數據分析,如何驅動科學決策

2 評論 6687 瀏覽 16 收藏 12 分鐘

在當今信息爆炸的時代,數據分析成為了管理層決策的重要支持工具。然而,如何合理利用數據分析方法和技術,并將其有效地應用于業務決策中,是每個數據分析師面臨的挑戰。本文將介紹一些方法和技巧,幫助數據分析師更好地支持管理層做出科學準確的決策。

“數據分析要支持管理層做出科學的,準確的決策”

——這是很多企業對數據分析師的要求。然而問題來了:到底咋個支持法?!為啥辛辛苦苦碼了一大堆數據,還是被說:沒啥用?

一、剝去決策的神秘面紗

很多同學一聽到“決策”倆字就慫了。對“決策”的第一印象,就是各種聽不懂的高大上詞語,什么“把握機遇”“苦練內功”“真抓實干”……這些東西咋個和數據扯上關系?

如果只看這些玄幻詞語,確實和數據沒啥關系!所以想要數據支持決策,第一步,就是剝去決策的神秘面紗,用最簡單直白的數據模型來描述決策這件事,這樣才能做到可量化,可分析。

舉個最直白的例子,一個小伙好不容易盼到周末,終于可以跟女朋友約會了!那么他該怎么辦呢?這就是一個典型的決策問題。

二、決策的三大要素

要素一:決策目標。

提高女朋友滿意度。

要素二:決策層級。

最高級決策:要不要出去玩(要/不要)

次一級決策:要去哪里玩?(已決定:要玩,再考慮:近郊/遠郊、室內/室外)

次二級決策:要去哪個具體場所玩?(已決定:遠郊,室外,再考慮:公園/游樂場/景點……)

次三級決策:要怎么去?在哪里吃飯?怎么回?(已決定去郊區著名景點,決定行程細節)

要素三:評價因素。

比如基于以下因素,決定出去找個地方玩:

1、現在是秋天,天氣好

2、女朋友喜歡出去玩

3、附近有個幾個景點口碑還不錯

4、附近這幾個景點還沒去過

這些就是支撐“出去玩”的評價因素。評價因素是用來判斷決策是否科學的重要依據。

因為很有可能決策人在謀劃階段思考的因素,在現實中不成立,比如:

1、現在是秋天,天氣好——這兩天突然很陰沉想下雨

2、女朋友喜歡出去玩——但是這兩天沒心情

3、附近有個幾個景點口碑還不錯——但是女朋友聽閨蜜說這都不好玩

因此,根據實際情況作出評價,修正決策,就變得非常重要。

三、決策的四大原則

在做決策時候,有幾個基本原則:

原則一:清晰決策目標。

如果目標是“我得盡快甩了她”,那后邊就想著怎么冷暴力好了。

原則二:決策層級圍繞決策目標構建。

如果目標是“討好女朋友”,那后邊就不要想著周末自己憋家打一天游戲,然后扣個可樂拉環當戒指糊弄過去。

原則三:每一級決策受上一級制約。

如果已經選了去遠郊,出行方式就只能考慮:租車/打車,最好公交都不考慮。

原則四:每一級決策有自己的評價因素。

決策人根據實際情況,修正評價因素。

了解了這四大原則,我們可以進一步看:數據在決策中的作用。

四、數據如何支持決策

注意:決策是個業務能力,理論上跟數據沒啥關系!就像小伙子去約會,如果他高大英俊,氣質不凡,腰纏萬貫。那即使他啥都不做,都有大把女生撲上門來,滿意度還賊高。

BUT!小伙們自己照照鏡子,每日三省吾身:高否?富否?帥否?絕大部分小伙既沒有傾國傾城的相貌,又沒有億萬身家,這時候就得認真思考該怎么和女孩子相處。這時候,又會冒出來更多問題。

問題一:壓根不知道干什么。很多鋼鐵直男除了傻憨憨地問好,就不知道干啥了。有幾個餐廳,幾個公園,幾個游樂場,有啥電影可以看,全不知道。這咋進一步決策嘛。

問題二:知道有可以做的事,但不會評估。知道上海有迪士尼,廣州有長隆,就憨憨地拖著女朋友去,天氣咋樣,有沒有心情,一概不考慮,結果無辜被噴。

問題三:評估層級不夠細,越往細節問題越多。女朋友想去長隆,于是興沖沖定了票,至于交通咋走,去了咋吃,準備多少錢,全沒安排,結果一路搞得小姑娘又餓又累,花錢不討好。

當遇到不知道,不明確,算錯數的情況,就是數據發揮作用的時候了!

這時候數據可以:

  • 澄清現狀
  • 梳理邏輯
  • 計算過程

從而支持決策。

決策的科學性和準確性,也可以一定程度上通過數據保證。

所謂的決策不科學性:原本可以出去玩,結果非宅家惹女朋友不開心?;蛘弑緛砜梢匀ゾ包c,結果因為不知道,所以沒去。通過數據澄清現狀,梳理邏輯,可以避免這些問題。

所謂的決策不準確:原本該打車,結果算錯了時間和距離,做了公交,把女朋友累得半死大發脾氣……

雖然數據不能直接告訴你科學、準確的決策是啥。但是是否當前的決策不科學、不準確,有多大概率是科學、準確的,是可以評估的。

故事到這就講完了,估計很多小伙仰天長嘆:誒呀嗎,你看我都沒有女朋友。可見決策是個多么難的事呀!實際上,在企業里做決策,比追女朋友容易得多。

五、企業經營決策與數據分析

之所以在企業里做決策比自己追女朋友容易,是因為但凡有點規模的企業,都有組織架構和人員分工,但凡是個正規企業,都有清晰的經營范圍。因此只要能了解企業的業務特點,部門分工,就能按圖索驥弄清楚決策特點。這可比猜女生的心思容易太多了。

站在數據角度,企業決策的內核并不復雜,其核心,就是:

  • ABC指標,做哪個?
  • 從多少,做到多少?
  • 多長時間內做完?

這三個問題答完即可,剩下的是具體執行問題。不同部門、不同等級的領導,關心的指標肯定不同。

部門間的區別:

  • 戰略發展部:全公司經營性指標
  • 銷售部:銷售金額、銷售數量、銷售回款……
  • 運營部:總用戶數、新增用戶數、活躍用戶數……
  • 供應鏈:生產訂單數、產品供應數、物料使用數……

領導等級也有區別:

  • 公司級高管:戰略性問題,如發展路線,考核標準,職責劃分
  • 部門級領導:戰術性問題,比如具體做哪些產品線,哪些客群,任務分配
  • 小組及領導:戰斗性問題,比如是早上干還是晚上干,顏色紅色藍色,按鈕左邊右邊

并且,很多決策是有固定套路的,比如對于單產品,有三種典型策略(如下圖)。

數據分析,如何驅動科學決策

對于多產品線/業務線,也有三種典型策略(如下圖)。

數據分析,如何驅動科學決策

所以對各種業務的數據形態有積累以后,就能很容易照葫蘆畫瓢,幫領導理清決策邏輯(如下圖)。

數據分析,如何驅動科學決策

六、數據支持決策的難點

實際工作中,數據支持決策之所以難,主要難在:

1、不懂業務,部門、層級、分工、目標完全弄不清

2、沒有分清決策層級,不是做的太淺,就是一下扎的太細

3、沒有列羅每一級的評估因素,評估不夠充分,不能說服人

當然,更糟糕的做法,是試圖建立一個神威無敵大將軍超牛逼模型,一模解千愁,把各種各樣的問題都分析清楚。真要有這么厲害的玩意,強烈建議不要打工了,直接去炒股,一摸一個準,下個世界首富就是你,歐耶!梳理問題邏輯,層層遞進,多種方法組合,才是支持決策的正道。

然鵝,總有那種很作的女朋友:

  • 你問她想去哪玩,她說隨便
  • 你建議去室內的,她說無聊
  • 你建議去郊外,她說太累
  • 你說咱們討論討論,她說你直男!沒腦子!
  • 你怎么就不能讀懂女孩子心呢

就是得我嘴上啥都不說,你一下精準猜出我的想法真要是談戀愛遇到這種姑奶奶,強烈建議直接踹了省事,咱伺候不起。

BUT!

工作中真有這種作精領導,非把算法工程師當算命工程師用,非得指望著“他什么都不說,你一下猜中決定企業生死且他100%不知道的事”,那么,除了離職,還有沒有更優雅的方法搞掂呢?

專欄作家

接地氣的陳老師,微信公眾號:接地氣的陳老師,人人都是產品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是產品經理。未經許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 算命工程師,逗死了0.0

    來自上海 回復
  2. 總結的很精辟

    來自湖南 回復