很多在大数据、数据分析和雇佣金融工程师上投资了数百万的组织显得有些沮丧。它们无疑掌握了大量的、甚至质量不错的数据。他们的分析师和数据分析能力也都是一流的。但是，除了对更好的数据及其分析的讨论，组织管理者们似乎进行着相同的商业讨论和辩论。组织们大概会作出更多由大数据驱动的决定，但是它们的组织文化看起来仍然和过去没什么不同。某个首席信息官最近告诉我：“我们正在做着我五年前根本无法想象的实时数据分析，但是在无论哪个地方，这些实时数据所产生的影响都还没能接近我的想象。”

大数据给企业们带来了什么呢？在《财富》1000强企业们开了几个关于大数据和数据分析的会议，又和那些满意于得到了分析投资的回报的组织们相处了很长时间以后，一个概念清晰的“数据启发法”面世了。普通的企业们开始用大数据分析商业成果，以此来作出商业决策；企业们还利用可观的分析回报去影响和支持行为的改变。更优质的数据驱动分析并不仅仅是在现有的处理和检验过程中安装一个插件程序，而应该被用来形成和支持不同性质的对话和互动。

“在管理层确定要改变或影响的行为之前，我们不会做那些跟数据分析和商业智能有关的事情。”一个金融服务企业的首席信息官说道。“做出更好的承诺和改进财务报表非常容易，但这意味着，我们只不过是把数据分析用在我们已经做得很好的事情上。”

真正的挑战，在于意识到用大数据或数据分析来更好地解决问题和（或）作出决策，掩盖了“新的数据分析通常对新的行为提出了要求”的组织现实。人们可能需要进行更多的分享和合作；公司或许需要形成与过去不同或具有补充性质的业务流程；公司的管理者和经营者们也许需要确保现有的激励机制没有低估数据分析能够带来的增长和效率提高的机会。

举个例子，在一个药材供应企业里，如果要围绕“最有利可图的顾客”和“最挣钱的商品”进行数据分析的话，需要对销货清单和技术支持团队进行完整的再教育，让他们学会如何让顾客对高增值产品心烦意乱，或者让顾客学会了解这些商品。这个企业意识到，数据分析不应该只是简单地运用于支持现有的销售和服务，还应该把它当成一个机会，加速形成新型的便利咨询式销售，为组织提供支持。

具有讽刺意味的是，比起大数据和数据分析用在哪里，目的为何，它们的质量却没有那么重要。最饶有趣味的张力和讨论从始至终都围绕着“组织能否通过数据分析得到最大回报，优化现有的流程表现，让人们的表现有所不同”来进行。但是，人们的一个初步共识是，大部分的建设性对话都集中在数据分析能如何改变人们的行为上，而非如何解决问题上。

“我们公司中大部分人的历史课成绩要比数学课成绩好，”一个消费品分析主管人员对我说道：“让人们理解新的信息和其度量会如何改变他们的做事方式，比让他们理解底层算法要容易……我们得到经验教训是，我们无法让内部客户通过“吃透”数据和分析来了解我们的工作价值。”

得到正确的答案，或着提出正确的问题，都已经不再是高分析回报企业们的主要考虑因素。问题与答案，数据与分析，毫无疑问都是重要的。然而，那些问题和答案及其分析如何与个人行为和制度行为结合起来，或者如何冲突，才是更重要的。甚至有时候，最好的分析也会产生不良的行为后果。别做无用的分析。