数据驱动决策是企业成功之路
网友 网络收集

《一》

数据驱动的决策是一种工作方式,是通过重视验证和分析数据来支持商业决策。这样的处理可以确保所收集数据的质量。过去,由全职专家收集、提取、格式化和分析数据是一个漫长而艰巨的过程,这影响了采取行动所需的时间和最终决定的质量。但是今天,商业智能软件的发展和民主化使得任何没有过硬技术背景的人都可以从数据中分析和获取信息,只需要IT部门提供比之前更少量的支持,他们就可以生成稍后需要分析的报告,加速决策过程。当黑客技能,统计和专业知识碰撞时,会产生数据科学。这个相当新的行业主要是通过筛选大量原始数据去做出明智的决定。

数据科学家的金矿有两个品种:定性和定量,而在决策方面,两者都是至关重要的。定性分析使用未被数字定义的数据,例如采访、视频、轶事等。定性数据分析更多是通过观察,而不是测量。数据必须进行编码,以便项目可以智

《二》为什么数据驱动决策如此重要

数据驱动的商业决策会使企业成功抑或破产。数据驱动决策是为了使企业更有竞争力。麻省理工学院斯隆管理学院教授AndrewMcAfee和ErikBrynjolfsson在一篇“华尔街日报”文章中解释说,他们与麻省理工数字商业中心进行了一项研究。他们发现,在受访企业中,由数据驱动为主要决策动力的企业的生产率提高了4%,利润高于平均水平。

决策合作的公司往往将信息视为实际资产,而不是采用其他方式的公司。这样,他们往往会更容易地识别商机和预测未来趋势,并通过数据创造更大的收益。

《三》数据分析领先于数据驱动决策和企业成功的例子

数据驱动决策的最佳例子之一是Google。初创企业以解散层次结构而闻名,Google很好奇管理层是否有实际意义。为了回答这个问题,Google的数据科学家从经理的下属(定性数据)的绩效评估和员工着手调查。分析师将信息绘制在图表上,并确定管理者通常被认为是有意义的。他们进一步将数据分解为顶部和底部四分位数,然后进行回归。这些测试显示,在团队生产力,员工幸福度和员工流动率方面,最佳和最差的经理之间存在很大的差异。所以好的经理给Google创造更多的财富,产生更快乐的员工,但是在Google,什么成就了一名好的经理?

再次,分析师们回顾了“伟大经理奖”得分的数据,其中员工可以提名工作出色的经理。员工必须提供一些例子来说明什么使得经理如此伟大。从顶部和底部四分之一的经理也被采访了去完成数据集。Google的分析发现,八大行为能在Google成就一名伟大的经理,另外三名则没有。他们修改了管理培训,并结合了新的发现,继续获得了伟大经理奖,并实施了两次年度反馈调查。

沃尔玛在2004年为弗兰西斯飓风准备应急商品时采用了类似的方法。高管想知道在暴风雨之前应该存放的商品种类。他们的分析师在类似的条件下,从其他沃尔玛商店的采购记录中挖掘出过去的采购记录,分类一千兆字节的客户历史以决定哪些货物发送到佛罗里达(定量数据)。

事实证明,在自然灾害时期,美国人转向草莓流行蛋糕和啤酒。当时沃尔玛的首席信息官LindaM.Dillion解释说:“通过预测会发生什么事情,而不是等待它发生...装满烤面包机和六包的卡车很快就会加速95号州际公路向沃尔玛斯的路线弗朗西斯。大部分为暴风雪储存的产品很快就出售了。“沃尔玛的分析师不仅在风暴期间让佛罗里达人对啤酒和波普挞感到惊喜,还通过预期需求创造了利润。

《四》为什么企业领导者经常不会做数据驱动的商业决策

你们有多少次准备参加会议,事实和数据准备好了,但最终的决定是完全相反的方向?这可能就像在会议开始之前作出的决定一样。如果这听起来很熟悉,你并不孤单。我们不只是在谈论一个认为自己直觉比KPI更重要的完全新人的状态,也是在谈论大公司。

Forrester前IBM员工和研究员RobEnderle撰写了一篇关于IBM和微软高管人员缺点的文章。虽然文章里满是例子,也许最令人震惊的还是IBM将其ROLM部门部分销售给西门子。Enderle和团队制作了一份内部报告,证明向西门子销售将是一场灾难性的失败。事实证明,这项决定是在研究出来之前作出的。事实上,高管们忘记了这项研究已经被委托了。他们的直觉决定最终使该公司的成本超过了十亿美元。

BI调查报告显示,58%的受访公司表示,他们至少将一半的经常业务决定基于直觉或经验,而不是数据和信息驱动。平均而言,他们意识到,在决策过程中,公司只能使用50%的信息。

作为商业信息智能提供商,我们创建了一个在线数据分析工具,使客户能够更多地了解其数据,以有意义的方式进行可视化,并可以在惊人的实时仪表板中轻松分享这些生成的见解,从而更快地做出更好的商业决策。但是,如果在最后这些报告被实际决策者忽略,我们提供的见解就完全没有用。这个难题促使我们深入研究:企业领导者为什么不使用数据驱动的决策?你应该知道什么,以确保你的决定是基于数字,而不是感觉?

A.数据质量

首先,通常调用的主要原因是数据质量。根据维基百科,数据质量是定量变量定性的一个条件,应该是“适合于其在运营,决策和规划中的预期用途”。良好的数据质量管理(从采购到维护,从组织中的处置到分配流程)也是未来使用这些数据的关键。收集和整理数据只有在妥善管理和利用后才能更有意义,否则资产的潜力依然没有变化,没有用处。

B.过度依赖过去的经验

过分依赖过去的经验可以毁掉任何业务。如果你总是向后看,那么就会真的失去向前的东西。通常,商业领袖因为以前的经验而被雇用,但环境和市场发生变化,同样的技巧在下一次可能不会起作用。其中已用最多的例子之一是DickFuld,他在LTCM危机之后救了雷曼兄弟。十年之后,他使用了一大堆技巧,就像“华尔街日报”报道,“他所依赖的经验与这个大规模的房屋驱动的崩溃不一样。”最近的危机要复杂得多。环境和市场不断变化,为了成为一名成功的经理,必须将过去的经验与现有数据相结合。

C.跟随直觉和熟数据

一些管理人员自然而然地跟着自己的感觉走,有很大一部分人会首先相信他们的直觉,然后说服他们的研究人员或外部顾问来制作报告,以确认他们已经做出的决定。根据上面提到的Enderle文章,这在微软很常见。研究人员的任务是提供报告,为管理人员的决策提供可信度。

D.认知偏见

认知偏见是基于有限信息做出决策的倾向,或者是从过去经验中可能与当前情况无关的经验教训。在某种程度上,在我们做出的每一个决定中,认知偏见每天都会发生。相反,这些偏见可能会影响企业领导者忽略固定数据而采用假设。以下是常见的认知偏差的几个例子:

?确认偏差-企业领导者往往倾向于证实他们已经拥有的对或错的信念。

?认知惯性-无法适应新的环境条件,坚持旧信仰,尽管数据证明是其他的情况。

?集体思考-希望成为集团的一部分,以大多数人为由,无论证据或动机作何支持。

?乐观偏见-基于相信未来比过去要好得多的决定。

管理者需要认识到我们在任何情况下都有偏见,没有客观的东西。但好消息是,有办法克服有偏见的行为。

《五》增强数据驱动决策策略的9个技巧和要点

1)防止你的偏见

我们所做的大部分精神工作都是无意识的,这使得当我们作出决定时,很难验证我们运用的逻辑。我们甚至可以看到我们希望的数据在那里,而在我们面前呈现的却不是我们真正想要的内容。防止偏见是一个好的团队起作用的方式之一。由一个不分享(甚至不知道)偏见的主管方执行你的决定是一个宝贵的一步。

与知道你正在使用的数据的团队合作,打开了有用和有意义的反馈的大门。民主化数据赋予所有人,无论他们的技术技能如何,访问它并帮助做出明智的决定。通常,这是通过创新的仪表板软件完成的,一旦复杂的表格和图形可视化,使得更多的人可以做出良好的数据驱动的商业决策。

随着更多人在游戏中了解数据,你将有机会获得更可信的反馈。证据是是数字。2010年麦肯锡对1000多个主要业务投资的研究表明,当组织在减少决策过程中的偏见影响下,实现了高达7%的回报。当谈到数据驱动的决策时,减少偏见和让数字自己说出一切大不相同。

克服偏见行为的技巧:

?简单的意识-每个人都有偏见,但是意识到存在偏见可能会影响你的决策,这有助于限制其影响。

?协作-你的同事可以帮助你保持检查,因为在其他人身上比在自己身上更容易看到偏见。反弹其他人的决定,并注意在会议室中有偏见的行为。

?寻求冲突的信息-向自己和其他人询问正确的问题,以识别你的偏见,并将其从决策过程中删除。

通过消除偏见,你可以放开自己,发现更多的机会。摆脱先入为主的观念,真正研究数据可以提醒你真正改变你的底线的见解。记住,商业智能不仅要避免损失,而且要获得收益。

2)定义目标

为了充分利用你的数据团队,公司应在开始分析之前确定其目标。制定策略,以避免跟随炒作而不是你的业务需求,并定义明确的关键绩效指标(KPI)。

3)现在开始收集数据

收集正确的数据与询问正确的问题一样重要。对于小型企业或初创企业,数据收集应从第一天开始。Twitter的创始人兼创始人JackDorsey与TechCrunch分享了这一学习。“对于Twitter生涯的头两年,我们正在盲目运作...我们将所有内容都视为直觉,而不是在直觉和数据之间保持良好的平衡...所以我为Square写的第一件事是管理仪表板。我们有一个非常强大的纪律记录一切,衡量一切“。据说,完成,在贵公司实施仪表板文化是正确管理你将收集的数据潮汐的关键组成部分。

4)找到未解决的问题

一旦你的策略和目标得以确定,你将需找到需要解答的问题,以达到这些目标。要求正确的数据分析问题团队专注于正确的数据,节省时间和金钱。在本文前面的例子中,沃尔玛和谷歌都有非常具体的问题,大大提升了结果。这样,你可以专注于你真正需要的数据,并且直截了当地收集所有内容,以防万一“你可以转到”收集回答“。

5)查找解决这些问题所需的数据

在你收集的数据中,尝试专注于你的理想数据,这将有助于你回答上一阶段定义的未解决问题。一旦识别出来,请检查你是否已经在内部收集了这些数据,或者是否需要设置收集数据或从外部获取数据。

6)分析和理解

这可能显而易见,但我们必须提及:在设置所有问题的框架以及数据收集之后,你需要仔细阅读以提取有意义的见解,从而引导你做出数据驱动的商业决策。

7)不要害怕重新审视和重新评估

我们的大脑跳出结论,不愿意考虑替代品;我们特别重视我们的第一次评估。一位平面设计师的朋友曾经告诉我,他经常会发现自己陷入了一个项目的末尾。他致力于他所选择的方向,不想废弃它。由于错误的原因他被投资了。当发生这种情况时,他将不得不重新开始,看到使他陷入困境的错误才没有失败。总的来说,最终产品比起第一稿中的解决方案更好。

验证数据并确保你跟踪正确的指标可以帮助你走出决策模式。依靠团队成员的观点,分享它可以帮助你看到偏见。但不要害怕退缩,重新思考你的决定。它可能会在一段时间感到失败,但要成功,这是一个必要的步骤。明白我们可能会出错并立即解决问题,这将产生更积极的结果,而不是等待观察发生的情况。等待看到发生什么的代价是有据可查的…

8)以有意义的方式呈现数据

挖掘和收集观点是很好的,但管理告诉你的发现和传达给你的消息是更好的。你必须确保你的敏锐度不会降低,并且它将被用于将来的决策。在一个伟大的数据可视化软件的帮助下,你不需要成为一个IT来构建和定制强大的业务仪表板,软件将会告诉你的数据情况,并帮助你、你的团队和你的管理层做出正确的数据驱动商业决定。

9)制定可衡量的决策目标

有了你的问题,你的数据,你的见解,然后是艰难的部分:决策。你需要将所获得的调查结果应用于商业决策,同时确保你的决策与公司的使命和愿景保持一致,哪怕数据是矛盾的。设置可衡量的目标,以确保你处于正确的轨道...并将数据转化为行动!


CIO之家 www.ciozj.com 公众号:imciow
关联的文档
也许您喜欢