价格优化的前提条件
创新并不仅仅意味着发明一种新工具，也关系到人们如何使用这样的工具。从这个角度来看，每一种新技术都涉及变革管理。价格优化技术也不例外。包括大数据分析在内的新技术要想获得成功，都需要管理者创造条件，从而把握机遇。若想有效使用价格优化技术，管理者必须意识到：
• 对诸如竞争对手价格这样的外部信息源持开放态度，从而对内部数据进行有效补充；
• 打破组织内部不同职能领域的壁垒和屏障，实现信息共享；
• 聘请真正懂得如何使用价格优化技术的数据分析专家。
最重要的是，管理者需要冲破内在阻力，认识到价格优化技术将不会取代推销商或销售主管。尽管价格优化技术是一种高效灵活的决策支持工具，但是它的作用和大多数工具一样，主要目的是提升推销商或销售主管的专业能力，而非取代他们的工作。
事实上，绝大部分公司的销售商和价格制定者只能专注于公司10%或20%的拳头产品，无暇顾及每个种类的所有产品。自动化提升了公司的定价能力，让公司实现更多产品的价格优化，而这一点是大部分公司原本做不到的。
■翻译：张宇
关注“商评小微”（微信号：xmi8607），即刻拥有你的企业家交流圈。
作者简介： 戴维· 西姆奇- 莱维，麻省理工学院（MIT）工程系统教授，同时也是该校运筹学研究中心和数据、系统与社会研究所教授。
专题
* * *
企业管理者可以学习竞技体育中的数据分析
方法，来协调公司的不同层级、提高团队绩
效和构建行业生态。
向竞技体育学数据分析
■托马斯·达文波特（Thomas H.Davenport）
体 育分析学如今非常时髦。电影《点球成金》（Moneyball）里奥克兰运动家棒球队的传奇故事已经让体育分析学广为人知。之后数年，人们对竞技体育领域分析学应用的兴趣与日俱增。被称为体育分析学领域“超级碗”（Super Bowl）的MIT斯隆体育分析学大会（也有人称之为“球类运动的TED演讲”），2007年召开首届会议时，大约175人与会，而2014年有2,000多人参会，该学科的成长由此可见一斑。这一学术会议促使学术界、职业及大学球队和媒体借助分析学，了解体育赛事及体育产业的各个方面。如今几乎每支职业棒球队都拥有一名甚至多名专业数据分析师，许多篮球队、橄榄球队和足球队也是如此。甚至一些高中球队现在也聘用了数据分析师。
但总体而言，竞技球队对于数据分析的使用还落后于企业。即使是最成功的专业球队，规模也不够大，还无法像大银行或零售商那样，动辄雇上几百个分析师。而且许多老派的教练、球队经理和高管对复杂的体育数据分析缺乏信任和理解。就数据分析在球队应用的现状而言，它还远不成熟。电影《点球成金》中奥克兰运动家棒球队的故事发生在2002年，那时体育数据分析还是个新事物。笔者发现，UPS快递公司早在1954年就成立了数据分析部门。
尽管如此，体育界的一些数据分析方法还是值得企业界学习。我这段时间为了撰写一份竞技体育中数据分析应用状况的研究报告，采访了30多名相关人士，包括球队成员、体育分析公司代表及咨询顾问。我重点关注了数据分析应用在三个不同领域的快速发展，其中应用最广泛的是针对球队及队员赛场表现的分析，其次是体育经济，再次是体育医疗和运动损伤防范。本文将讨论几乎任何企业都可以借鉴的五条重要经验。
1.在不同层级间协调领导力
在竞技体育领域，重大决策的制定和执行，如购买哪位球员、如何确定薪酬，以及如何提升比赛成绩及经济回报等，都事关不同层级，因此在不同层级间协调一致至关重要。
在美国职业篮球联盟（National Basketball Association, NBA）的达拉斯小牛队（Dallas Mavericks），球队老板马克·库班（Mark Cuban）、主教练里克·卡莱尔（Rick Carlisle）都大力支持数据分析应用，并且积极身体力行。他们聘请了著名的数据分析专家罗兰·比奇（Roland Beech），在球队席上现场观战。2011年，小牛队获得联赛总冠军，之前曾创办过互联网公司的库班在ESPN体育频道采访中指出：“罗兰是球队夺冠的关键人物之一。主教练卡莱尔安排他一线观战，并与他紧密合作，这一点非常重要，因为我们可以全面掌握赛场情况，知道什么阵型可以发挥作用，以及比赛战术安排和训练方面还存在什么问题。”
小牛队的经验告诉企业，在推行数据分析策略时，公司CEO、中层管理者和数据分析专家必须密切合作，在关键决策问题上，彼此要经常协商。宝洁（Procter & Gamble）等企业从集中化的数据分析部门抽调分析人员与各级高管并肩工作（就好比小牛队的数据分析师与主教练一同观战），而在企业界，像宝洁这样做的企业还不多。
2.关注人的因素
竞技球队都意识到球员是球队最重要同时也是花费最大的资源。（企业也这么说，但执行起来不如职业球队）职业球队用不同方式关注业绩中人的因素。
首先，他们密切关注球员在赛场上的表现，指标包括每场得分、篮板数、击球平均数，以及其他一些越来越复杂的攻防指数。的确，球队聘请的数据分析师（以及有着量化思维的球迷）不停地在创制一些新的绩效指标，有一些用到了GPS和WiFi等视频和定位工具。
其次，有些球队已经不局限于做单个球员的表现分析，他们会分析不同组合情况下球队的表现。比如说，他们会对比某位球员在场和不在场时的球队表现，这被称为“加/减”分析。因此，即使某位球员在场上的比赛数据并不抢眼，但如果他在场上时，整个球队比赛状态更好，那么这位球员仍旧十分重要。推而广之，分析师们还可以分析某几位球员组合在场和不在场时的球队整体表现。现在效力于迈阿密热火队（Miami Heat）的沙恩·巴蒂尔（Shane Battier）就被公认为一位上场即可提升球队整体表现的重要球员。
观点概要
体育分析学如今非常热门。美国职业篮球、棒球、足球和橄榄球联赛无不配备摄像机、GPS设备记录现场比赛情况，并配备数据分析师专门研究比赛数据，根据结果采取改进措施，从而提高比赛成绩。
相比一般的竞技球队来说，大企业更具财力优势，可以聘请更多的分析师，但是这些企业往往没有很好地收集和利用数据。本文作者总结出企业可向体育分析领域借鉴的五条重要经验。
1.在不同层级间协调领导力
2.关注人的因素
3.利用好视频和定位数据
4.在整个生态系统里分工合作
5.支持“业余分析师”
绝大多数企业着重于运营或营销方面的数据分析，相比之下，对人的绩效分析不是很注重。一些公司即使聘请了人力资源分析团队，但分析手段与职业球队相比还不够发达，到目前为止，他们还只能做单个员工的绩效分析。而对比某位员工在与不在时的团队表现，或许能带来一些有价值的发现。比如说，大公司的B2B销售团队针对不同客户有不同的人员组合，对这些不同组合进行分析可以帮助公司找到销售部门的沙恩·巴蒂尔。零售商场和银行网点的员工团队同样也适用于这种“加/减”分析。
3.利用好视频和定位数据
美国职业足球大联盟（Major League Soccer, MLS）的球员穿戴了GPS定位设备，他们在场上的所有活动都会被记录下来。每一个NBA赛场都在顶部安装了6台摄像机，用于拍摄球员的场上表现和篮球的运动轨迹。美国职业棒球大联盟（Major League Baseball, MLB）的比赛场则用摄像机记录下每一次投掷，许多棒球队还跟踪拍摄每一次击球与跑垒。有了这些数据，纽约扬基队（New York Yankees）可以预测哪些队员有可能在扬基主场体育馆取胜。该队虽然较晚才启动“点球成金”式的数据分析，但已经后来居上成为这方面的领先者。比如说，他们对亚特兰大勇士队（Atlanta Braves）接球手布赖恩·麦卡恩（Brian McCann）的击打进行了分析，他们发现他打出的球飞行轨迹如果放在扬基队主场，许多都能成为本垒打，于是扬基队把布赖恩·麦卡恩招至麾下，合同期5年，工资开到8,500万美元。
一些企业也开始使用视频和GPS定位数据。UPS、施耐德物流（Schneider National）等运输企业已经利用数据对运输路线做了优化，从中节省的开支相当可观。零售商场、银行、旅店也从顾客排队的视频分析入手，设法减少等待时间，提高满意度。但这些工作还只是停留在表面，零售商还可以分析视频，看看顾客在购物前逛了哪些柜台，有哪些促销活动吸引了他们的注意力。视频可以给实体店提供电商才有的详细信息。
4.在整个生态系统里分工合作
一般来说，职业球队只能算是小规模企业，营业收入大多付了球员工资，只留下少部分资金用于数据采集与分析类项目。因此，球队需要在数据、软件和服务供应商组成的大生态系统里开展合作。
这类合作的关键在于，一方面要从合作伙伴那里获取尽可能多的东西，另一方面要保持公司内部的关键能力。奥兰多魔术队（Orlando Magic）的分析与战略部与一家软件公司密切合作，后者为其提供分析软件和其他服务，但球队仍有8位分析师，负责以下方面的分析工作：篮球及企业运营、球票的动态定价、球迷推广、数字化战略等。魔术队的合作伙伴——迪士尼公司（Walt Disney）在奥兰多有一支非常强大的数据分析团队。魔术队与迪士尼一起合作，在奥兰多地区面向常住居民和旅客进行推广，这让魔术队获益匪浅。
当然，在一个生态系统里分工合作意味着需要把各自的想法拿出来分享，究竟是几个竞争对手之间广泛合作，从而取得整体利益，还是通过排他性的先行权利在竞争中占据优势，这两者之间需要有所权衡取舍。如今，NBA、MLB和MLS全采用了新的数据技术，因此技术供应商可以为任一球队同时提供标准化及定制化的分析报告。（向球迷开放许多这类报告，有助于培养人们对体育的兴趣）许多很早就采用数据分析的球队认为，即使在数据分析得到广泛应用后，他们仍然有竞争优势。
休斯顿火箭队（Houston Rockets）是最早在体育中心安装摄像机的球队。球队总经理达里尔·莫里（Daryl Morey）承认随着摄像机在全联盟所有赛场的安装使用，其他球队在这方面已经迎头赶上。（他同时也认为，如今可以获取所有球队和比赛的视频数据是件好事）不过达里尔还是觉得火箭队在数据分析方面拥有竞争优势，因为火箭队拥有更多数据分析师、更丰富的数据应用经验和更高的应用积极性。
在更大范围内的生态系统中开展分工合作，对于中小企业非常重要，而且对大型企业来说也有意义。因为数据应用技术多种多样，可利用的数据类型和分析方法也是五花八门。即使是巨无霸型的公司也无法仅凭一己之力做到最好。宝洁与几家主要的数据服务商、分析软件及相关服务商建立了紧密的合作伙伴关系。它们一同建立了“商业领域”工作室，共同研究数据，并根据分析结果开展工作。如今，宝洁拥有50多个这样的工作室，分布在不同的工厂及办公地点。宝洁还与英国石油（BP）、波音（Boeing）、迪士尼、通用电气（General Electric）及联邦快递（FedEx）等不同行业的领先者分享自己的数据分析策略。此外，宝洁与上述企业以及数据服务合作伙伴举行年度大会，并将该年会称为“金矿”。
5.支持“业余分析师”
一些职业球员开始学着利用公共数据或球队专属数据及研究报告分析自己的比赛表现。尽管使用数据分析最频繁的一直是职业棒球选手，特别是投手，但近来许多足球和橄榄球运动员也开始刻苦研究比赛录像和GPS数据。
亚利桑那响尾蛇队（Arizona Diamondbacks）现役棒球运动员布兰登·麦卡锡（Brandon McCarthy）在2009年效力于老东家——得克萨斯游骑兵队（Texas Rangers）时开始接受数据分析的方法。此前，很少有人会称他为“统计怪才”。麦卡锡读中学时就入选职业球队，从来没上过大学。但一次肩部受伤后，他修养了三个月，其间麦卡锡开始对比自己和更成功的投手的比赛数据。他特别关注不考虑守备的投球统计量（Fielding Independent Pitching, FIP）指标和地滚球与腾空球的比率。他发现自己的投掷方式会导致过多腾空球。与地滚球相比，腾空球预计会造成两倍的跑垒得分。因此，根据ESPN报道，麦卡锡开始练习二缝线快速球，这会导致更多的地滚球。结果麦卡锡进步神速，在2011赛季，他成为全联盟第一投手中FIP最低的佼佼者。他投掷的次数明显减少，对方击球手打出来的腾空球也越来越少。尽管职业体育运动中这样的“业余分析师”为数不多，但像麦卡锡这样的运动员正是凭借数据分析大幅提高了比赛成绩。
企业管理者和专业人士所掌握的绩效数据可能没有职业运动员那么多，但学会数据分析可以为他们带来诸多好处。很多公司的评价与薪酬体系都与一些特定的评估标准挂钩。积极性高的员工会特别关注他们在这些指标上的得分情况，并根据测评信息来提高绩效。具有数据分析意识的销售人员和销售主管，可以根据客户关系管理系统（CRM）及销售管理系统中的大量数据来评估和提高绩效。设想如果一个最成功的销售人员至少拿出10%的工作时间关注潜在客户的开发，那么绩效水平一般及较低的员工也会相应调整自己的日常工作惯例，以确保这项重要任务得到足够的关注。
职业运动队和体育联盟在很多方面都模仿了企业的分析方法，比如说找出最佳顾客，并给予奖励（球队的最佳顾客通常是购买赛季套票的球迷），以及优化票价（航空公司20多年前推出的举措）。但是现在，体育领域的数据分析越来越发达，像波士顿红袜队（Boston Red Sox）、达拉斯小牛队、旧金山49人队（San Francisco 49ers）等成功的数据分析型球队完全值得企业学习。过去，许多企业管理者喜欢使用体育术语来打比方（比方说，这个项目我们要实现“全垒打”）。今天，更重分析的竞技体育对于企业来说具有更直接的借鉴意义。
■翻译：彭建辉
关注“商评小微”（微信号：xmi8607），即刻拥有你的企业家交流圈。
专题
* * *
本文介绍的方法能使决策者
借助模拟手段亲历情境，理
解数据的含义。
模拟体验：
让高管看懂大数据
■罗宾·霍格思（Robin M. Hogarth）
埃姆雷·索耶（Emre Soyer）
在 日益复杂的经济和社会环境下，获取大量的数据和信息可以帮助组织和政府制定更好的政策，做出更好的预测和决策。事实上，越来越多的决策者在解决问题和制定战略时，会依靠统计结果和基于数据的决策模型。科学家、研究人员、技术专家和记者们一直在密切关注这个趋势，试图了解这种基于数据的方法在何时以及何种情况下最有用、最见效。
到目前为止，相关讨论主要集中在分析方面，围绕数据收集、技术基础设施和统计方法等话题展开。然而，另一至关重要的问题尚未得到认真考察，那就是，如何将分析结果传达给决策者？随着数据量越来越大，分析越来越复杂，分析师如何才能最有效地传达分析结果，以确保决策者正确理解数据的含义？
首要问题
公司如何才能最有效地把分析结果传达给高管？
研究发现
分析师得出的结论与决策者对分析结论的理解往往差异甚大。
对复杂统计信息的描述可能有误导性。
与模拟模型进行互动，有助于高管做出更好的决策。