趋势与观点 | 利用数据分析赋能的七个步骤

当今无处不在的数字化数据世界中,我们周围充斥着数据,但却缺乏有用的信息。数据无处不在,但企业需要的是可实际操作的洞察力,而这种洞察力只有通过分析这些数据才能获得。数据是任何企业最宝贵的资产——事实上,数据就是新的石油。但是,如果没有一个合适的引擎来利用数据推动企业实现目标,那么数据本身就是无用的。数据分析就是这样一个引擎,它可以根据既定目标从数据中获取价值。它提供有价值的信息,可用于推断决策中实际使用的见解。

数据分析和数字信任专业人员

数字信任专业人员在治理、保证、风险管理、合规、咨询以及技术管理和部署等领域发挥着各种作用。这些角色的主要作用就是根据需要将专业知识和技能应用于企业的数字化数据,以确保实现企业目标。对于负责访问和分析数字化数据的专业人员来说,数据分析是一项关键技能,它使得相关专业人员有能力利用自己领域的专业知识来创造新的增值可能性。

数据分析领域主要有两类专业人员:

  1. 数据科学家/工程师侧重于将各种统计技术应用于数据。他们参与开发智能应用程序,帮助用户从数据和大数据中得出推论。数据科学家处理非结构化数据(如来自 Twitter 或 Facebook 的数据)和结构化数据。

  2. 数据分析师的工作重点是从业务角度对数据进行深入分析。他们是业务领域的专家,使用简单易用的 Microsoft Excel 功能、应用软件、查询工具、实用程序或数据分析来访问、分析和查询数据。数据分析师主要处理结构化数据(如表格格式的数据)。

掌握数据分析技能的好处

数据分析通过构建好的流程和部署来获取和评估数据,以提取有用信息。数据分析的结果可用于识别关键风险、欺诈、错误、不合规或滥用领域;提高业务效率;验证流程的有效性;以及影响业务决策。分析技术的地位日益突出,因为它通过提供强大的新洞察力来为业务决策提供依据,从而改变了业务开展的方式。虽然企业一直在利用分析数据以支持业务决策,但随着新型高级分析技术计算能力的提高,所分析数据的数量、速度、种类和真实性也发生了变化。但差异在于数据分析中人的因素的重要性,这需要专业人员将思维应用到技术中。分析是所有业务决策的核心。它通过将人类智能和领域专业知识与人工智能(AI)和数字化数据相结合,增强了现代专业人员的能力。

学习数据分析的几个主要好处是:

  • 学习新的数字化数据分析方法,成为思想领袖。

  • 学会将新视角应用于新的数字化平台和商业模式。

  • 学习从数字数据中获得实际可行的洞察力和推论。

  • 提升技能组合,迈向职业生涯的新轨道。

  • 在知识和技能库中增加技术技能,可以在更短的时间内完成更多的工作。

  • 学会以更强的自信心向客户提供更好的保证。

  • 学习新技能,在治理、保证、合规、咨询、风险管理以及 IT 管理和部署等领域的不同岗位上发挥增值作用。

数据分析的类型

数据分析的定义是:"研究原始数据以

  1. 描述型分析通过使用数据分析、商业智能和数据挖掘技术分析数据,揭示过去发生的事情。

  2. 诊断型分析通过根本原因分析来分析数据,从而解释过去发生的事情的原因。

  3. 预测型分析通过预测提出未来会发生什么。

  4. 规范型分析通过对各种情况的优化和模拟,揭示了如何实现某些目标。

这四种类型的数据分析可以同时使用,以便全面了解数据所讲述的故事,帮助企业做出明智的决策。根据要解决的问题和要实现的目标,也可以选择只使用其中的两种或三种分析类型。

数据分析的实际应用

数据分析可以回答与后见之明、洞察力和前瞻性相关的问题:

  • 后见之明——发生了什么?发生了几次?在什么时间段?在哪里?

  • 洞察力——问题出在哪里?需要采取哪些行动?为什么会出现这种情况?

  • 前瞻性——如果这些趋势继续下去会怎样?接下来会发生什么?

数据分析有多种不同用途。从不同角度来看,数据分析的一些用例包括:

  • 审计师--可寻求审计问题的答案,如:

    √管理层报告的销售额是否准确?

    √应收款/应付款是否完整?

    √是否符合合规标准?

  • 企业管理--可寻求以下问题的答案:

    √如何更好地管理企业?

    √我们的信息系统是否正确完整地记录了所有销售、采购、应付款、应收款、支出和合规工作?

    √现金流问题和债务或支出增加的根本原因是什么?

在管理层使用时,数据分析也被称为商业智能。

  • 舞弊调查员--可通过询问以下问题来识别可能的舞弊行为:

    √哪里有舞弊的证据?

    √审计线索是什么?

    √作案手法是什么?

    √谁是罪魁祸首?

执行数据分析的七个步骤

要成为一名成功的数据分析师,关键在于培养数据驱动的思维方式。这有助于识别和理解问题,使用相关工具和技术识别和分析基础数据,以及提出数据驱动的解决方案。

执行数据分析的七个步骤(图 1):

  1. 设定范围、目标和可交付成果——明确定义希望通过数据分析解决的业务挑战或目标。阐明目的和预期成果,以指导数据分析工作。

  2. 了解技术平台并确定所需数据——数据分析的主要目的是从各种已部署的信息系统中识别并获取相关数据。根据技术平台的不同,数据可能有不同的格式。

  3. 记录相关流程、合规标准和控制措施——数据由执行业务流程的信息系统生成。适用于业务流程的合规标准和控制措施应嵌入信息系统中。因此,理解这些标准和控制措施,并将其记录在案,以备不时之需。

  4. 设计控制和控制目标进行分析——根据范围和目标,应确定和分析相关数据及其控制。每个业务领域都有需要定义一组控制目标。控制目标是作为企业交互和运营指导的目的、方向或标准(例如,“确保遵守适用的法律法规”)。在设计测试时,应将控制目标放在宏观层面,具体控制措施应属于每个控制目标。

  5. 获取和整理相关数据——必须以特定的预定义格式获取数据。可能需要对这些数据进行整理,将其组织成标准化结构。

  6. 使用相关功能并进行测试——Microsoft Excel、Microsoft Power BI、结构化查询语言 (SQL) 程序和其他专业数据分析软件程序提供了执行数据分析的功能。所选软件和技术的具体功能需要被记录下来,并根据需要进行数据分析测试。

  7. 分析结果并报告建议——必须对数据分析的结果进行分析。基于这些结果,应利用相关发现获得有意义和可操作的见解。记录这些见解的报告应包括有价值的结论和可操作的建议,这些结论和建议可以推动业务改进、纠正不合规或缺乏控制的情况。

结论

数据分析是每个以访问和分析数字化数据为主要职责的专业人员的必备能力。人们普遍预计,这项技能将成为未来专业工具包的重要组成部分。掌握数据分析技能可以优化时间、知识、技能、能力和才智。任何格式的数字化数据都有可能成为数据分析的候选对象。

每个掌握的工具和技能的专业人员都必须是称职的。他们不能使用昨天的工具,却期望明天还能发挥作用。在新兴的数字化数据海啸中,专业人员面临着数据泛滥的关键挑战。应对这一挑战的最有效方法是根据需要使用数据分析,为企业创造价值,提升价值链。

从数字化数据中推断洞察力的技能,将是区分专业人员能否跟上不断变化的工作场所需求的关键因素。每一类专业人员都可以通过发展与其职责相关的数据分析技能来补充自己的核心能力。这使他们能够利用数字化数据提供的洞察力,推动企业和职业目标的实现。磨练数据分析技能使专业人士能够更好地为数字化未来做好充分的准备,并让自己的职业生涯能够经得起未来的考验。
 

编者按:本文于2023年8月23日首次发表于ISACA官网News and Trends/Newsletter/@isaca。文章内容仅代表作者本人观点。 

 

作者:ABDUL RAFEQ, CISA, CA, FCA,是 Wincer Infotech Limited 的总经理,擅长 IT 治理和分析。

翻译:王越乔(Cathy Wang),CISA,CDPSE,ISACA微信公众号特邀通讯员,关注数据安全和隐私保护。

校对:王岩 (Liam Wong),CISA、CDPSE、CISSP、PMP、OCM 11g/12c、PGCA、MCDBA、MCSE,ISACA微信公众号特邀通讯员。