决策层需了解数据分析的意义

一个又一个的案例研究证明，数据分析在定价、需求预测、精准营销、供应链优化、客户关系管理和人力资源等各种业务功能中发挥重大作用。我认为分析绝不仅仅是一项关于投资回报率的技术，更是一种革命性的现象，将从根本上改变业务模式和决策方式。下面我将解释具体原因。

        如果在同一高度同时松开一根羽毛和一块石头，哪个先着地？过去，这是哲学家需解决的问题。亚里斯多德认为石头先着地，因为石头更重，所以下落的速度更快。亚里斯多德的这一理论直到16世纪才受到质疑。通过精心设计的实验，伽利略推翻了亚里斯多德的理论，为解决物理问题奠定了实验基础。

        同样的，一种基于实验的科学方法成为我们理解周围世界的基础。数据分析将最终取代经验论，淘汰目前的某些业务实践模式。

日常决定

        最近，我收到一条备忘录，要求员工保持办公室整洁，每隔一个周五检查一次。我想知道原因，所以我就问是否有数据表明整洁的办公环境有利于提高生产率。

        当然，没人回答我的问题，只是有人告诉我办公室整洁会给客户留下好印象。我没有就此罢休，又问是否有数据显示光临我们办公室的客户会购买更多服务、或是以别的方式表达他们的“好印象”。结果可想而知，领导问我是不是要一直纠结于这个问题。

        我举这个例子说明：企业每天做出的一些决策，出发点是好的，但是理由冠冕堂皇却不切实际，就像亚里斯多德的理论，缺乏事实依据。虽然定价或客户部门的这些专业职能建立在复杂模式和经验的基础上，但我认为数据分析的长效影响将体现在：它能帮助企业各阶层形成依据数据进行科学决策的企业文化。

        或更直观地说，对于任何一个提案或决策，无论其大小，都必须能够回答这个问题：“我们认为是这样，还是我们知道是这样？”（这个问题由美国哈拉斯娱乐公司CEO加里•洛夫曼提出。）

        未来有经验的分析型企业将在以下五大方面区别于目前的企业。

强大的数据分析能力

        数据是把双刃剑。若能正确地使用它，企业能做出正确、合理的决策。同样的数据，若使用不当的话，不但会造成错误决断，还会因武断决策采取错误行动，造成巨大损失。下面我们来看看一些具体事例。

        企业获得实时数据时，往往容易做出实时决策。假设您是一位零售商，您能随时从店铺的收银机了解销售情况，同时可以随时了解库存信息，您或许会仓促决定进行促销，然后通过供应链的管理支持实时促销活动。

        但是，您的决策、随后的客户行为和供应链管理这三类事情在不同时间段完成，如果决策快于这三类事情中最慢的环节，结果就会变得没有意义，甚至可能变得危险。

        数据分析的另一个问题是，您能对业务流程的每一个细节了如指掌，进而希望进行高度优化。以即时库存为例，高度优化的流程容不得任何错误，但事实上可能出现您无法控制的情况，因此高度优化的流程是极为脆弱的。

        第三个问题即所谓的“过度转向”，或进行不必要的决策。例如，通过数据分析，您得知某个项目的进度落后了，您或许会问责项目经理，或告知股东项目将无法如期完成。但是，如果其中制定了突发事件的应对计划，如果状态更新的频率与您取样的频率不同，或是了解项目延期的员工加班赶工的话，您就不需采取以上措施。

波动性

        业务的发展有赖于流程的稳定性和可重复性。稳定、可重复的流程证明大笔的资本支出、大规模的员工培训是必要且合理的；由于流程和决策保持不变，企业无须重复证明决策的合理性，从而减少企业管理费用。

        但是，着眼于未来的分析型企业必须充分考虑波动性，而不是可重复性。

        当您充分了解业务流程、客户、供应商和竞争对手时，您就能做出缜密的决策。事实上，您能注意到“如果球队在主场作战，胜算很高，那么周日晚上应准备更多啤酒”等奥妙的问题。此类决策对周围环境高度敏感，比如一旦球队失利，就要马上改变对策。

        反复波动性，或根据环境和时间迅速调整决策内容，将是企业面临的一大挑战。企业的决策不再那么有据可循；企业不能根据流程的可重复性进行资本投资，而必须充分考虑其所处环境的波动性。

统一认识

        当今企业可参考的信息过剩，这是因为信息都以各种方式被孤立起来：技术上，不同系统中的数据无法整合；组织上，不同管理部门的数据无法整合；最后，信息拥有者分散在企业内外部。未来的企业将意识到（或不得不意识到）必须整合所有信息。

        举个关于“统一认识”的极端例子，让我们看看制药业，它传统上主要依靠临床试验数据了解药品的药效和副作用。

 1 2 下一页 尾页

扫码即可手机
阅读转发此文