一文了解数据驱动决策要点，引领业务成功

部分内容引用自桑德拉·德西维克，《商业智能》

近两年来， “大数据”一词的热度不减。这并不是媒体的过度炒作，而是技术发展的必然趋势。

通过获得丰富的数字见解并接受商业智能的力量，有可能做出更明智的决策，促进商业增长和利润增加。

通过使用正确的BI工具，并了解如何准确地分析你的数据，你就能做出数据驱动的决策，推动业务向前发展。这听起来非常让人振奋，但是，即使你有世界上最多的数据资源，你也有可能做出无视实际情况的决定，而是听从你的直觉。

偶尔跟随直觉是可行的，但绝大多数基于业务的决策都应该有与你的目标、目的或计划相关的指标、事实或数字作为支撑，以确保你的业务运营有一个稳定的支柱。

如何在决策中做到数据驱动？跟随以下的11个基本步骤，实施你的商业智能策略！

在本文中，我们将探索数据驱动决策制定，了解数据驱动型决策制定的重要性，并研究一些将洞察力转化为业务促进行动的实际案例。

什么是数据驱动的决策制定？

数据驱动的决策制定是一个过程，包括基于目标或KPI收集数据，从这些数据中分析模式和事实，并利用它们来制定战略和行动。

要从数据中提取真正的价值，它必须准确并与你的目标相关。收集、提取、转换和分析数据并制定决策曾经是一项包罗万象的任务，这会导致整个数据决策过程非常缓慢。

但是现在，BI软件的发展和应用使得需要的技术支持明显减少了，没有技术专长的用户也能够从数据中分析和获取见解。

为什么数据驱动的决策制定很重要？

数据在决策中的重要性在于一致性和持续增长。它能帮助公司创造新的业务机会，获得更多收入，预测未来趋势，优化当前的运营状况，并产生可操作的见解。数字世界处于不断变化的状态中，为了适应周围不断变化的环境，你必须利用数据做出更加明智和强大的数据驱动的业务决策。

数据驱动的商业决策决定公司的成败。这证明了在线数据可视化在决策中的重要性。

麻省理工学院斯隆管理学院教授安德鲁·迈克菲和埃里克·布林约尔森曾在《华尔街日报》的一篇文章中解释说，他们与麻省理工学院数字商业中心合作进行了一项研究发现，在被调查的公司中，主要由数据驱动的公司拥有4%的高生产率和6%的高利润。

数据驱动决策制定的10个技巧和要点

接下来，我们将介绍10个实用的技巧和要点，可以帮助你做出更好的数据驱动的决策。到最后，你会200%相信做出这些决定的重要性。

1)警惕你的偏见

在看到实际的数据之前，我们总是会有不理性的期待，这会让我们忽略事实，而倾向于用偏见对待。这时候你需要团队的力量——一个数字民主化的团队。无论其技术水平如何，都能够访问数据并帮助做出明智的决策。这可以通过带有数据看板的BI工具来实现，以这种方式可视化复杂的数据表格，以便更多的人可以做出良好的数据驱动的业务决策。

让更多的人了解这些数据，你将有机会获得更可信的反馈。麦肯锡在2010年对1000多项主要商业投资的研究表明，当组织努力减少决策过程中的偏见影响时，他们可以获得高出7%的回报。

通过消除偏见，你可以发现更多的机会。摆脱先入为主的观念，真正研究数据。

2)定义目标

为了充分发挥团队价值，企业应该在开始分析之前定义明确的目标。制定一个策略，避免跟随外部变化随意调整，并定义明确的KPI。虽然有各种各样的KPI可供选择，但不要一次性做得太多，把注意力集中在你所在行业最重要的KPI上。

3)现在收集数据

收集正确的数据和问正确的问题一样重要。对于小型企业或初创企业来说，数据收集应该从第一天开始。推特的联合创始人杰克·多西分享了这一经验，“在推特初创的前两年，我们非常盲目，我们把一切都建立在直觉的基础上，而不是在直觉和数据之间取得良好的平衡……所以我做的第一件事是建立一个管理仪表盘。我们有很强的纪律性来记录一切，衡量一切”。

推特的发展经验告诉我们，在企业中实施“仪表盘文化”是正确管理数据浪潮的重要组成部分。

4)找到未解决的问题

一旦战略和目标设定好了，接下来找到需要解决的问题，这样你才能达到这些目标。问正确的数据分析问题有助于团队专注于正确的数据，节省时间和金钱。这样，你可以专注于你真正需要的数据，从“以防万一”地收集一切，你可以转向“有目标地收集”。

5)找到解决这些问题所需的数据

在你收集的数据中，试着把重点放在你的理想数据上，这将有助于回答前一阶段定义的未解决的问题。一旦确定，请检查你是否已经在内部收集了这些数据，或者你是否需要设置一种方法来收集或从外部获取这些数据。

6)分析与理解

这可能看起来很明显，但我们必须指出：设置了所有要回答的问题和数据收集的框架后，你需要通读它，以提取有意义的见解和分析报告，从而引导你做出数据驱动的业务决策。事实上，用户反馈是非常有效的工具，可以对客户体验进行更深入的分析，并获取可操作的见解。例如，如果你想提高购买转化漏斗中的转换率，理解为什么用户会减少将是一个关键的洞察。通过分析你的反馈表的开放评论中的回应，你会发现为什么他们在结账时不成功，并相应地优化你的网站。

7)不要害怕重新审视和评估

我们的大脑急于下结论，不愿意考虑替代方案，我们尤其不擅长重新审视已做出的评估。我们会坚持自己选择的方向，不想放弃。验证数据并确保跟踪正确的指标可以帮助你走出直觉决策模式，依靠团队成员并协作分享可以帮助你看到偏见。但是不要害怕退后一步，重新考虑你的决定。这在一瞬间可能有强烈的失败感，但要成功，这是必要的一步。了解我们可能出错的地方，并立即解决它，将产生比我们等待和观察更积极的结果。

8)以有意义的方式展示数据

挖掘数据和收集见解很好，但设法表达出你的发现并正确传达你的信息更重要。你必须确保你的敏锐性没有被埋没，并且它将被用于未来的决策。借助一款出色的数据可视化软件，你不需要成为一名信息技术专家，就可以构建和定制一个强大的在线数据看板，讲述你的数据故事，并帮助你做出正确的数据驱动型业务决策。例如，你需要全局掌握自己的营收和生产状况:

9)为决策制定设定可衡量的目标

在你有了问题、数据和见解之后，接下来就是困难的部分：决策。你需要将获得的发现应用到业务决策中，但也要确保你的决策符合公司的使命和愿景，即使数据相互矛盾。设定可衡量的目标，以确保你走在正确的轨道上，并将数据转化为行动！

10)继续发展你的数据驱动型业务决策

这一点经常被忽视，但它仍然非常重要：你永远不应该停止检查、分析和质疑你的数据驱动型决策。在我们这个高度互联的数字时代，我们比以往任何时候都有更多的机会访问数据。为了从这些丰富的见解中获取真正的价值，根据变化不断更新和发展你的业务目标至关重要。

3个数据驱动的成功决策示例

我们已经对数据驱动决策的含义以及数据驱动决策的重要性有了更清晰的理解，接下来我们将看到3个鼓舞人心的数据驱动决策的商业案例，帮助我们更进一步理解数据驱动决策的价值。

谷歌

数据驱动决策的一个著名案例来自搜索巨头谷歌。初创公司以打破固有的制度而闻名，谷歌就曾好奇拥有经理对公司经营是否真的重要。

为了回答这个问题，谷歌的数据科学家研究了经理下属的绩效评估和员工调查（定性数据）。分析师将收集到的信息绘制在图表上，并确定经理通常被认为是好的。他们更进一步，将数据分成顶部和底部四分位数，然后进行回归。这些数据显示，在团队生产效率、员工幸福感和员工流失率方面，最好和最差的经理之间存在巨大差异。优秀的管理者让谷歌赚更多的钱，培养更快乐的员工，但谷歌的优秀管理者是由什么构成的呢？

分析师们再次审查了“杰出经理奖”的数据，在该奖项中，员工可以提名工作出色的经理。员工必须提供例子来解释是什么让经理如此出色。来自顶层和底层的经理也接受了采访，以完善数据集。谷歌的分析发现了在谷歌成为伟大管理者的8大优秀行为和3大不良行为。

他们基于数据修改了自己的管理培训，纳入了新的发现，继续颁发杰出经理奖，并实施了一项每年两次的反馈调查，帮助企业提升效率。

2)沃尔玛