許多公司唸唸不忘要如何把他們的資料轉化為價值，但我們發現，他們花太多時間在「資料」上，花太少時間在這個方程式的「人員」這一邊。
然而，要把方程式裡「人員」這一邊做對，不只是要僱用最優秀的人才（雖然這點很重要）。根據我們的經驗，許多企業忽略了兩個重要項目：1）確認他們真正需要的人員，2）在他們的先進分析（advanced analytics）辦公室裡建立「顧客服務」的心態。
合適的團隊
巨量資料人才是關鍵問題。麥肯錫全球研究院（McKinsey Global Institute）指出，到2018年，光是在美國，就可能短缺14萬至19萬擁有深厚分析技能的人才。但是，企業應先花時間確認他們需要的各種角色，好讓巨量資料機器運作，而不是急著招募數學與科學高手。雖然不同的公司有不同的人才需求，但你的先進分析辦公室仍然需要配備下列五種重要人才：
1.資料衛生員（Data Hygienists）可確保進入系統的資料是乾淨、正確的，並在整個資料生命週期當中都保持乾淨而正確。例如，擷取的時間值都相同嗎？一個資料集測量的可能是一年的日曆天數（365天），另一個測量的是一年的工作日數（260天），還有一個是一年的小時數（8765小時）。所有的值都必須相同，才能進行比較。或是舊資料的欄位裡面填的是新類型的資料，但沿用舊的欄位名稱？如果資料庫沒有處理這些問題，新產品的資料可能會覆蓋舊產品的資料，呈現毫無意義的結果。這個資料清理的工作，在資料最初被擷取時就得開始做，而且在任何階段接觸到該資料的所有團隊成員都應參與。
2.資料探索員（Data Explorer）篩選堆積如山的巨量資料，找出你真正需要的資料。這可能是很重要的任務，因為外部那麼多資料並不是為了分析而存在，因此，不是用容易取得的方式儲存或組織的。收銀機的資料是絕佳的例子。它最初的功能是讓公司追蹤營收，而非去預測某一顧客接下來會買什麼產品。
3.業務解決方案設計師（Business Solution Architect）把發現的資料集中起來，並加以組織整理，以更進行分析。他們建構資料，確保所有使用者可以在適當的時段有效地查詢那些資料。例如，使用者必須每分鐘或每小時取用某些資料，所以就必須每分鐘或每小時更新那些資料。
4.資料科學家（Data Scientist）取用這種經過組織的資料，建立複雜的分析模型，例如，協助預測顧客行為，並且可做先進的顧客區隔和定價優化（pricing optimization）。他們確保會經常更新每個模型，好讓模型長期有效用。
5.活動專家（Campaign Expert）將模型轉化為成果。他們很深入瞭解那些提供特定行銷活動的技術系統，例如哪個客戶應該在什麼時候得到什麼消息。他們使用從模型中學到的東西，來安排行銷活動推出順序和所用管道的優先次序，例如，對某個已確認的市場區隔過去的行為進行分析，結果發現，最有效的方式是先發送一封電子郵件給客戶，然後在48小時後直接郵寄廣告資料。 ...【閱讀全文】 |
