如今，许多行业的公司产品同质化，所用技术也比较相近；能够实现差异化的方面所剩无几，商业流程就是其中之一。重视数据分析的竞争者会竭力从这些流程中挤出每一滴价值。因此，它们不仅像其他公司一样，对客户需要的商品了如指掌，还要知道客户会在哪个价位掏钱、每位客户在一生中会购买多少件产品，以及什么因素会促使他们加大购买量等等。此外，分析型竞争者不仅像其他公司一样，对薪酬成本和人员流动率心里有数，同时还能计算出员工对净利润做出的贡献或造成的损失，以及工资水平是如何与个人业绩挂钩的；它们不仅知道何时库存不足，更能预见供需和供应链方面可能出现的问题，从而保持低库存率和高优质订单率。
分析型竞争者会以统一协调的方式部署一切，将每个举措作为总战略的一部分，由最高层指挥，向其下的各级决策者推行具体做法。公司会雇用擅长处理数据的专才，或者训练员工了解数据的重要性，并为他们提供最好的数据信息和量化工具。于是，这些员工就能在大大小小的问题上做出最好的决策，日复一日，从不间断。
尽管许多公司正在采用数据分析法，但只有少数公司能够运用娴熟。然而，重视数据分析的竞争者在多个行业都能傲视群雄，无论是消费品、金融、零售，还是旅游和娱乐业。比如，数据分析对第一资本金融公司起到了关键作用，公司自上市以来，每股收益的增长率每年都超过20% 。数据分析还让亚马逊成为网上零售业的霸主，尽管它在公司发展和基础设施上投入了巨资，仍实现了赢利。在体育界，真正的秘密武器不是兴奋剂，而是统计数据，这已经被波士顿红袜棒球队、新英格兰爱国者橄榄球队（New England Patriots ）和奥克兰运动家队（Oakland A’s）的非凡胜利所证实。
在这些机构中，精湛的数据处理能力往往成为其品牌的一部分。比如，前进保险公司（Progressive ）通过对个人保险费率进行详细分析，有效地使其广告发挥了作用；亚马逊的顾客可以看出公司在研究他们，因为公司服务变得越来越针对经常购买的客户。迈克尔·刘易斯（Michael Lewis ）的畅销书《点球成金》（Moneyball ）揭示了数据统计在职业棒球赛中的威力，该书让奥克兰运动家队在数据处理方面的名声，与其高超的球技一样令人瞩目。
正如人们所预期的那样，意欲在量化分析赛场上竞争的公司必须进行一些重大转变，这样的转变需要在技术方面进行巨额投资，积累海量数据，并在全公司范围内形成数据管理战略。另外，同样至关重要的是，这样的转变还需要管理层明确表达出坚定不移的承诺和意愿——他们要改变员工的思维方式和工作方法，以及他们对待员工的方式。正如分析型竞争者哈拉斯娱乐公司的CEO 加里·洛夫曼（Gary Loveman ）经常说的那样：“对于某件事情，要知道究竟是我们认为它是真的，还是我们确实知道它是真的。”
分析型竞争者的力量来源
分析型竞争者的力量来源
分析型竞争者不只是简单的数据处理工厂。它们在用分析技术解决多种多样的业务问题时，既运用强大的力量，又带着精湛的技巧。不过，它们还应该集中精力去发现合适的焦点、建立合适的文化并雇用合适的人才，这样才能充分利用公司不断获得的数据。最终，人才加上战略和信息技术，将共同赋予这些企业强大的力量。
合适的焦点
尽管分析型竞争者鼓励人们做决策时都要基于事实，它们也必须选择在何处开展需要较多分析资源的活动。一般来讲，分析型竞争者会挑选几个共同为公司最高级战略服务的职能部门或项目计划。以哈拉斯娱乐公司为例，该公司将多数分析活动集中于提高客户忠诚度、完善客户服务，以及诸如定价和推广等相关领域。UPS 为了提供优质的服务，将运营重点从物流领域扩展到客户领域。虽然这种多元战略是分析型竞争者的特点，但我们采访的高管人员告诫说，分析项目不可过于分散，以免弄不清每一个分析项目真正的目标。
分析型竞争者在分配资源时还要考虑到，公司内部的某些职能在多大程度上适合进行深度分析。分析活动至少针对7 项共同的目标，特定行业也可能提出自己特定的目标。那些可能帮助公司突破业绩的统计模型和计算方法，使一些领域的前景变得尤为诱人。例如，市场营销因为植根于心理学，向来是难以量化的；但是，现在消费品公司能够运用多属性效用理论（multiattribute utility theory ，一种了解和预测消费行为和决策的工具），改进其市场研究的成效。与此类似，广告行业也在运用计量经济学的统计方法，来测定不同广告和推广活动将会提高多少销量。
最出色的分析型竞争者，不仅能衡量自己的核心业务，同时能帮助客户和供应商衡量其业务活动。例如，沃尔玛坚持让供应商使用其零售链系统，以监控每家卖场的商品情况，规划促销推广和卖场布局，并减少脱销现象。美国嘉露葡萄酒公司（E. &J. Gallo ）向批发商提供关于零售商的成本和定价的数据及分析，让对方能够算出嘉露1995 年红酒的单瓶产品利润。紧接着，批发商又使用这些信息来帮助零售商优化其产品组合，并劝说它们扩大嘉露产品的货架空间。而宝洁的做法是向零售商提供数据和分析，作为一项名为“价值共创”项目的组成部分；还向供应商提供数据和分析，帮助它们提高响应速度并降低成本。
合适的文化
文化是一个软概念，而分析能力则是一门硬学科。尽管如此，分析型竞争者必须在全公司范围内培养一种文化，以示对数据信息的衡量、检验和评估的尊重。
公司要敦促员工基于可靠的数据做决定，员工们知道其工作表现也是以同样的方式来衡量的。分析型竞争者内部的人力资源部门，要严格将数据指标应用于薪酬和奖励。高管人员也要以自身行为树立一个始终如一的榜样，展示出对事实和分析的渴求与自信。莎莉集团的贝拉查就是这种领导者的范例。他被员工戏称为“数据猎犬”，因为无论是对任何主张与假设，他都会要求员工拿出数据来加以支持。
在一种分析型的公司文化中，有时员工会有想进行创新或创业的冲动，这就会与公司要求必须提供支持性证据相矛盾，这没什么奇怪的。有些公司不太重视非主流的项目，这些项目源自设计师和工程人员偶然的灵光一现。在这些公司中，研发职能与其他职能一样，必须遵循严谨的衡量指标。在雅虎、前进保险和第一资本公司中，业务流程和产品的转变要在小范围内加以检验，在被证明有效后才会加以实施。这一在各种学术和商业领域（包括工程学、质量管理学和心理学）中得到广泛应用的方法，可以运用于大多数公司流程，甚至是那些并非明显适用的部门，诸如人力资源和客户服务部门。以人力资源部门为例，该部门可以为管理者建立性格特征和领导风格档案，并将这些管理者置于不同的情境中予以测试。之后，他们可以将有关个人绩效的数据与个人性格的数据加以对比，从而决定对于管理一个进度落后的项目，或是对于帮助一个新团队的融合来说，何种个性特质最为重要。
然而在某些情况下，公司必须尽快做出决定，以实现转变或是尝试新事物；这种时候，公司将无暇进行深入的分析，或无法预先收集到充足的数据。例如，尽管亚马逊公司的贝佐斯很喜欢在推出新服务功能前，对用户的反应进行严谨的量化分析，但他无法预先对“书内搜索”这一功能进行测试，除非他将该服务先应用于足够数量（最少12 万册）的图书上。而且，开发这项功能的成本很高，也会增加风险。在此情况下，贝佐斯相信了自己的直觉，并甘冒风险。事实证明，该功能在推出之后很受欢迎。
合适的人才
分析型公司雇用分析型人才，而且，和所有基于人才而竞争的公司一样，它们追逐最优秀的人才。例如，当亚马逊需要为其全球供应链部门寻找一位新负责人时，他们雇用了于刚。于刚是一位管理学教授并拥有一家软件创业企业，也是世界上优化分析（optimization analytics ）领域的权威专家之一。亚马逊公司的商业模式，要求在新产品、供应商、客户和促销活动之间，形成一个持续不断的循环，同时要保证在承诺的时间内完成订单。于刚自履职以来，一直在与团队设计和构建复杂的供应链系统，以优化这些流程。他既能够在言谈中经常带有诸如“非平稳随机过程”这样的术语，也善于以清晰的商业语言向亚马逊的高管人员阐释新方法。
成熟的分析型竞争者，比如第一资本金融公司，会雇用大批分析人员来进行量化分析试验，并且利用得出的结果设计信用卡及其他金融产品和服务。从事这些工作需要具备一系列专业技能，正如你从以下的职位描述（对第一资本公司分析人员的典型描述）中所看到的：
具有概念性问题解决和进行量化分析的高超天赋……具有工程、财务、咨询及其他量化分析方面的教育或工作背景。具有快速学习如何使用软件应用程序的能力；具有用Excel 建立模型的经验；拥有研究生（如MBA ）学位的人优先考虑（但并非必备条件）；在项目管理、流程改进工具（精益生产、六西格玛）或统计学方面具有经验者优先考虑。
其他公司也会雇用相似的人才，但分析型竞争者聘用的此类人才在数量上要多得多。第一资本目前正在招聘三倍于运营人员的分析员，对于一家银行说，这非常少见。“我们实际上是一家有许多分析师的公司，” 该公司一位高管对此评论说，“分析是我们最为基础的工作。”
优秀的分析人员还必须能够深入浅出地阐述复杂的理念，并具有与公司决策者进行良好沟通的人际交往技能。一家拥有30 名分析师的消费品公司，正在寻求“具备人格魅力的博士”——他们既拥有在数学、统计学和分析上的专长，也有运用商务语言的能力，能帮助公司在内部（有时也会在外部）推广分析团队的成果。当然，结合了分析能力、商业才能和沟通技巧这三方面素质的人才，是可遇而不可求的。
事实上，21 世纪初的分析人才，就像20 世纪90 年代末的编程人才一样重要。不幸的是，美国和欧洲的人力资源市场却缺乏这种能够胜任复杂分析工作的人才。某些企业的解决方法是将相关业务外包给其他国家，比如拥有许多统计专家的印度。这一策略可能会取得成功，条件是这些海外分析师解决的是独立问题；而如果分析师必须与业务决策者进行反复讨论，距离将会成为一个重大障碍。
合适的技术
依靠分析能力的竞争，就意味着依靠技术的竞争。最认真的竞争者，不仅会调查统计学的最新计算方法和决策科学的各种方法，还会持续关注和推动IT 行业的前沿领域。某消费品公司的分析小组甚至研制了自己的超级计算机，因为他们认为从商业渠道获得的机型不能满足其需求。如此英雄壮举一般来说不是必要的，但是，严谨的分析确实需要具备下列技术条件：
1. 建立一项数据战略
许多公司都已投入了数百万美元的资金，用于从每一个可能的来源获取数据。企业资源计划、客户关系管理、销售终端系统以及其他系统，能够确保发生的任何一笔交易或其他重要往来情况都会留下记录。但是要基于这些信息进行竞争，公司必须以标准格式记录信息、对其进行整合，并储存在数据库中，从而使所有人都能很容易地获取这些信息。而且公司会需要许多这样的信息。例如，戴尔公司聘请美国恒信传媒集团（DDB Worldwide ）旗下的广告公司DDB Matrix ，花费7 年时间创建了一个数据库。该数据库包含了150 万条记录，收录了戴尔投放在平面媒体、广播电台、电视台和有线电视等各种媒体上的所有广告，以及做过这些广告的所有地区、销售数据（广告投放之前和之后的）。这些信息使戴尔公司得以对每个地区、每一媒体的促销活动进行细致的调整。
2. 商务智能软件
“商务智能”一词最早出现于20 世纪80 年代末，它包含一系列用来收集、分析和传播数据的程序和软件，目的在于更好地做决策。商务智能工具允许员工提取、转化和加载（专业人士称之为ETL ）数据用于分析，再把分析结果用在公司的报告、通知和计分卡中。基于分析能力的竞争之所以受到很多公司的欢迎，某种程度上就是因为出现了包含这些工具的集成软件包。
3. 计算硬件
分析应用软件所需要的海量数据，可能会超出一些低端计算机和服务器的运行能力。许多分析型竞争者正将其硬件升级为64 位处理器，从而快速对大量数据进行处理。
未来依然前路漫漫
大多数行业中的大多数公司，都有极好的理由去追求基于分析能力的战略。几乎所有被我们定义为富有进取心的分析型竞争者，都是所在领域的领导者，这些公司都将自己的成功归因于娴熟利用数据的能力。而日益激烈的全球化竞争，更加剧了对于此种能力的需求。然而，那些刚刚采用此种战略的公司，会发现它们需要数年时间才能有所收获。我们所研究的这些企业都经历了一个漫长的、有时会很艰难的过程。
任何公司要成为分析型竞争者，都要花费很长的时间，并付出很大的代价；而其中大量的时间和代价将用于技术方面的工作：对产生业务数据的系统加以改进，使数据库中的数据便于获取，选择合适的分析软件并实施，以及建立起相应的硬件和网络环境。不去记录自己历史的公司，注定无法以史为鉴；因此，那些只收集了少量或是错误信息的公司，将需要积累大量充足的数据，才能进行可靠的预测。UPS 一名负责客户数据的经理说：“六七年来我们一直在收集数据，但直到最近两三年这些数据才变得可以利用，因为我们需要时间和经验，来验证基于这些数据得出的结论是否有效。”
德国病理学家鲁道夫·菲尔绍（Rudolph Virchow ）有句名言，说科学工作是“确定人类可知领域的边界”。分析型竞争者也追求相似的目标，尽管它们试图探知的是一个关于客户行为、产品流通、员工绩效和财务业绩等范围有限的世界。每一天，公司在科技和技术方面取得的进步，都可以使自己更好地掌控业务运营中至关重要的微小细节。
