快消品行业是一个涵盖食品饮料、农副产品、家居卫生、日化用品、时装乃至奢侈品等的广泛市场，虽然面临着价格竞争、消费者忠诚度低、产品市场碎片化、运营效率提升慢、系统老化和员工管理滞后等复杂挑战，但身处这个行业中的企业能够在日常运营中收集到海量消费者数据--这是一笔巨大的财富。越来越多的快消品企业已经意识到，在拥有大数据的基础上，强大的数据分析能力是令自身脱颖而出的关键差异化因素，未来优胜者往往就是那些利用行业天然优势，善于用数据车轮驱动竞争策略的企业。我们观察到，一些领先的快消品企业在运营总部设有作战室，实时监测销售等经营数据，就像宝洁公司（PG）着名的业务水晶球（Business Sphere）电视墙那样，通过大屏幕上关键绩效指标的图形化呈现，随时为新的市场决策提供依据。
然而，埃森哲在最近开展的一项针对快消品行业的研究中发现，尽管很多企业纷纷投资于跟数据挖掘和分析相关的人才、工具、数据和系统，它们却很难从这些时髦的投资中获得最大价值，其中的重要原因在于，企业尚未采取上下协调一致的策略，同时缺乏清晰的运营模式为数据分析提供支持，这体现在以下三个方面：
第一，虽然快消品行业对数据分析的使用率正在迅速提高，但多数企业目前仍处于应用数据分析的初期阶段。也就是说，大多数快消品企业在将数据分析纳入决策和运营核心领域方面进展缓慢，这大大限制了它们通过数据分析获得商业优势。
第二，很多时候企业有关数据分析的投资项目过于零散，相互间没有得到很好的协调，同时也缺乏全局视角和运营模式为数据分析提供有力支持。这样的状况往往导致数据分析能力彼此孤立、重复、收效甚微，同时数据分析人才也无法充分施展才干，最终结果必然是投资回报非常有限。
第三，很多快消品企业的数据分析能力还仅仅停留在描述问题、说明问题的层面，尚未具备预测能力。也就是说，目前企业只能对已发生事件进行事后诸葛亮式的描述，而无法获得前瞻性的洞见，当然也就无法据此做出完善、可操作的管理和战略性决策。
快消品企业如何真正发挥数据分析的作用并从中受益？我们认为，关键在于企业要在内部明确协调一致的数据分析战略，建立相应的运营模式为数据分析提供支持。同时，企业必须树立结果导向的理念，重点关注如何把数据分析与企业决策、行动以及提高经营业绩紧密联系在一起。为了实现这一目标，企业在建立支持数据分析的运营模式时，必须具备以下三个关键要素。
价值优先法则
所谓价值优先，就是着眼于整个企业在竞争中最急需解决的问题，投入资源开发最能带来回报的解决方案。
过去，快消品企业通常在单独的职能部门内发展数据分析能力，各自为政。因此，数据分析的工作重心和投资都围绕特定的职能需求进行，而非涵盖整个企业的广泛需求。这一做法往往导致大量重复工作，并最终将分散各处的预算耗费一空，而得到的回报却非常有限。
相比之下，能通过数据分析创造业务价值的企业，通常会从确定数据分析愿景和企业全局战略着手，对机遇优先排序，首先抓住高价值、备受关注、能快速收效的数据分析机遇，创造可测量的收益。这类项目不仅可以产生强劲的推动力，还能在企业层面将各种需求汇聚在一起，从而帮助企业为随后开展的数据分析项目提供资金支持。
例如，白酒行业中就存在通过数据分析创造业务价值的企业。洋河股份（苏酒集团）通过自主研发的洋河1号App及洋河1号微商城平台展开数据分析，消费者在App、微商城上或者通过服务热线95019下单，体验30分钟货到付款的类即时购物体验。通过收集到的数据，企业可以更精准地对消费者进行定位，从而更易于找到目标消费者。同时，通过互联网实行预售模式，在生产商品之前，企业先接受消费者的个性化定制，再下单生产，把有个性化需求的顾客集聚起来，从而创造了一个覆盖全国超8亿人口的半小时白酒销售配送生态网。洋河正是抓住了洋河1号App和洋河1号微商城这些能快速收效的数据分析机遇，搭建起从卖家到消费者的直接沟通渠道，从而创造出更完美的消费体验，为整个白酒行业转型升级提供了前进动力。
此外，成功的企业还会将数据分析与业务成果直接联系起来。例如，知名调味品企业味好美借助EnterraSolution公司的认知推理平台，建立了一个名为口味指纹的顾客交流网站，请消费者对一系列调味品口味打分，从而了解他们的口味偏好，并据此形成独特的口味偏好档案。如果消费者提供了烹饪偏好、烹饪设备或餐具等更多信息，还可以获得关于烹饪菜单和个人产品的建议。对消费者来说，他们只是据实相告，可是将这些数据汇集在一起，就创造了大量有关个性化口味的数据价值--这几乎是所有人都能强烈感觉得到却很难量化或具体化的数据。可是对企业来说，了解消费者的口味偏好有助于形成准确的市场洞察和产品决策，最终提升服务能力。
组织架构纲举目张
企业一旦确立了数据分析愿景，并显现了数据分析的价值，接下来要做的就是建立相应的组织和治理架构，在整个企业范围内支持数据分析的规模化应用。合适的架构能帮助企业建立数据分析创新文化，并将资源和战略目标对应起来，从而制定出有效的流程和标准。
此外，建立合适的组织架构还有助于企业将数据分析融入决策过程，这也是目前多数快消品企业所欠缺的。我们的研究显示，尽管62%的受访企业认为数据分析有利于更快、更有效地做出决策，但只有25%的企业能够依靠基于数据分析获得的结果进行决策。企业架构如果设计得当，数据分析就能帮助企业在行动点上做出实时决策，而不是依赖于老套陈旧的业务报表进行汇报和分析。
设计这一组织架构的关键在于，能够支撑高效且全面的数据分析型运营模式。我们的调查发现，只有54%的受访快消品企业管理者表示，公司已拥有非常明确的数据分析型运营模式，40%的受访者表示只部分定义了自身的数据分析型运营模式，还有14%表示尚未部署这种模式。
澳大利亚一家大型银行起先成立了数据分析团队，以期为业务发展提供数据分析服务。然而，由于没有建立起合适的组织架构，此举非但没能有效发挥数据分析的作用，还增加了额外的人力成本。这家银行随后调整了组织架构，逐步演进到运用集中化数据分析团队和跨职能的卓越中心相结合的方式，从而能够根据业务需求来调整数据分析服务的规模。该银行的组织结构演进分为三个阶段。第一阶段长达一年。该银行建立了集中化的数据分析部门提供基本的分析服务，如建模、数据解说以及提供基本的建议和见解。第二阶段，该银行成立了跨职能的卓越中心，花了半年时间为数据分析专家提供业务和行业相关的知识基础，使得他们能就企业如何更好地识别消费者或行业的发展趋势，提供深刻见解并参与业务预测的优化。第三阶段，该银行把精力放在了内部培训和流程调整上，确保数据分析得出的洞察能有效应用在银行日常的业务决策中，并建立了一个全新的流程来鼓励和奖励数据分析在整个组织中的应用。
绘制人才蓝图
落实并维持企业范围的数据分析，离不开优秀的数据分析人才。在这方面，目前企业面临着两大艰巨挑战。一是如何找到足够的数据分析人才。埃森哲卓越绩效研究院的研究发现，10名合格大学毕业生里，只有1名接受具体行业分析的职位，而在这些人里，多数投奔了投资银行、咨询公司或软件企业。二是企业并不知道如何让数据分析专家充分施展才能。我们的调查发现，只有5%的快消品企业所雇用的数据分析专家，从事了开发和应用先进数据分析理念的工作，而62%的企业中的数据分析专家只是在制作报告和图表，或者寻找和解释数据来源。
快消品行业所需的数据分析专家，不仅要具备高超的数据分析能力、扎实的数据挖掘技能，以及深刻的洞察力，还要能够为管理层提供有价值的见解。也就是说，这些数据分析专家必须能够深刻理解消费品行业的动态和发展趋势、客户的需求与行为以及内部业务流程；他们还必须掌握所有形式的数据，并不断地利用这些资源推动业务发展。最优秀的数据分析专家还需具备企业家的心态以及充满创造力的好奇心。
在招募和培育数据分析人才方面，谷歌的经验值得借鉴和推广。谷歌采用70-20-10法则：员工在日常职能上花费70%的工作时间；同时每周投入一天时间参与其他项目，以拓展有益于公司工作的其他技能；再有每周半天时间用于探索产品和业务创新的点子。这种做法不仅帮助谷歌从公司内部培养出数据分析人才，而且吸引了这一领域的大量优秀人才。
同时，对许多企业来说，在缺乏数据分析人才的情况下，外部采购数据分析服务也是不错的选择。企业可以通过本地采购或离岸采购的方式，让外部的数据分析专家为其贴身服务。这种战略有助于企业根据需求选配各类人才，帮助他们快速将资源需求和业务重点对接起来，同时还可以节省可观的成本。
尽管快消品企业已经将数据分析提上了管理者的议事日程，但多数企业在数据分析上获得的投资回报少得可怜。通过采取以业务成果为导向的、基于价值的方法，企业可以实现快速收益，从而推动数据分析的发展。借助这一势头，快消品企业可以进而制定和实施整个企业范围内的数据分析架构和人才管理战略，充分发挥数据分析的能力，甚至为全面的数据分析发展提供强有力的资金支持，转型为分析驱动型的高增长企业。