“數(shù)據(jù)驅(qū)動決策”這一短語在數(shù)據(jù)分析領(lǐng)域很流行，但似乎有些多余。畢竟，幾乎所有的數(shù)據(jù)分析都是由大數(shù)據(jù)驅(qū)動的，否則行業(yè)組織就不會在遍布全球的公共或私有數(shù)據(jù)中心擁有PB級的數(shù)據(jù)庫。

[[394699]]

那么，“數(shù)據(jù)驅(qū)動”到底意味著什么?這很簡單。數(shù)據(jù)驅(qū)動決策(DDDM)是基于實際數(shù)據(jù)分析而不是憑直覺、軼事或觀察做出組織決策的過程。

商業(yè)智能(BI)是另一個流行的數(shù)據(jù)術(shù)語，是完全由數(shù)據(jù)驅(qū)動的決策。使用企業(yè)數(shù)據(jù)分析應(yīng)用程序(如TeraData或Microsoft Power BI)，IT經(jīng)理和業(yè)務(wù)人員可以處理數(shù)據(jù)，從數(shù)據(jù)中提取事實、信息和模式，并根據(jù)分析出的見解而不是直覺做出決策。

數(shù)據(jù)驅(qū)動決策是一門藝術(shù)和科學(xué)，它利用事實、指標(biāo)和其他數(shù)據(jù)來指導(dǎo)戰(zhàn)略業(yè)務(wù)決策，以實現(xiàn)組織的目標(biāo)。數(shù)據(jù)驅(qū)動決策可以幫助組織做出更好的業(yè)務(wù)決策，并發(fā)現(xiàn)戰(zhàn)略機(jī)遇。

那么，組織如何正確執(zhí)行數(shù)據(jù)驅(qū)動決策?首先要使其成為規(guī)范。組織需要制定數(shù)據(jù)驅(qū)動決策的標(biāo)準(zhǔn)操作程序。當(dāng)然，還有一些直覺，但首先需要一種分析文化。這就是為什么分析技術(shù)在技術(shù)中變得如此重要的原因。隨著數(shù)據(jù)呈爆炸式增長，無論是通過商業(yè)智能、大數(shù)據(jù)、數(shù)據(jù)倉庫還是數(shù)據(jù)湖，組織都有機(jī)會從這些數(shù)據(jù)中獲得洞察力。

數(shù)據(jù)挖掘的結(jié)果通常分為兩種截然不同的類型：定性分析和定量分析，這兩者對于做出以數(shù)據(jù)為依據(jù)的決策都具有同等的價值。

定量數(shù)據(jù)分析是數(shù)據(jù)驅(qū)動決策的核心。它是一種測量分析，著重于數(shù)字和統(tǒng)計數(shù)據(jù)以及其他元素，例如中位數(shù)和標(biāo)準(zhǔn)差。定性分析的重點(diǎn)是不以數(shù)字或指標(biāo)定義的數(shù)據(jù)，例如圖像、視頻和社交媒體。

定性數(shù)據(jù)分析是觀察性的，而定量數(shù)據(jù)分析是事實性的。定性數(shù)據(jù)和定量數(shù)據(jù)都應(yīng)進(jìn)行分析，以制定更明智的數(shù)據(jù)驅(qū)動型業(yè)務(wù)決策。

好消息是，組織的所有員工都可以參與數(shù)據(jù)驅(qū)動決策。盡管一些神秘的數(shù)據(jù)科學(xué)由數(shù)據(jù)科學(xué)家研究和探索，但從Microsoft Excel開始，很多人就采用了大量與數(shù)據(jù)驅(qū)動決策相關(guān)的業(yè)務(wù)應(yīng)用程序。

數(shù)據(jù)驅(qū)動決策的優(yōu)秀實踐

除了應(yīng)用程序之外，組織還必須通過實踐來培養(yǎng)數(shù)據(jù)技能，通過最佳實踐和商業(yè)模式來開發(fā)應(yīng)用程序，并通過安全和治理來監(jiān)控事情。為了有效利用數(shù)據(jù)，專業(yè)人員必須采取以下幾個步驟：

1.了解最終目的

如果不知道目的地，那么怎么到那里?這應(yīng)該是實施任何數(shù)據(jù)驅(qū)動決策方案中的第一步：你要問自己需要解決的問題，最終確定并理解自己的目標(biāo)。在開始收集數(shù)據(jù)之前，需要執(zhí)行這一操作，以確定要收集哪些數(shù)據(jù)以及不要收集哪些數(shù)據(jù)。

為了充分利用數(shù)據(jù)，組織應(yīng)該在開始分析之前確定其目標(biāo)。組織需要制定策略，通過關(guān)鍵績效指標(biāo)(KPI)作為衡量成敗的指標(biāo)，制定避免落入陷阱的策略。

2.團(tuán)隊之間的協(xié)調(diào)

組織的數(shù)據(jù)驅(qū)動決策項目將至少涉及兩個利益相關(guān)者：尋求洞察力的業(yè)務(wù)部門和負(fù)責(zé)計算的IT人員。但可能還有其他人也會有既得利益。其他部門或部門主管可能也想知道結(jié)果。增加新員工可能意味著所收集數(shù)據(jù)的變化，有了新的利益相關(guān)者也可能意味著將新的數(shù)據(jù)變量添加到組合中。

3.使進(jìn)程實現(xiàn)民主化

人們都有一些無意識的偏見和盲點(diǎn)。因此，通過團(tuán)隊合作可以為項目帶來多方面的關(guān)注。當(dāng)然每個人會有自己的偏見，但這些偏見可能并不相同。

調(diào)研機(jī)構(gòu)麥肯錫公司在2010年進(jìn)行的一項針對1000多項主要業(yè)務(wù)投資的研究表明，當(dāng)組織致力于減少決策流程中的偏見影響時，它們的回報率最高可以提高7%。通過消除偏見，組織可以發(fā)現(xiàn)更多機(jī)會。

4.清理和整理數(shù)據(jù)

根據(jù)Gartner公司的調(diào)查，數(shù)據(jù)科學(xué)家通常需要花費(fèi)79%的時間來收集、清理和組織數(shù)據(jù)，而只有20%的時間實際進(jìn)行分析。毫不奇怪，這是數(shù)據(jù)科學(xué)家工作中最不喜歡的工作，但必須做到這一點(diǎn)。

“數(shù)據(jù)清理”是指通過刪除或糾正不正確、不完整或不相關(guān)數(shù)據(jù)來準(zhǔn)備原始數(shù)據(jù)以供分析的過程。在數(shù)據(jù)倉庫中，這稱為“寫入模式”，在存儲數(shù)據(jù)之前采用此類過濾器。該過程涉及創(chuàng)建數(shù)據(jù)字典和數(shù)據(jù)表，其數(shù)據(jù)表定義了每個變量，并將其轉(zhuǎn)換為在這個特定數(shù)據(jù)庫的場景中意味著什么。一旦有了字典，就可以在其他項目上重用它。

5.查找解決這些問題所需的數(shù)據(jù)

查看已經(jīng)收集的數(shù)據(jù)，并嘗試著眼于理想的數(shù)據(jù)，這將幫助回答所要提出的問題。在確定所需數(shù)據(jù)之后，需要檢查是否已擁有此數(shù)據(jù)，或者是否需要設(shè)置一種收集或從外部獲取數(shù)據(jù)的方法。

6.進(jìn)行基本統(tǒng)計分析

如果你是分析和數(shù)據(jù)驅(qū)動決策的新手，那么在第一個項目中加入數(shù)PB的數(shù)據(jù)庫確實不是一個好主意。應(yīng)該從頭開始學(xué)習(xí)，需要測試模型以查看它們是否提供了所需的答案。測試不同的模型，如線性回歸、決策樹、隨機(jī)森林建模等，可以幫助你確定采用哪種方法最適合自己的數(shù)據(jù)集。

從那里，可以提出三種類型的報告：

• 描述性：僅限于事實。
• 推論：事實以及提供場景的解釋。
• 預(yù)測性：基于結(jié)果的推論。

7.得出結(jié)論

數(shù)據(jù)驅(qū)動決策的最后一步是根據(jù)發(fā)現(xiàn)得出一個或多個結(jié)論。組織從分析中得出的結(jié)論將幫助做出明智的業(yè)務(wù)決策并規(guī)劃未來的戰(zhàn)略。數(shù)據(jù)驅(qū)動決策的最后一步始終是人為因素。

8.以有意義的方式呈現(xiàn)數(shù)據(jù)

挖掘數(shù)據(jù)是計算機(jī)的工作，但是人們想要的不僅僅是一行行數(shù)字，而是更直觀清晰的結(jié)果。借助出色的數(shù)據(jù)可視化應(yīng)用程序，能夠以有意義的方式向技術(shù)水平較低的人們展示數(shù)據(jù)。Databox、Zoho Analytics、T​​ableau、Infogram、ChartBlocks、Datawrapper等應(yīng)用程序提供了易于使用的GUI環(huán)境來講述數(shù)據(jù)故事。

9.重新審視、審查、修訂和重新評估

在放置好模型和數(shù)據(jù)字典之后，需要重新思考你的決定，查看模型以對它們進(jìn)行修改，并反思自己如何才能更好地做到這一點(diǎn)?優(yōu)化始終是可能的，并且沒有任何一個事物不會出現(xiàn)錯誤。你所做的工作只是不斷進(jìn)行修改，并使其變得更好。