范群林，潘雙燕，謝小玲

一、引 言

目前，企業(yè)在分析“大數(shù)據(jù)”以釋放潛在的巨大商業(yè)價值方面正在付出很多努力[1-2]。新的數(shù)據(jù)源不斷發(fā)展，存儲和分析大型數(shù)據(jù)集的新技術使許多新的應用程序成為可能，但任何一個大數(shù)據(jù)應用程序的確切商業(yè)價值通常都不清晰。從實際角度來看，企業(yè)仍然很難有意義地使用數(shù)據(jù)，或者缺乏使用大數(shù)據(jù)的能力。不同類型的分析問題出現(xiàn)在組織環(huán)境中，具體取決于起點是否來自僅缺乏必需技能或能力的部門的確切請求（如機器學習），或者說起因于處理大數(shù)據(jù)的主要興趣（如缺乏自己的基礎設施，缺乏系統(tǒng)經(jīng)驗）。到目前為止，尚缺少清晰的數(shù)據(jù)價值生成戰(zhàn)略和流程。

許多文獻都針對技術和方法的實施，大數(shù)據(jù)的轉變力量[3]，通過構建分析能力來提高公司績效[3-4]，或者解決其他管理問題[1][5]。較少涉及從第一個想法到現(xiàn)成分析應用程序或構建分析能力的轉換過程。本文試圖彌補這個差距。

分析舉措有幾個獨特的功能。首先，需要一種探索性的方法，分析時并不像其他項目那樣具有特定要求，而只是一個想法或數(shù)據(jù)集。為了評估貢獻，應用構思技術和快速原型設計。這一探索在發(fā)展共同理解和將大數(shù)據(jù)計劃作為戰(zhàn)略方向發(fā)揮著重要作用。其次，處于早期階段的分析項目必然會在不同利益相關者的利益、能力和觀點之間形成復雜的相互作用。學習是這些項目中不可或缺的一部分，通過分析建立經(jīng)驗和能力。最后，分析項目與現(xiàn)有信息技術（IT）基礎設施并行運行，并提供簡短的腳本或戰(zhàn)略見解，然后安裝在大型IT 項目中。由于缺少端到端的目標，數(shù)據(jù)不僅要被提取、轉換和加載，還需要被識別、分類和部分結構化。因此，需要建立一個價值生成的一般過程來指導分析項目并解決這些問題。

本文提出一個準確的配置和一系列指導大數(shù)據(jù)分析項目的步驟。與傳統(tǒng)分析項目相比，大數(shù)據(jù)分析項目缺乏具體要求和項目目標，這使得構建分析流程變得非常具有挑戰(zhàn)性。因此，線性創(chuàng)新過程可以作為參考[6]。正如Braganza（2017 年）所描述的那樣[7]，為了使大數(shù)據(jù)能夠在一個組織中成功地整合和實施，需要清晰且可重復的流程。盡管如此，每個分析計劃都不盡相同，并且流程需要一定靈活性。不幸的是，現(xiàn)有研究文獻很少將分析過程中的挑戰(zhàn)與創(chuàng)新管理的概念結合起來。實際上，將創(chuàng)新管理的概念整合起來可以指導制定數(shù)字戰(zhàn)略的分析工作，組織的錨定分析單元及其功能，設計分析組合以及基本工作原理（如快速原型設計，構思技術）。

因此，本文將集中討論組織在實施大數(shù)據(jù)分析的實踐話語和工作中可以從創(chuàng)新管理中學到什么。引入創(chuàng)新過程分析來指導從構思到價值生成的過程。強調在這個過程中以及不同的切入點都面臨挑戰(zhàn)。因此，本文根據(jù)不同行業(yè)和領域的經(jīng)驗和見解，為獲得成功實施分析解決方案提供建議。

二、大數(shù)據(jù)和分析

在此，我們將討論分析價值鏈的基本角度（圖1）：數(shù)據(jù)，基礎架構和分析，以及作為驅動程序的業(yè)務需求。價值是通過分析特定環(huán)境中的數(shù)據(jù)產(chǎn)生的，問題陳述與推動創(chuàng)新需求、業(yè)務需求相關。除了在進行數(shù)據(jù)和項目分析方面具有專業(yè)知識之外，這個過程還需要一個工作基礎設施，尤其是當分析的數(shù)據(jù)量，生成速度或各種數(shù)據(jù)超過特定限制時。下面詳細地描述三個技術角度。

圖1 數(shù)據(jù)、基礎架構、分析和業(yè)務需求的框架

（一）數(shù)據(jù)

大數(shù)據(jù)通常以數(shù)據(jù)量，速度（數(shù)據(jù)生成速度）和各種數(shù)據(jù)類型的多樣性來定義[8-9]。大數(shù)據(jù)描述了傳統(tǒng)數(shù)據(jù)管理技術難以處理的大小的數(shù)據(jù)收集。雖然大數(shù)據(jù)的許多定義集中在涉及可用數(shù)據(jù)規(guī)模的數(shù)量方面，但大數(shù)據(jù)特別帶來了異構格式和廣泛的可能數(shù)據(jù)源。示例是結構化數(shù)字數(shù)據(jù)或非結構化數(shù)據(jù)，如文本、圖像或視頻。這種多樣性和廣泛的數(shù)據(jù)來源提供了許多創(chuàng)造見解的機會，而且數(shù)據(jù)創(chuàng)建的速度能夠快速了解正在進行的開發(fā)。

近期的技術發(fā)展（例如云計算，大數(shù)據(jù)架構）使數(shù)據(jù)能夠被大規(guī)模地分析和存儲。對于許多（新）類型的數(shù)據(jù)，其確切的商業(yè)價值目前尚不清楚，需要進行系統(tǒng)探索?？捎玫臄?shù)據(jù)通常是混亂的，甚至在清理時也可能太復雜而難以理解，即使是專業(yè)數(shù)據(jù)科學家也傷腦筋。當然，數(shù)據(jù)的貢獻是特定于上下文的，并且在業(yè)務案例和應用程序中各不相同。一個關鍵挑戰(zhàn)是確定最符合業(yè)務需求的數(shù)據(jù)。

（二）分析

數(shù)據(jù)科學關注數(shù)據(jù)中的知識生成。數(shù)據(jù)科學以不同的定量方法探索數(shù)據(jù)集[10-11]。不同學科（如統(tǒng)計學、經(jīng)濟學或計算機科學）的方法可以用來識別模式、影響因素或依賴關系[12]。與商業(yè)智能相比，分析不僅是描述性分析（基于SQL），而且通常具有預測性組件。應用哪種方法取決于具體案例[13]。如分析數(shù)據(jù)受到公司內部政策以及各國法律限制。數(shù)據(jù)質量和可靠性是進一步的問題。數(shù)據(jù)理解和領域知識是分析過程中的關鍵先決條件[14]，特別是在進行模型假設時。關于數(shù)據(jù)分析，組織主要有以下機會：

內部數(shù)據(jù)的改進分析：如通過附加數(shù)字預測增強基于專家的計劃方法。這些方法建立在商業(yè)智能系統(tǒng)等現(xiàn)有數(shù)據(jù)庫基礎上，并為公司內部流程提供新見解。

數(shù)據(jù)集的新組合提供了新的見解，例如利用組合傳感器數(shù)據(jù)和用戶配置文件。

打開新的或（迄今為止）未使用的數(shù)據(jù)源，如網(wǎng)站公開數(shù)據(jù)以確定產(chǎn)生新見解的潛力。但是上下文或應用程序是使用數(shù)據(jù)所必需的。比如用于市場觀察的社交媒體數(shù)據(jù)[15]。然而，分析的核心是解決指導性問題，并討論本文后面的業(yè)務需求、數(shù)據(jù)源和分析之間的匹配實現(xiàn)。

（三）IT 基礎架構

與成功實施分析相關的是IT 基礎架構的適應性，以嵌入分析解決方案并整合不同的數(shù)據(jù)源。IT基礎架構的核心層如下：

數(shù)據(jù)提取層：該層涵蓋從源系統(tǒng)到分析環(huán)境的數(shù)據(jù)傳輸。因此，需要定義工具集和相應過程。傳統(tǒng)的提取、轉換、加載（ETL）工具和關系數(shù)據(jù)庫與Hadoop/大數(shù)據(jù)設置相結合，特別是結構較少，數(shù)據(jù)量較大或流式傳輸?shù)那闆r。分析用例建立在從數(shù)據(jù)倉庫到完全非結構化數(shù)據(jù)的數(shù)據(jù)上，這挑戰(zhàn)了傳統(tǒng)架構，并且需要適應性方案。要整合哪些數(shù)據(jù)源取決于特定的應用程序。

數(shù)據(jù)價值探索層：根據(jù)業(yè)務需求和相應用例，對數(shù)據(jù)進行調查、測試和抽樣。根據(jù)復雜性和業(yè)務問題，開發(fā)適當?shù)姆治龇桨浮Ｍㄟ^使用先進的分析和集成（例如R 或Python 插件）方法，可以對基于聯(lián)機分析處理（OLAP）模型的業(yè)務和探索性分析進行補充或擴展。

數(shù)據(jù)消費層：根據(jù)業(yè)務系統(tǒng)需求，進行數(shù)據(jù)報表展現(xiàn)、數(shù)據(jù)可視化、即時查詢以及數(shù)據(jù)分析等功能的呈現(xiàn)。例如數(shù)據(jù)結果的可視化，最終用戶無需深入的技術理解即可使用數(shù)據(jù)或服務（例如用于自助式商業(yè)智能）。

現(xiàn)代方法需要適應性強并能夠根據(jù)不同需求和數(shù)據(jù)源進行擴展的結構。必須考慮諸如系統(tǒng)性能、成本效率和整體企業(yè)基礎架構戰(zhàn)略等因素。

三、從數(shù)據(jù)到價值：將理念轉化為應用

組織仍然努力使用有意義的數(shù)據(jù)，但缺乏正確的能力。分析項目中的關鍵挑戰(zhàn)之一是確定業(yè)務需求和指導性問題。原則上，不同類型的分析問題出現(xiàn)在組織環(huán)境中，從僅缺乏特定功能的精確請求到處理大數(shù)據(jù)的主要興趣（如沒有自己的基礎架構，基于專家的方法）。這種方法意味著分析過程和不同創(chuàng)新路徑的不同起點，本文后面將對此進行介紹。

（一）什么是起點?

每個分析計劃的起點各不相同[16]。根據(jù)上面所提四點，每個分析的“最先進”需要分別評估成熟度：

1.業(yè)務需求：從案例到案例，問題描述和范圍精度各不相同。在某些情況下，指導分析階段的主要問題和范圍非常精確，對于其他情況下需要在此過程中制定和完善。

2.數(shù)據(jù)：項目中要使用的數(shù)據(jù)可以被定義。數(shù)據(jù)的大小和質量基本上決定了進一步過程的進展。參數(shù)可以是結構（即，預處理努力）或數(shù)據(jù)集的大?。ɡ纾粋€CSV文件或大型數(shù)據(jù)庫）。

3.分析：應用哪些方法因案例而異，因此必須進行測試和探索。

4.基礎設施：業(yè)務部門（如自己的數(shù)據(jù)倉庫、報告系統(tǒng)）或自身（人力）資源和能力的當前（技術）狀態(tài)是分類請求的另一個重要方面。

參考分析請求的成熟度級別，可以對這四個角度進行不同評級。根據(jù)我們的經(jīng)驗，可以區(qū)分代表不同成熟度水平的三種情景，見圖2。

圖2 對分析請求進行三個成熟度級別的分類

（1）在情景1 中，數(shù)據(jù)分析受到明確要求的激勵，如在推出新產(chǎn)品期間的市場觀察。需要確定適當?shù)臄?shù)據(jù)源。缺失的數(shù)據(jù)意味著無法定義精確的分析，也不存在現(xiàn)有的基礎設施。需要確定與哪些數(shù)據(jù)來源相關，哪些問題可以在此基礎上解決。然后，應用不同的數(shù)據(jù)分析方法來產(chǎn)生新的見解。

（2）在情景2 中，數(shù)據(jù)來源和基礎設施明確界定，具體問題需要確定。一種應用是評估迄今為止尚未經(jīng)過專業(yè)分析的特定數(shù)據(jù)源的貢獻，如機器學習。如業(yè)務單位有一個內部數(shù)據(jù)庫，考慮新方法，并希望通過添加預測組件來進一步開發(fā)商業(yè)智能系統(tǒng)。這種情況下，范圍比第一種情況更清晰，并且可以立即開始探索性數(shù)據(jù)分析。

（3）在情景3 中，有一個精確的分析問題需要專業(yè)化。第一份草案顯示了有希望的結果，并且解決方案可以作為下一步升級，需要制定決策的指南。

這三種情況是分析項目的示例性起點。以下部分描述對創(chuàng)新過程的影響，并概述不同的挑戰(zhàn)和障礙。

（二）分析過程

要通過分析取得成功，從數(shù)據(jù)到價值的過程必須結構化，以便與現(xiàn)有組織相結合。如Braganza（2017）[7]研究了大數(shù)據(jù)舉措中組織資源的管理。他們強調系統(tǒng)化方法和流程對大數(shù)據(jù)操作的重要性。有關分析過程的相關研究工作側重于服務設計[17]，或專注于分析數(shù)據(jù)的方法[18]。Braganza（2017）[7]介紹的這一過程過于線性，不能解決數(shù)據(jù)分析和利益相關者話語的系統(tǒng)復雜性問題。為了解決這些問題，構建分析過程可以與經(jīng)典的線性創(chuàng)新過程聯(lián)系起來[19-20]。

為了引導分析過程從構思、范圍確定和識別數(shù)據(jù)集到價值生成，本文引入了一個四階段過程，以經(jīng)典創(chuàng)新漏斗為出發(fā)點，將這一概念轉移到分析的背景下。這個過程分為四個部分：（1）創(chuàng)意概念；（2）概念驗證（PoC），以測試這些想法；（3）成功的PoC得到實施和測試；（4）它們成為產(chǎn)品或服務。根據(jù)第一個想法或要求，該流程將被初始化，而每個階段內的想法或項目的數(shù)量會減少。每個階段都有任務以及需要通過的障礙或過濾器，以便在過程鏈中繼續(xù)執(zhí)行。

上面描述的三種情景在成熟度方面的評估是不同的。情景1 處于創(chuàng)意產(chǎn)生的非常早期階段，需要解決許多未解決的問題。情景2 則更加具體，解決了比情景1 更多的問題。然而，在開展PoC 之前，需要先提出問題。方案3 建立在正在運行的系統(tǒng)上，因此它處于測試和運行階段（階段3）。對于每個階段都會出現(xiàn)不同的挑戰(zhàn)。雖然相關工作強調數(shù)據(jù)相關挑戰(zhàn)，如數(shù)據(jù)采集、清理或聚合[21]，但這項工作關注流程挑戰(zhàn)。

1.階段一：創(chuàng)意

定位分析項目始于一個構思階段。在這里，關鍵的挑戰(zhàn)是收集想法并討論相關的業(yè)務問題[22]。構思思想在發(fā)展共同理解、挑戰(zhàn)現(xiàn)有假設、定位大數(shù)據(jù)舉措以及確定可通過分析解決的問題方面發(fā)揮著重要作用。如設計思維被用作解決問題的系統(tǒng)方法[23]，并支持結構化的構思過程。收集業(yè)務單位的問題并與分析范圍（如技術可行性、輸入?yún)?shù)和方法要求）相匹配。構思階段是迭代的。最初，總體項目目標指導第一輪創(chuàng)意，旨在總結當前業(yè)務部門的挑戰(zhàn)和需求。這與確定適當?shù)臄?shù)據(jù)集一致。然后，這些創(chuàng)意的可行性必須由專家檢查，然后選擇創(chuàng)意進行原型設計。

從組織角度來看，所有層級決策者的參與是必須的。高層管理人員需要解決利益沖突并產(chǎn)生緊迫感，中層管理人員需要從日常工作解放專家來進入他們特定的角色，而專業(yè)知識的操作專家是詳細指導問題的關鍵，并檢查可行性。

擇優(yōu)一個投資組合來選擇PoC 階段考慮的想法。創(chuàng)新組合為判斷創(chuàng)意可能產(chǎn)生的影響提供了連貫的基礎[24]。他們將想法分為不同的領域并指出優(yōu)先考慮哪些想法。對于如圖3 所示的示例性情況，根據(jù)三個類別對可行性（x 軸），價值創(chuàng)造（y 軸）和總體相關性（節(jié)點的大?。┻M行評估和評價?？尚行园T如數(shù)據(jù)可用性、訪問數(shù)據(jù)的時間或預期的任務復雜性等方面。價值創(chuàng)造解決了預期的商業(yè)價值，并強調預期貢獻高的想法[25]。整體相關性被用來強調哪些想法預計會對手頭的問題產(chǎn)生更大影響。所以，想法3 具有很高的預期可行性，但創(chuàng)造的價值預計很低。相比之下，想法4和想法8對價值創(chuàng)造的期望很高，因此在下一階段應該優(yōu)先考慮。

圖3 選擇想法的投資組合

圖4 分析過程

除了基于投資組合的選擇過程之外，想法在第一階段被過濾，如因為沒有可用的數(shù)據(jù)來解決問題或者訪問被拒絕（如內部政策，法律限制），所以必須首先提出數(shù)據(jù)（如實施額外的傳感器）。因此，需要確定適當?shù)臄?shù)據(jù)源，并授予訪問權限，以便對業(yè)務需求和數(shù)據(jù)適用性進行可靠而有效地評估。作為一種組織障礙，需要正確地選擇專家并將其從日常工作中解放出來，以便他們專心分析項目。在構思過程中，創(chuàng)造力與專注力之間的正確平衡非常重要，并彌合不同知識領域之間的差距以提出恰當?shù)膯栴}。

第一階段的結果是提出想法和檢查問題的數(shù)據(jù)來源。需要對問題或想法與數(shù)據(jù)源進行映射。在第一階段，需要能力強的輔導員來指導整個過程。另外，具有有條不紊的專業(yè)知識來檢查所考慮的想法的技術可行性以及商業(yè)理解也很重要。這些想法和數(shù)據(jù)只是討論，沒有檢查發(fā)生。檢查在下一步中完成。在這個早期階段需要澄清的另一個問題是數(shù)據(jù)安全性和數(shù)據(jù)保護。每個國家都有單獨的法規(guī)限制分析。

2.階段二：概念驗證

為了測試這些想法，原型被構建并且PoC 被執(zhí)行。PoC 是對數(shù)據(jù)集的第一次檢查，以查看是否可以根據(jù)可用數(shù)據(jù)回答提出的問題。圖4 描述了這個階段：根據(jù)前一階段定義的范圍，必須授予對數(shù)據(jù)的訪問權限，對數(shù)據(jù)進行探索和分析，并最終傳達結果。

這個階段二以項目目標或問題描述（業(yè)務需求）開始。傳統(tǒng)的IT 開發(fā)始于需求，而分析通常是以探索的方式開始使用數(shù)據(jù)集和假設。具體要求在分析過程中生成。因此，PoC 階段只能從數(shù)據(jù)開始或數(shù)據(jù)可用時開始。獲取數(shù)據(jù)或從現(xiàn)有系統(tǒng)中檢索數(shù)據(jù)是PoC 的第一步。在這里，需要檢查訪問障礙，如法律問題或組織限制。因此，例如根據(jù)數(shù)據(jù)類型（如個人數(shù)據(jù)、機器數(shù)據(jù)、市場數(shù)據(jù)），分析應該符合這些限制。

接下來將探索這些數(shù)據(jù)，以便更深入地了解。在這里，數(shù)據(jù)被轉換成適合進一步分析的格式。這一步包含數(shù)據(jù)準備和清理，并進行第一個描述性分析。然后在建模階段分析數(shù)據(jù)的模式和依賴關系，以回答提出的問題。同時，測試不同的方法和算法，并在變量選擇、模型選擇、模型適應和驗證的迭代過程中驗證結果。最后，交流結果。PoC 首先定位數(shù)據(jù)潛力，重點在于優(yōu)勢和劣勢。可能的結果是不同的建模技術不能提供有效結果，數(shù)據(jù)質量不允許建模，或者沒有足夠的數(shù)據(jù)用于重要的語句。這最終是規(guī)劃和溝通下一步以及協(xié)調進一步行動的基礎。

關于結果的呈現(xiàn)，可以使用不同的可視化技術，如Tableau，QlikView 或不同的開源平臺等工具。特別是要開發(fā)對數(shù)據(jù)的理解，描述性數(shù)據(jù)分析是有幫助的。盡管如此，高級分析的許多模型和技術都能提供無法通過直觀可視化捕捉的數(shù)字。PoC 的持續(xù)時間可能只有6—8 周。除了訪問必要的數(shù)據(jù)或從相關數(shù)據(jù)源提取數(shù)據(jù)之外，此階段的關鍵挑戰(zhàn)還包括數(shù)據(jù)質量、數(shù)據(jù)所有權和數(shù)據(jù)理解。更多的障礙是清理數(shù)據(jù)并將其轉換為可處理的格式并應用正確的模型。此外，業(yè)務理解對于從數(shù)據(jù)中獲取有價值的見解并實現(xiàn)不僅合理而且與業(yè)務相關的結果而言至關重要。另一個問題是缺乏分析經(jīng)驗和實施結果所需的敏捷性差。

3.階段三和階段四：操作化

階段三和階段四是將PoC 結果集成到專業(yè)的IT基礎架構中。原型結果需要準備好運行并轉化為應用程序。要回答的主要問題是：模型是否可擴展，迄今為止取得的成果是否適用于更大的數(shù)據(jù)集？操作時必須作出調整，以便由IT 服務組織維護最終的應用程序，而不需要數(shù)據(jù)科學家的持續(xù)支持。并且必須建立基于事件或基于時間的數(shù)據(jù)流，并與最終應用一起，與遵從性、安全性和數(shù)據(jù)隱私要求保持一致。另外，事件處理和應用程序變更的測試管理和服務級別協(xié)議需要商定，以及產(chǎn)品和組合管理功能，以防工具或應用程序意圖承擔戰(zhàn)略性的長期角色。如障礙包括所需的預算，過于復雜的測試、標準和合規(guī)性。而IT 管理的整合和IT 部門的任務分配是另一個問題。這涉及從敏捷的迭代工作模型轉換到穩(wěn)定的操作并擴展分析模型并將其轉換為可維護的代碼。一般來說，將PoC 原型轉換為專業(yè)基礎設施需要付出巨大的努力。如在運營過程中的進一步障礙是，建立支持和服務管理功能，實現(xiàn)用戶群的接受，開發(fā)適當?shù)呐嘤柛拍?，以及傳遞維護、測試和開發(fā)應用程序所需的知識。

四、討論與結論

組織通常面臨的挑戰(zhàn)在于從大量可用數(shù)據(jù)集中為價值生成定義策略。本文討論了如何從數(shù)據(jù)中檢索價值，并介紹了分析項目遵循的系統(tǒng)化流程。首先，描述了創(chuàng)造價值的基本要素：業(yè)務需求、數(shù)據(jù)、基礎架構和分析。然后，描述了從構思到市場準備應用程序的過程。根據(jù)項目的成熟狀態(tài)，可以在不同階段進行輸入。描述了這個過程的四個階段重點和具體障礙。該模型面向分析過程的階段模型[19]，旨在構建和系統(tǒng)化探索性分析方法。

分析和大數(shù)據(jù)不僅是一項技術挑戰(zhàn)，而且會影響整個組織及其流程。為了成功進行分析，不應該花費更多的精力去構建復雜的模型，而是將結果集成到現(xiàn)有（技術）基礎架構和流程中。對于專業(yè)化的原型，結果必須被接受和理解，并且業(yè)務部門應該持續(xù)參與該過程。此外，專業(yè)人員和技能是必要的：不僅需要具備機器學習和統(tǒng)計建模能力的數(shù)據(jù)科學家（Mikalef et al.，2017），還需要IT 專家和業(yè)務理解。此外，如果將分析整合到技能和能力的總體框架中，并且分析計劃嵌入到業(yè)務應用程序中，則只能從數(shù)據(jù)生成價值。

在構建分析功能時，本文結果可以轉移到具有不同規(guī)模和經(jīng)驗水平的組織。本工作描述的過程通過分析項目來指導，并說明與已知IT 管理方法的區(qū)別。本文主要討論分析創(chuàng)新的含義，概述了一種數(shù)據(jù)驅動型創(chuàng)新的方法，這項工作有助于數(shù)字創(chuàng)新管理的演變[26]。未來工作應該檢查組織分析的決策。這涵蓋角色和責任、團隊結構；主要分析團隊或組織中分析單位的組織嵌入等方面。這項工作的結果應該與分析能力的研究聯(lián)系起來，這些分析能力通常按照管理、技術和人力能力的維度進行分類[4][27]。在整個過程中，正如本文所介紹的那樣，分析的理解變得更加清晰。因此，應該檢查它對組織學習、技能開發(fā)、建立共識和構建分析能力的貢獻。根據(jù)Davenport 和Harris（2007）的說法[5]，這種分析學習過程需要大約18—36 個月的時間。從技術角度來看，特別是將分析解決方案整合到整個IT 環(huán)境中，原型的專業(yè)化和既定流程的變化仍然充滿挑戰(zhàn)。