于是，大家纷纷加入吐槽
企业转型难！
企业数字化转型难！！
转型为分析驱动型企业更是难上加难！！！
转型这么难，还有企业能“上岸”嘛?
BUT，安顾做到了！
（图片来自于安顾保险集团官网）
那么，安顾是谁？它是怎样成功转型的？应该分几步推进转型？
安顾保险集团 (ERGO Group AG) 是德国和其他国际市场主要保险商之一，拥有40,000多名员工，销售合作伙伴遍布全球，保费总收入达187亿欧元。公司提供各种保险和金融产品，在德国国内市场的客户超过900万（要知道，德国总人口数也不过8000多万人，相当于每9个人中就有1个是安顾的客户）。
那么，为什么安顾要转为分析驱动型企业，难道能让它C位出道？（吃瓜脸）
首先，转型为分析驱动型企业是安顾战略计划的重要组成部分。其次，好处是可以系统化利用高级分析提取数据中的价值，同时优化整个价值链流程，包括：产品设计定价、销售分销、承销、风险管理、客户交互、索赔、服务和运营。
既然分析驱动型企业好处这么多，那么到底怎样才能成功转型呢？听说安顾只用了4步，跟随小赛一起看看吧！
为实现“分析驱动型企业”这一目标，安顾公司三年前建立了高级分析技能中心，该部门由27名高素质专业人员组成，包括数据科学家、数据工程师、分析顾问和支持经理，负责业务部门和利益相关方的沟通。
团队利用雄厚的数据分析和可视化技术实力，结合丰富的IT解决方案，开发专业知识，以及对各个保险流程的深入了解，识别并构建相关应用场景。
安顾的中期目标是“
利用高级分析提高竞争力
”。
安顾的数据分析顾问Tim Stettner表示：“我们仍处在利用数据分析改进操作流程的阶段。人工智能可以帮助我们更好、更快、更有效地开展业务活动，
转变业务模式深入广泛地利用数据，是分析驱动型企业转型的关键一步
，但这要求每一级组织更新他们对于数据分析的陈旧观念。整个企业的思维方式都要变革。”
从技术角度看，安顾高级分析策略包括部署含有分析数据湖的最先进的IT生态系统，支持AI应用场景流程和操作功能建模。
满足当前分析需求需要相应的分析环境。传统数据仓库来自商业智能时代，不适合用来满足新的业务需求。而数据湖支持我们利用历史数据和外部信息的应用场景。
公司可以利用数据湖功能开发并训练模型，同时利用专用数据集支持应用场景，提高响应速度
。
值得一提的是，安顾
将SAS®Viya用于医疗索赔管理，提升其利用机器学习和人工智能防止无理索赔的运营能力，这无疑为它的分析驱动策略确立了又一个重要的里程碑。
真正分析驱动型企业的独特竞争力是数据科学项目实施能力——
将模型从实验室转入实际应用环境。
无论何时，人才都是企业的核心竞争力，安顾认为跨部门交互可以实现高级分析专家、IT专家和业务人员 (数据和流程专家) 之间紧密、灵活的协作，从而产生更大的价值。
Stettner认为，所谓的“公民数据科学家”应该称之为“领域数据科学家”，这些人精通自己所在的领域，通常执行分析任务，在精算、承销和风险管理等业务部门工作，在实施模型中起着至关重要的作用。
当然，采用复杂的技术方法时，这些业务方面的专业人员需要横向数据科学团队的支持。但是，他们在特定流程高级分析方面具有相当的优势，可以加入自己的专业知识和独特技能。
想要揭开高级分析、人工智能和机器学习带来的巨大机遇的神秘面纱。就需要认识到：
协作才是数据科学项目成功，充分认识分析优势，以及企业领导者、利益相关方和最终用户之间顺畅沟通的关键要素。
参与安顾项目的SAS首席解决方案架构师Tamara Fischer分享了她对沟通交流重要性的看法：“必须借助沟通让企业中的人认识到新技术的好处，因为没人愿意投资自己不知道或不了解的东西。企业必须重视示范项目的巨大价值，这些项目能够重点展示高级分析在特定应用场景中的潜力。”
SAS正是采用这种方式与客户沟通。
企业中的人可以看到，示范项目展示实施的技术如何转变流程，帮助员工完成日常工作。
即使安装了最先进的软件，但如果用户不了解其功能和可能产生的反馈，“最先进”也毫无用武之地。
而通过演示和原型设计，人们会更加深刻地了解到分析的强大能力。
全企业参与，对于落实分析驱动策略至关重要。在提升技能、基于坚实框架运行模型的基础上建立可持续发展企业，需要企业变更管理计划。
帮助商业智能人员摆脱困境、更多地体验新的分析方法。同时，积极鼓励公司内部使用模型和技术的行为。用户之所以对新的解决方案兴致不高，是因为他们不知道新技术蕴含多少能量，如果向他们展示一些简化或改进工作的工具，兴趣也就随之而来了！
Tim Stettner
“20世纪初，如果问人们想要什么，他们会说要一匹更快的马，而不是一辆新汽车。分析需要同样的文化转变才能彻底创新，而不仅仅是自动化流程。”
实现分析驱动型企业转型，安顾用了4步
那么，您的企业（行业）是否应该转型为分析驱动型企业呢？为什么？
请在下方评论区各抒己见
留言获赞数最多的真知灼见
将获得The Little SAS Book一本！
未经授权不得转载、摘编或利用其它方式使用上述作品。已经授权使用作品的，应在授权范围内使用，并注明“来源：SAS数据分析及作者”。违反上述声明者，SAS将追究其相关法律责任。
电子邮箱：contact.china@sas.com
本文分享自微信公众号 - SAS数据分析（saschina）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
来源：oschina
链接：https://my.oschina.net/u/4594317/blog/4442048
