如何做出数据驱动决策
如何做出数据驱动决策
在当今复杂多变的商业环境中，如何做出明智的决策成为每个企业都必须面对的挑战。数据驱动决策（DDDM）作为一种基于数据的决策方法，正在被越来越多的企业所采用。本文将为您详细介绍数据驱动决策的关键特点、实施步骤以及与传统决策方式的区别。
为什么我们需要数据驱动的决策？
一个字的答案是 复杂性 。我们所做的任何决策都是基于数据的。您决定过马路时，会直观地收集大量数据：交通、天气状况、其他行人的行为数据。
在商业环境中，我们也可以通过直觉本能作出决策，但它们的复杂性很高，因此这种自然的方法不会带我们走得很远。在某个阶段，我们需要转向数据驱动的决策制定。
数据驱动决策的关键特点
数据驱动决策（也简称为DDDM）是一种收集和分析相关数据以支持决策的实践。
关于要遵循的具体流程没有一致的意见。虽然许多作者从数据方面探讨DDDM，本文将展示数据驱动决策如何与战略规划的理念相匹配。
以下是纪律严明的数据驱动决策方法的主要特点：
跟踪关键绩效指标。 使用与战略一致的关键绩效指标（KPIs）；注意虚荣指标和简单指标。
记录决策依据。 写下促使您做出该决策的原因及理由。
从错误中学习。 分析错误和正确决策的结果，创建学习和改进的循环。
数据驱动决策的替代方案
让我们讨论一些数据驱动决策的替代方案。
关键绩效指标驱动管理
术语“ 关键绩效指标驱动管理 ”通常指建立关键绩效指标层级并根据关键绩效指标趋势做出业务决策的做法。
- 基本上，我们谈论的是一个关键绩效指标记分卡。在合适的人手中，它将与业务背景相一致，并引导组织实现正确的目标。
有时，该术语被讽刺地用来描述管理团队的偏见，他们关注于绩效测量而不是创造真正的业务价值。
大数据
在讨论数据驱动的决策时，我们假设数据已经可用。相比之下，通过大数据计划，我们专注于从大量复杂数据中提取信息。
如果能够正确地收集、分析和报告，大数据将成为数据驱动决策的源泉。
数据驱动决策与非数据决策
我对比了典型的非数据决策过程步骤（我们称之为“促成事情发生”）与数据驱动决策。
1. 理解业务背景
“让事情发生” | 数据驱动的决策制定 |
|---|---|
我们有一个好主意——让我们去做吧！ | 这不仅仅是一个决策，而是关于理解背景、优先排序以及找到因果关系。让我们先看看战略地图。 |
理想情况下，决策制定应该是有组织的战略规划过程中的一个战术部分。
好的决策与组织在战略地图上呈现的共同愿景一致。
2. 定义关键绩效指标
“促成事情发生” | 数据驱动的决策制定 |
|---|---|
这个想法看起来很有趣！让我们在网上找一些关键绩效指标。 | 我们希望通过关键绩效指标使决策更加 具体 和 明确 。我们设计量身定制的关键绩效指标。以下是我们提出的问题： * 我们将如何控制执行的进度（领先指标）？ * 我们将如何验证已取得的成果？ * 我们计划何时实现这些结果？（设定目标值） |
关键绩效指标是任何绩效管理系统的痛点。有些人喜欢不使用关键绩效指标工作，而有些人则喜欢使用从网上找到的长长的指标清单。为特定的业务挑战寻找绩效指标值得花时间去做。
3. 可视化
“促成事情发生” | 数据驱动的决策制定 |
|---|---|
让我们制作一些仪表板吧！ | 当我们将数据放在仪表板上时，更容易捕捉趋势和异常。让我们将前导和滞后指标的绩效数据放在同一张图表上。 |
使用任何软件工具设计一个令人印象深刻的仪表板都不是问题。问题在于如何使这些信息具有足够的上下文，以对决策者产生影响。
- 相信您知道有些情况下花哨的仪表板用于季度报告，但真正的决策是使用大量定制的电子表格做出的。
从这个意义上说，战略执行软件（这里我们讨论了仪表板和平衡记分卡之间的区别）使您的数据更接近战略挑战。
4. 行动计划
“促成事情的发生” | 数据驱动决策 |
|---|---|
我们有一个计划，并且我们有预算！ | 我们根据当前对情况的理解制定行动计划。我们描述： |
预算是任何行动计划的重要部分，但制定决策背后的所有细节更为重要。这样的方式可以更容易地让新成员加入团队，在组织内层级传达决策，并分析结果（见第7步）。
5. 优先考虑决策
“促成事情发生” | 数据驱动的决策制定 |
|---|---|
停止你正在做的事情并转向一个新想法。 | 我们使用优先级记分卡来比较新决策与竞争想法。通常得分较高的优先。 |
战略是关于选择优先事项，决定先做什么，以及忽略什么。有时，只需快速查看想法即可批准或拒绝（见步骤1），而在其他情况下，您需要创建自己的优先级框架，以考虑对您的组织重要的因素。
6. 执行
“让事情发生” | 数据驱动决策 |
|---|---|
我们有一个计划，有人会执行它。 | 参与讨论的人现在将遵循已批准的计划。我们使用领先和滞后指标作为控制点。我们记录下任何意外发现。 |
实时了解事情进展情况是很好的，但要小心关键绩效指标。在大多数情况下，用于直接控制的关键绩效指标将会失败。相反，应将绩效测量作为讨论和改进的基础。
7. 分析结果
“促成事情发生” | 数据驱动决策 |
|---|---|
看起来这个想法对我们有效/无效… | 对于每个决策，我们计划分析结果。我们使用差距分析或OKR 框架来正式审查结果。 |
这时，将会有详细描述的理由（参见第4步）会有所帮助。最终的绩效数据并不像团队在过程中所做的工作那么重要。不仅仅是进行“评估” – 分析失败/成功的深层原因，并建议战略改进。
8. 学习循环
“促成事情发生” | 数据驱动决策 |
|---|---|
糟糕的决策是不可避免的…… | 我们审视决策过程本身： 我们正在改善我们的决策文化：我们寻找重复出现的问题，消除不必要的复杂性，更新模板和标准。 |
这是您与过去的自己对话的机会。利用此步骤回顾您的团队所遵循的原则。改善沟通，改善基础设施，更好地将内部机制与最终用户的价值创造对齐。
如果您认真计划数据驱动的决策，请查看大数据的关键绩效指标，这将有助于量化数据来源、分析和报告的努力。
结论
做出数据驱动的决策不仅仅是查看漂亮的BI仪表板。更重要的是一种 纪律严明的方法 来制定问题，量化控制点，然后跟踪进展和结果。
正确实施的商业框架，如平衡记分卡或OKR，通过“设计”来支持数据驱动的决策制定。