【转载】也许你根本不需要大数据

2015-04-20 中心编辑

在所谓的大数据时代,许多公司都在大力投资发展数据科学家,建立数据库管理系统,使用数据分析软件,然而这些投入的回报似乎并不明显,甚至根本没有任何回报。那么问题究竟出在哪里呢?首先,大数据的价值很可能被人们高估了。与此同时,有的数据分析很容易被同行复制,分析结果也很难被应用到实际商业运营中。然而,最重要的原因还是大多数公司根本没有充分利用他们掌握的信息资源。他们不知道如何管理和分析数据,并根据分析结果对公司的运营政策及管理方法做出相应的调整。盲目投资一些高级的数据分析软件而不针对公司特有的数据进行专业的分析是不会有什么显著效果的。因此公司管理者首先需要学习的是如何有效地利用公司运营系统里已经有的数据,并依据数据以及分析结果去改善公司运营政策,否则再大的数据也很难帮助公司提高业绩。

在过去三年时间里,美国学者Jeanne W. Ross等分析了7个案例,采访了51家公司的执行总裁,来研究公司如何从数据中获益。我们发现只有少数几个长期依据数据分析结果来决定运营政策的公司,即所谓循证决策型公司,业绩有显著提高。这些公司遵循四项准则:建立统一精确的数据库;给各级员工及时反馈分析结果;根据分析结果不断改进公司运营政策;对参与公司政策制定的人员定期进行高质量的培训。下面我们就来详细分析一下这四个准则。

统一精准的数据库:

2001年保险公司Aetna亏损3亿多美元,然而当首席运营官Ron Williams阅读部门负责人们向他上交的业绩数据时,所有部门居然都显示他们在盈利。于是他马上采取措施,要求统一口径对所有数据系统里的数据进行整理,并明确定义用来评估业绩的数据精准的数据很快帮助管理人员更好地理解了所有收支来源,并制定了新的医保政策来确保公司的盈利。到2005年的时候,Aetna盈利了16亿美元。2006年Ron Williams回顾总结公司的成功时说道,“当你用统一精准的数据来源时,你可以帮助整个公司更好地思考解决问题。”

统一精准的数据资源是建立循证决策型公司的第一步。公司需要采取措施提高数据质量,通过检查商业运营过程来查找错误来源。数据分析人员也要明确数据定义,检查数据收集过程。

业绩记分卡

PepsiAmericas是一个价值50亿美元的瓶装公司,它的一个重要管理方法之一就是采用记分卡来记录每个员工的表现情况。在每一个生产车间,管理人员都会公开记分卡,并按照员工的生产数量和质量给他们排名。大多数员工每天开始工作前都会检查他们的排名,这也在车间生产中形成了良性竞争。生产和数据的结合使业绩显著提高。

提供每个员工自己的业绩分数是帮助公司利用数据提高业绩的最有效方法之一。记分卡不是公司的财务总结或是股票指数,它体现的是每个员工的个人表现。记分卡可以帮助员工明确自己的工作职责,发现他们的问题所在并及时纠正,以及更清楚地了解他们对团队的贡献。

明确公司运营规则:

价值21亿美元的软件公司Citrix在全球100多个国家里一共有25万多顾客,并且大多数顾客都是由1万多个商业合作伙伴直接服务的。Citrix会给予业绩好的合作伙伴优惠折扣,以鼓励并奖励他们的忠诚度。但是公司执行总裁发现经理们给出的折扣度很不同,结果影响到公司的收益。因此Citrix建立了一个全公司范围内统一的优惠政策,并及时分析新政策对业绩产生的影响,然后根据分析结果不断调整政策。

这样的分析其实并不需要大量数据,也不需要复杂的数据模型,关键是公司管理者运用各种重要指标的数据(顾客,产品,交易等)分析公司运营情况,并不断调整运营规则,就可以帮助公司利用有限的数据实现业绩的提高。

定期培训:

上述讨论的三点可以非常有效地帮助公司建立循证型决策,但还有一个重要部分是不断对员工进行培训。只是告诉员工新的政策或者目标是什么还不够,关键还要帮助他们适应转变,尤其是从按直觉做决定到依据数据分析结果做决定。在便利连锁商店7-11,培训顾问们会每周两次访问公司的1万6千多个商店,比较商店员工预计的产品销售量和实际的销售量,然后帮助他们分析如何在下周提高产品销售量,指导员工如何有效使用数据。

一个公司要转型到循证决策型公司是一个重要的管理文化上的转变,这就像其他重要的商业变化一样,首先要清楚地定义目标,建立合理的评分制度,明确员工职责,并及时沟通,不断培训员工。目标不要不切实际,初期效果也许不会很显著,甚至会遇到困难。但是慢慢地,新的管理方法会影响到每个员工,帮助他们形成利用数据分析结果做决定的思考方法。大数据总是鼓吹获取更多信息并让更多人分析,但信息经济的核心其实是让每个人都能够更有效地利用数据。无论是大数据还是小数据,准确有效地利用它们才是关键。

 

本文内容翻译并编辑自哈佛商业周刊文章 《You May Not Need Big Data At All》

转载自微信公众号 Datartisan数据工匠