大数据，分析，商业智能……
这些词在当今时代随处可见。
所以人们总说，一旦我们使用了合适的分析工具，就能弄清楚如何正确地分析数据，并将这些知识转化为更好的商业决策。这在理论上听起来不错。但实际上，即使你拥有世界上最好的数据，在做出决定时也会有一定的直觉表现。不过，在解决问题之前，我们先来阐述一下我们谈论的主题。
“起源地-数据科学”
《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。
联系客服
