般注重主要的KPI；而业务运营总监这一层会对关联分析和下钻分析看得非常仔细，因为他要找出问题的症结。
传统企业能照搬互联网模式吗
数据分析做的最好的无疑是互联网企业，传统企业能照搬吗？联想集团业务流程变革管理业务智能经理刘峰的答复是否定的。他认为，互联网公司管理架构、业务结构都较为扁平化，没有传统企业那么复杂的管理流程，那么多系统和报表。“这是传统行业都面临的问题。”
刘峰认为，传统企业做大数据要“削层”，能做一步的就不做两步，一定要精简。同时，无论系统架构是分散，还是大集中，最终目的是让用户灵活使用，满足企业转型需求。
联想目前IT下属的数据分析团队有几十人。由于数据分析是基于业务的，这要求做数据分析团队一定要投入业务，扎到某个行业久一些，了解流程。“只会工具是没有意义的。”刘峰说。
“数据科学家”这一名词近两年被提出。联想目前也在培养自己的数据科学家。
张晓燕认为，数据分析团队，包括数据科学家要紧密关注公司的所有策略。根据业务策略，才能制定项目优先级，而不是光被动地接受需求，也才能看得比业务更高远，担得起数据科学家的责任。联想集团数据分析总监张晓燕认为，数据分析团队，包括数据科学家要紧密关注公司的所有策略