决策层需了解数据分析的意义_数据中心

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。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。

当今的制药企业，只要在临床试验中没有发现不良反映，即从法律上和道义上都有权利声明没有不良反映。换句话说，这可以是企业作为临床试验的一部分，没有特别采集的信息。但是，在博客和社交网络盛行的今天，人们会自发公开地分享这类信息，制药企业有权利和义务监管公共信息来源，并将自身的临床数据与这些信息加以整合。

“我本应知道”（无论是出于合规还是竞争的原因）将取代“我不知道”或是“我当时不可能知道”，成为认识和信息整合的新方式。

“分析瘫痪”的终结

将来，企业或许将由务实的经验主义者管理和领导；只有在采集、分析过所有相关数据后，他们才肯采取行动。有什么窍门来解决这种企业“分析瘫痪”？尽管看起来违反常规，但与现在的企业相比，具备强大分析能力的经验型企业不容易受“分析瘫痪”这一弊病之害。

企业陷入分析瘫痪主要有以下三大明显原因。一是管理有“过拟合曲线”的趋势，这是个统计学概念，指获得一种模式（或设计曲线）后排除多余变量。数据采集需要成本，然而无所作为也会产生成本。分析型企业非常清楚过拟合造成的损失。

分析瘫痪的第二大原因在于等待并不存在的数据，表明企业无法设计实验获得所需数据。如前所述，实验与否都需要成本，因此，分析型企业的一大特征在于它能深刻认识数据空白及实验价值，并打破僵局。

第三大原因是，多数企业不了解、或说不清自己的风险承受能力。企业会惩罚错误的行为，但是无所作为则不会受到惩罚。因此，若没有足够的数据确保最终的成功，一些管理者不会轻易采取行动。分析型企业对其风险承受能力要了然于胸。若对不确定的行为提供指导和行动模式，这将平衡对错误和不作为的处理方式。

直觉的新讲坛

使用经验主义和数据分析，就宣布了直觉、本能等企业注重的业务技巧的终结，是这样吗？

不是。

科学完全是以事实或实验为依据的，但科学家不是。科学是客观、一板一眼的，但那些有创造力和敏锐直觉、并愿意尝试的科学家所发挥的力量同样重要。

数据本身可以有许多解读方式。假设某个物理或商业现象产生如下数列：1、2、6、24、33。这可能是阶乘数列，33为干扰数据；或是每第四位数是前三位数乘积的两倍；也可能是每第五位数是前四位数的总和。

每种解读方式都正确。要证明或推翻一种理论，还需要更多的数列。一位优秀的科学家知道，形成一种理论需要采集多少数据、采集什么新数据、如何设计实验采集所需数据。

众所周知，苹果公司CEO史蒂夫•乔布斯不相信任何市场调查数据，而是专注于新产品的设计。如何解释这一明显的反经验主义？

一种解释是，就像有创造力的科学家一样，在没有足够的数据、或合适的数据时，人们都能创建自己的理论，比如乔布斯。他们认为，对将改变用户体验或行为的全新的产品线而言，唯一有价值的数据是经验数据，而不是那些从未使用过该产品的人的评论或反应。

乔布斯等人就像优秀的科学家，他们知道需要哪种数据能支持一项理论（知道产品是否能成功）、知道此类数据不能通过焦点小组（一种调查方式）采集并盲目地设计新的实验方法（发布产品、采集经验数据）。

值得注意的是，许多产品，如苹果公司的Newton，都以失败而告终。直觉、创新尝试和实验与经验主义并非格格不入。事实上，通过与理论和实验科学家的比较，未来企业将更深刻地体会这些特点的价值。

未来根据经验和数据分析而进行决策的企业将和现在的企业大不同。您或许会问：“您认为还是您知道？”

问得好！

分析型企业对其风险承受能力了然于胸，还具有不确定情况下的行动模式及指导标准。

（本文经埃森哲管理咨询公司授权刊登）

扫码即可手机
阅读转发此文

决策层需了解数据分析的意义