[[169193]]

作者： Carl Anderson 翻譯：明略數據

數據驅動對于一個企業意味著什么?

很多企業認為，每天自己的業務中會產生很多報表、匯報，所以他們的企業就“數據驅動”了。事實上，無論這些報告結構多么嚴謹，里面講了多么美麗的故事(大部分并不美麗)，他們也不過是在回顧過去。他們可能會描述一次上周的銷售量下降，但是，他們并沒有解釋這次銷售量下降的原因以及接下來如何去做。而且，有的時候，如果這個報告根本沒有被閱讀，甚至更糟糕的是，被看過后完全置之一旁，那么這份報告沒有對企業產生任何價值。

同樣的情形還會出現在儀表盤(Dashboard)上。和報告一樣，他們通常是匯報過去的數據(雖然更接近現在)，他們通常缺少語言描述，并且伴隨各種雜亂的過時的業務指標。我們幾乎看不到一個儀表盤或者報告可以清晰地指出如何做才能面對業務中的挑戰和際遇。

我需要強調的是，報告和儀表盤對于一個企業來講確實至關重要，只是我們在使用的過程中，沒有充分地印證數據驅動的關鍵意義。

成為一個數據驅動型企業，***的標準是要引入具有前瞻性的數據分析。在這樣的分析中，需要包含“在哪兒”，“為什么”，“誰”，“接下來是什么”這些問題。分析還需要提供更多有效的信息和證明對接下來的商業決策進行指導。大部分的前瞻性預測需要具有預見性，提供優化策略，并且進行假設分析和模擬推演(出自Jim Davis’ levels of analytics分析的***階段 )。但是分析通常會和報表或儀表盤一樣，遭受同樣的命運：如果他們被忽視而不能對商業決策有所助益，那么他們沒有“驅動”任何事情。

Theanalytics value chain. 數據價值體系

在一個數據驅動的企業，數據是提供報告、深度模擬預測的來源。企業決策者應該將數據分析納入公司決策流程，并對公司的決策提供價值和影響。(Brent Dykes指出.)

數據驅動企業***的特點是擁有一套完整的數據價值體系。數據價值體系指的是一套完整的從數據收集、整理、報告到轉化成行業洞見和決策建議的流程。當然，最重要的是這些洞見和決策建議真正能夠被企業決策者使用，并且幫助他們做出高效、明確的決定。數據價值體系是自我迭代的流程，首先，需要改進公司業務(當然有的時候***的決策是不改變)，其次，對商業的影響可以被評判，再次，對商業的影響是可以用數據證實并有衡量標準。其實，大家普遍認為數據分析可以幫助決策者采取行動、獲得價值，但事實上并不是這樣。

在很多情況下，數據會終止在HIPPOs(Highest Paid Person’s Opinions，***收入人意見)。這些HIPPO(***收入人)，他們好像知道一切規則，忽略數據、證據和建議。他們覺得只要去做自己想做的就可以，因為他們知道什么是***的(畢竟薪水證明一切)。如果他們不依靠數據做出的決定是正確且運行良好的固然很好。然而，大多數情況下，并不是這樣。在很多公司，完全缺少問責性。有的評論家甚至會說：“他們不這樣做是因為，他們沒有辦法被問責。如果你敢展現那些會明顯否定HIPPO觀點的數據在小部分公司里會完全被否決，甚至會被解雇。”

如何形成有效的數據價值體系，關鍵在于讓數據驅動深入到企業文化中。為此，我們需要培養“數據驅動文化”。這是一個多層面的問題，他包括了數據質量、數據分享、數據分析師的招聘和培養、溝通、可分析的公司組織結構、量化設計、A/B測試、決策流程等。

數據驅動文化在企業中，主要體現在幾個方面：數據在多大范圍內被使用，如何在企業中使用和展現，企業為讓數據作為戰略資產所投放的資源和培訓。

數據驅動文化的基礎是數據本身。我們需要收集正確的數據，也要正確地收集數據。伴隨著很多從業務部門提交上來的需求，大部分企業的數據部門都是資源驅動的。在與業務部門的合作中，數據部門需要選擇***良的數據源并把它們納入到系統中，同時保證最小化數據噪聲，***化數據質量。當然，通常說比做容易。

文化 合作，兼容，開放， 好奇

數據領導力 ***數據官，***分析官

決策制定 反復驗證，基于事實，反對HIPPO

組織 嵌入式、聯合式分析

員工 可分析的組織架構：團隊、技能、培訓

數據 數據質量，數據管理

數據驅動企業的組成部分(出自Wayne Eckerson《數據分析人才的秘密(Secrets of Analytical Leaders)》

數據最原始的用戶是數據分析部門的數據分析師和科學家們，他們需要通過數據來提供洞見，而不是僅僅出一份報告或者分析結果放在老板的桌子上。他們的工作是要基于數據去提問并解答正確的問題，去理解業務并將他們的建議提供給決策者。為了達到以上目的，他們需要接受專業的培訓、掌握準確的技能、提供良好的支持。他們還需要企業在組織架構上更加高效。數據科學家和分析師們要與業務部門合作，和他們共同制定目標，同時他們還要負責制定和推廣相同的公司級別的衡量標準。當然，他們也需要一個可以提供培訓、監控和制定標準的獨立數據部門進行支持。

另外一個重要的數據用戶并不是很明顯，他們是公司所有其他人!一個數據驅動公司需要將數據盡可能的公開化，并給員工提供一個便利的途徑讓他們接觸數據和高效使用數據的方法，將數據嵌入到流程中，并讓員工有權利基于數據做決策。當然這里面有一部分是公司決策者本身。這些決策者們需要對數據非常敏感，他們需要有高效的技能去界定一個分析師提供的數據實驗設計的好壞，必要的時候給出意見，提正確的問題，正確地解釋數據標準和結果。在數據驅動文化中，員工是“雙語的”，他們可以聽得懂“用數據講業務”也能聽得懂“用業務講數據”。

怎么才能讓數據驅動實施起來保證客觀，摒除HIPPO的影響呢?這需要一個非常完善的A/B測試文化，它可以保持企業的創新，不斷嘗試新的創意，可以直接聽到真實的客戶和用戶反饋。正如Intuit Inc.創始人Scott Cook 所說，“這是市場在對你講話”。公司應該鼓勵假設，更重要的是，每個人的新想法都應該被贊同和接受。***，這不是一件對抗性的事情。即使是對HiPPO，我們可以說：“我們并不知道答案，所以我們要驗證它”，然后讓數據說話。

有了這樣的數據驅動文化，企業更容易傾向關注數據、驗證假設、商議策略和不斷迭代。正如Julie Arsenault提到的，“你有數據支撐么?”應該是一個每個人都敢問，每個人都隨時準備回答的問題。

***一個部分是數據領導力。你需要一個“數據***”來帶領數據驅動文化的變革，讓每個人意識到數據即戰略資產，并驅動實際收益與回報。當然，除了自上而下領導數據變革，也需要每一個員工自下而上的共同努力，才能真正形成一個企業的數據驅動文化。

文化的轉變是困難的，但是，越快開始，在企業的歷史中，就越早開始孕育這種文化并轉變成數據驅動型企業。

如果需要知道更多，可以關注Carl Anderson所著的《創造數據驅動型企業Creating a Data-Driven Organization》。

作者介紹

CarlAnderson博士是Warby Parker的數據科學總監，主要負責數據工程、數據科學、支持業務分析和數據驅動文化。他職業生涯一直圍繞著計算科學領域，從事過醫療建模、數據壓縮、機器人技術、實體建模等領域的工作。他畢業于英國謝菲爾德大學，擁有數學生物學博士學位。