如果分析工具与企业业务需求不匹配，那么即便最好的高级分析工具也是注定要失败的。

Rod Moyse是一家英国保险公司Aviva plc的分析主管，他用了五年的时间来完成报告和数据产品，这些产品旨在对业务流程进行简化和加强，但这最终也没有得到充分利用。这意味着他的团队一直在花费时间创造分析工具，企业也错失了通过数据获得竞争优势的大好机会。

“人们并没有真正理解分析是什么，” Moyse在Las Vegas 举办的SAS 分析经验会议的一场演讲中如是说，“这是黑暗艺术中最为黑暗的作品之一。我们需要将其改变，而且速度要快。”

在2010到2014年间，Moyse团队创建的工具可以根据客户服务投诉，被欺诈可能的打分以及对人身伤害赔偿相应的结算数据的预测来评估损失客户的风险。

分析工具的应用取决于员工的接受程度

Moyse说，这些模型拥有高预测可靠性和为公司节省开支的潜力。当他的团队为管理层展现这些工具的时候，每个人都兴奋异常，但一线员工并不接受这些工具。

直到2015年，他的团队构建了一个工具可以预测哪个交通事故索赔会导致汽车被定为全损且处理人员应该为客户交付多少索赔金额可以解决问题。

Moyse说，该工具在没有将工作完全自动化的情况下，对处理人员索赔工作的一部分进行简化，这才是关键所在。这为那些决策者评估他们在流程担任哪些角色时解决了问题。

“这是我们所做过最棒的事了，因为它赋予了我们用户超能力，”Moyse说。

在一线采用分析工具的关键所在

分析团队经常会收到这样的提醒：要寻找投资人并解决与业务线相关的项目。这些东西虽然很有用，但它们需要以正确的方式来完成。

Moyse说，你需要一个有远见的投资人，有兴趣和足够的资金来资助一个项目，即使该项目无法马上提供直接的回报。投资人还需要一个故事来分享这个项目。这并不意味着你需要解释预测分析算法的所有技术细节，但它确实意味着你要确保投资人能够在概念上向其他高管解释清楚。

选择正确的项目同样重要。Moyse说高级分析工具不应该只是解决实时业务需求，更应该变得有趣以吸引大家来使用。

Kelly McGuire是Wyndham Destination Network的副总和高级分析师，她让分析团队成员贴近业务线，这有助于实现某些目标。她的团队中有参与业务的专家，他们的作用是作为分析团队和业务之间的接口，这有助于让分析人员将精力集中在为一线员工需求交付数据产品上。

例如，该团队最近为公司在英国的别墅租赁部门的代理们创建了一个移动应用程序。该应用使用机器学习算法通过Wyndham列出要求清单来预测业主能够从他们资产中获得的现金资产。如果他们对要求清单做出调整，代理们能够为资产业主展示现金量会如何变化。

积极主动解决问题

McGuire说，该应用程序拥有不错的可用性，因为它干净利落地为代理们解决了问题并驱动了业务结果。如果不是与业务线密切贴近，那么需求可能就不会那么明显了。

“你所做的是要展示出他们所理解的业务流程中的好处，”他说。

分析团队证明他们价值的另外一个途径就是更多的地承担更高级的分析项目。在这一点上，大多数公司已经找到了基本的商业智能而且在改善已有报告项目上没有太多价值。

Elisa Gois是MGM Resorts International的首席分析官，她说如今真正的价值在于做预测分析。这些项目能够开启新的价值来源，而这是更多的反应式报告不能做到的。同样的，她说过去的经验并不能很好地预测将来，不能对业务线产生真正的帮助。而拥有未来思维则是有所帮助的。

她管理的团队预测劳动力费用，优化营销活动并改善客户参与流程。这些预测项目都因努力而改善了已有报告的价值，并且在与业务线的密切协商上有了长足发展。

她说：“你的确需要将公司的注意力转向预测分析，并且必须确保与业务重点保持一致。”