如果你随便问一名消费品主管，问他(或她)的公司是否已在数字化和分析方面进行了投资，你几乎一定会得到肯定的回答。但是，如果你问这些投资是否取得了预期的成果，回答则多半是否定的。我们的研究表明，投资数字化和分析的消费品公司中只有40%的公司获得了高于资本成本的回报。其余的公司则受困于“试点炼狱(pilot purgatory)”，虽然小有所成但却没有对整个企业产生影响。
潜在价值并非微不足道：我们的分析表明，公司扩大数字化和分析计划的能力与其盈利状况相关。在本文中，我们描述了公司在扩大数字化和分析规模的过程中会遇到的一些最常见的陷阱。我们还将研究持续获得成功的新兴方法。
衡量数字化和分析的成熟度及其价值
就数字化成熟度而言，消费品行业还有待提升。在最新的麦肯锡数商(McKinsey Digital Quotient)调查中分析的11个行业中，消费品排倒数第三。该行业在分析成熟度的比较中表现优异，排名第五。这不足为奇，因为大多数消费品公司都将重点放在既定的分析领域(例如定价)上，而这些领域无需太多直接的消费者数据。与消费者有更直接联系的行业(例如零售业)则更加注重数字化功能，从而实现全渠道的消费体验。
在消费品行业中，数字化和分析成熟度最高的公司正在创造巨大的价值。在2010年至2018年间，数字化和分析业方面表现成熟的公司(位居前五分之一)的股东总回报(TSR)的复合年增长率(CAGR)为19.2%，比排名倒数五分之一的公司的2007年的12.3%复合年增长率高约60%。
尽管该分析无法证明这种因果关系，但这种关联性却十分令人信服。鉴于行业要应对发展方面的难题，因此行动呼吁(call to action)十分清楚明了：要么充分利用数字化和分析的力量，要么就落伍。
最常见的失败模式
凭借与全球消费品企业合作的经验，我们发现了四种最常见的失败模式——这就是导致一些组织无法通过数字化和分析大量获取价值的一些错误：
- 没有将数字化和分析程序与企业策略关联起来。落伍者往往将数字化和分析工作视为次要项目，而不是在整个企业推动工作重点的因素。毫不奇怪，这些工作很难获得成功所需的各种关注和资源。
- 过早进行大笔投资。有些渴望拥有最新技术的公司在没有彻底了解企业的真正需求以及产生重大影响的源头就抢先对数字化和分析进行投资。这种失败模式通常以两种形式出现：公司要么追求成本高昂且包罗万象的“数据湖”，要么不仔细考虑数据湖将要实现的功能，要么投资新技术栈以简化或协调核心平台(例如企业资源计划系统)，最后却发现仅仅在两年以后，当今一流的技术栈就会过时。
- 坚持找到“完美”的员工。落伍者要花半年时间来找两三名数据科学家，或者一直等到他们认为已经找到了“完美”的人才来领导团队。找最优秀的数据科学家，数据工程师，设计师和其他熟练的技术人员来担当关键职务并没有错，但是有多种方法可以在建设技术团队的同时加快进度，例如为了获得新的能力而培训内部人才，将职责分散化或建立合作伙伴关系。
- 对变革管理的投资不足。高管们常常表示自己希望在变革管理上的投入与在技术上的投入一样多，甚至更多。如果没有高级业务负责人在变革方面做出榜样，也没有制定全面的计划来鼓励一线员工采用，那么新技术就不会产生任何粘性。根据经验，数字化和分析领域的领导者必须按以下方式分配精力和投资：25%用于数据，25%用于技术，50%用于变革管理。
成功的新秘诀
尽管只有少数消费品企业在数字化和分析方面产生了大规模的影响，但成功的秘诀正在变得越来越清晰。以下是数字化和分析获得成功的四个核心要素。将这些要素结合起来有助于公司避免或克服上述失败模式。
1. 树立大胆的长期愿望
公司应避免仅模糊不清且烂大街的愿望(如“我们将培养出色的分析能力”)，这肯定会失败。相反，它们必须先制定与公司战略明显相关的具体的，长期的数字化和分析愿景。例如，有一家消费品公司对转型树立了这样的愿景：“使用数字化和分析技术创建一流的销售队伍，从而每天都能在正确的时间，正确的地点执行正确的行动并完美执行。”
然后，此愿景确定各个重点领域和投资。重要的是，公司必须对起点进行坦率且详细的评估并使用大家都懂的话和易于理解的标准，从而确保不同级别的人都认识到所需变革的幅度。一个业务部门对“数字化和分析”的定义可能与另一个业务部门大相径庭，因此它必须对当前的事务状态有一个透彻的了解并为成功下一个通用的定义，这一点很重要。
2. 执行“域转型”，而不是不相关的用例
任何数字化和分析程序的核心都是“用例”，这些用例定义了要通过新的工作方式解决的特定业务问题。这些用例可以在企业的前台，中台和后台找到。它们能够以“域”的形式组合在一起，“域”是用例的子集，它们共享一个公共元素，例如部署机制、数据源或业务用户。我们发现，如果我们希望重大的变革发生，那么我们最好在同一个域内使用用例。
在数字化和分析转型的早期，公司会根据可行性和影响力来分清各个用例的轻重缓急(主要是各个商业职能)。为了支持优先级最高的用例，公司随后创建了一系列影响力广泛的推动因素，例如一个数据湖，一个技术栈以及一个容纳所有新人才档案的技术组织，例如数据科学家。从理论上讲，这些推动因素将满足整个企业的需求。
但是，实际上，一般的推动因素很少能满足特定的业务需求。因此，要想成功地扩展数字化和分析工作就需要一种不同的方法：有一种方法是优先考虑完全启用的域转型而不是无关的用例。如果公司不在同一个域中(比如说第一，四和第六个影响最大的用例)，而不是在不同的领域中执行影响最大的三个用例。然后，公司可以开发特定领域的支持者(例如域所需的数据，对技术栈所做的重大变革或为业务用户而培养的能力)。这样，公司就可以从其投资中获得更高的回报，因为这些推动因素支持该领域内的所有用例。
这种方法还使公司能够应对每个域独一无二的难题。例如，销售分析和销售领域(尤其是对于分散的大型销售组织而言)通常需要人们特别关注与核心技术栈链接并通过广泛的能力建设进行部署的手持工具。另一方面，收入管理和全类型管理(omnicategory-management)域则由一个相对受到限制的团队进行的复杂的，精细的分析，而这对技术栈的影响十分有限。通过转换域，公司可以应对这些特定于域的难题并更快地产生大规模影响。
数据是消费品组织正确决策的最艰难的推动力之一。
企业中台的域转型往往是最困难的：快消品(CPG)公司通常在其供应链组织中有数百(甚至数千)人，而且散布在计划团队中的多个数据源，工厂和配送中心。有一家快消品制造商一直努力优化其产品的可用性，同时又要保持较低的销售成本(COGS)和库存。行政团队同意优先考虑一个域(销售和运营计划)并在该域内选择两个用例，这些用例既可以产生巨大的影响，又可以为将来的工作奠定必要的基础。第一个用例是数字化的端到端供应链计划;第二个用例是基于销售点数据的需求预测。
域转型的主要推动力包括一个数据生态系统，该生态系统集成了来自100多个数据源的输入，并成为该组织的“单一信息源(single source of truth)”;有一系列强大的数字化和分析工具(由计划经理和用例专家共同选择和完善)，从而将计划过程中的关键部分自动化并解放计划团队的生产力;展开深入的能力培养工作，该工作涉及了200多名人员，这些人员遍布于多个计划单元中。这就是三个推动因素(在过去的转型工作中常常被人忽略)对于成功至关重要，考虑到整个人才库的技术专长千差万别，因此这个因素显得尤为重要。
第一年就产生了明显的影响：通过降低库存水平和改善客户服务来增加收入，通过减少过时产品的数量来降低成本，通过减少安全库存来显著减少库存。该公司的需求预测准确性(本来就已经超过了行业平均水平)提高了六个百分点以上。
3. 确保跨域推动者的一致性
每个域都必须完全启用才能取得成效——但是，当各个域的推动因素的作用开始扩散时，这些因素也必须保持前后一致。例如，为每个域创建专门的数字化和分析组织的做法是不明智的。相反，先进的公司只设立一个数字化和分析组织(中心化，联合化或两者兼具)，然后根据需要将特定的技能和功能部署到每个域。
数据是使消费品组织正确行事的最艰难的推动力之一。很多组织没有那么多消费者数据和零售商的销售点数据。他们拥有的相关资产(内部财务，产品和客户主数据)通常存在于孤立的遗留系统中，这些遗留系统难以访问和协调。消费品公司往往缺乏强大的数据治理流程，无法按照隐私法规在整个组织内使用，保护和共享数据。
有些消费品公司已经意识到这些不足之处，它们误以为自身需要获取大量新数据，误以为自己要创建庞大的新数据库来存储数据并变革整个数据基础设施——并且立即进行所有这些操作。但是，我们的经验表明，优先考虑能够带来最大价值的推动者会更加高效，而且还有助于确保各个域的推动因素能够一以贯之。
例如，当某个地区的消费品制造商开始进行数字化和分析转型时，它选择了可以根据需要扩展的基于云的数据生态系统。这个生态系统将成为该公司在所有域中的唯一一个数据存储库。该公司要确保其数据策略和部署工作与总体的数字化和分析路线图保持一致。数据是以增量方式接入的，因此该公司可以首先处理优先级最高的域和各个用例所需的最重要的数据元素。
该公司从转型工作一开始就十分看重数据治理，因此它在IT组织中任命了一名首席数据官(CDO)。首席数据官在每个业务部门中都安插了“数据大使”。这些大使与业务线的负责人合作，确定了最终要求和特定领域的计划。
4. 重新配置运营模型以提高速度和灵活性
消费品公司通常无法快速灵活地运作。数字和分析领导者开始围绕“小分队”或“小队”组织工作，这些小分队可以移动并做出更灵活的反应。有一家制造商修改了其运营模型，从而纳入以下要素：
- 以业务为主的团队，提供专门的IT支持。班组长负责定义班组要解决的具体业务问题并确保获得价值。小组负责人(或产品负责人)不是IT或其他技术人员，而是业务领域的专家，这些专家对各个领域和相关用例都有深入的了解。所有小分队还根据需要配备IT和数据科学专家，因此它们可以使用基于短跑(sprint)的工作模型(从最小的可行产品到大规模的影响)快速取得进展。
- 数据科学卓越中心。该公司建设了一个由内部和外部人员组成的数据科学家和工程师团队，从而创建新的卓越中心(COE)。卓越中心与其他技术团队(例如基础结构和安全性团队)不同。它监督每个小分队的数据科学以及跨队的最佳实践和知识共享。
- 得到了授权的转型办公室。为了确保转型成功，该公司成立了由高管组成的转型办公室。在定期进行的评估中，发起人和小分队领导向转型办公室介绍各个计划的进展情况;发起人也可以提出各种新想法。这种结构和节奏可以使公司的高层领导跟进阶段性成果并动态地将资源重新分配到各个重点领域。
- 重视领导力培训。管理者们完成一门必修的能力培养课程，该课程不仅教会他们数字化和分析程序将如何帮助企业发挥出色绩效，而且还教会它们如何根据新的工作方式调整管理风格。例如，有一种方法就是避免使用“命令和控制”的管理风格并让团队在敏捷的冲刺中做出决策)。组织花钱培养领导力，这向组织上下的人发出了一个强有力的信号，这使人兴奋不已并推动了更可靠的变革管理。
数字化和分析程序不再是可有可无的。如果不利用这些技术的力量和潜力，公司将无法在当今的商业环境中高效地竞争。扩大这些技术的规模(以便它们能在整个组织中发挥作用，而不是只对一小撮人起作用)对于提高股东总回报率和维持竞争优势至关重要。
