最近的一項調查強調顯示，81%的企業認為數據應該成為所有決策的核心，有31%的公司為此進行了重大運營重組。

那么數據驅動型企業意味著什么呢?如何轉變自己的業務以做出數據驅動的決策并主導競爭對手?

數據驅動的企業是那些使用數據和分析做出決策的企業。如果使用數據來推動企業想要的結果，那么導致這些結果的決策將根據事實而不是直覺做出。到目前為止，理解起來就這么簡單。

數據驅動型企業的關鍵特征

數據驅動型企業的一些關鍵行為特征包括：

• 執行策略基于可觀察的事實和趨勢，而不是直覺。
• 決策者首先根據事實采取行動，其次考慮意見、意義;
• 員工愿意從經驗中學習，并承認基于直覺的判斷是錯誤的。
• 該組織在發布新產品時采用“測試第一”的心態。將所做的假設記錄為假設，然后尋找數據來證明或反駁假設。
• 可以創建企業范圍內的事實視圖，而不是孤立或狹隘的。
• 員工渴望信息，不斷尋求新知識并致力于將其運用起來。
• 企業優先考慮持續改進。這是必要的，因為數據驅動的道路是漫長而坎坷的。

您會注意到，我們省略了任何有關分析技能的提及。這是故意的遺漏。您的組織所需的分析技能水平取決于必須做出的決策。要求越復雜，需要的分析技能就越深入。關鍵點是不應該從分析開始然后倒退。從決策開始，然后從那里開始工作。

太多文章關注組合、顯示和表示數據的最新方法，而不是有效使用數據所需的思維方式。數據素養是構建數據驅動型業務的關鍵能力。除非員工愿意并且能夠使用數據來改進他們的工作，否則任何分析投資都將被浪費。

數據驅動的問題解決方法

數據驅動的方法利用可觀察和已知的事實來解決問題。為了采用數據驅動的方法來解決問題，必須確定需要回答的關鍵問題，然后提供可以肯定地回答這些問題的事實。事實就是數據——因此，如果希望堅持數據驅動的方法，必須確保數據是高質量、易于理解且值得信賴的。

如果高管對提供的數據失去信任，數據驅動的方法就會失敗。

為什么數據驅動很難

當今大多數企業的復雜性和規模帶來了重大挑戰。利用數據推動小型企業向前發展比在跨國組織中嵌入數據優先文化要簡單得多。對于企業中的管理人員來說，要使用數據做出決策，他們首先需要知道數據的存在。一旦他們知道數據可用，下一步就是理解這一切。如今的數據量使得這項任務對許多人來說難以承受。

60%的組織表示，超過一半的組織數據沒有被捕獲，其中許多數據甚至不被理解為存在。

許多組織在改變數據行為時面臨文化挑戰。如果執行團隊有忽視事實或不信任報告中提供的信息的歷史，那么將面臨一場艱苦的戰斗。為了成功地充分利用數據的潛力，執行團隊必須接受成功帶來的可能性。這要求我們首先了解執行團隊的戰略重點，然后才能描繪出未來數據驅動業務的情況。

數據專業人員面臨的挑戰

對于數據專業人員來說，面臨的挑戰是弄清楚高管需要做出哪些決策。他們尋求什么結果?他們需要回答哪些業務問題才能實現這些結果?要建立數據驅動型業務，需要：

• 提供正確的數據；
• 讓它在正確的地方可用；
• 在正確的時間；
• 憑借對質量的信任；
• 跨組織的數據含義保持一致。

這是一個重大挑戰。為了兌現上述承諾，首先需要了解公司的整體戰略方向。其次，可以取消必須做出的重大決定。最后，可以開始確定支持這些決策所需的數據。根據所在的組織，可能需要構建數據治理功能，以確保數據隨著時間的推移適合用途。

數據驅動有什么好處

在使用數據驅動決策方面處于行業前三分之一的公司平均比競爭對手高出5%的生產力和6%的利潤。

“數據驅動”的上市公司同比增長27%。

麥肯錫表示，大量使用客戶分析可以更有可能超越競爭對手。以數據為驅動，獲得客戶的可能性提高23倍，留住客戶的可能性提高6倍，盈利的可能性提高19倍。

領先者和落后者之間的差距很大，并且還在繼續擴大。高績效組織表示，他們的數據和分析投資在過去三年中貢獻了20%的收益。

所有這些都表明數據驅動的投資回報率很高。如果能做到這一點，組織將贏得巨大勝利。

數據驅動有什么缺點

您可能會認為，鑒于成為數據驅動型企業的好處，一切都會一帆風順。不幸的是，這種情況并非如此。為了追逐大型咨詢公司的“藍天”夢想，企業陷入了浪費投資的熊坑。結果，公司在數據和分析上投入了大量資金，而對其預期投資回報率卻沒有清晰的認識。亞馬遜和Facebook等商業領袖憑借數據取勝，并不意味著您會立即效仿。

據估計，85%的大數據計劃都失敗了。在接受《哈佛商業評論》調查的公司中，只有不到一半認為他們的分析項目已經取得了可衡量的結果。大部分失敗的項目都是由炒作推動的。供應商兜售數據驅動的好處，卻沒有誠實地面對挑戰。這導致了“跟上攀比”的呼聲，而技術落后的公司最終付出了代價。為了避免這些陷阱，需要記錄重要的需求并為成功做好準備。不要從技術開始。

當今企業的數據驅動程度如何

最近的調查結果令人失望。盡管投入大量資金，公司仍在努力取得他們所尋求的進展：

• 不到一半(48.5%)正在利用數據推動創新。
• 只有41.2%的人在分析方面進行競爭。
• 只有39.3%將數據作為業務資產進行管理。
• 不到三分之一(30.0%)的公司擁有明確的數據戰略。

根據研究，32%的公司表示已制定數據策略。其中許多文件沒有得到很好的闡述，并且沒有得到企業的認可。

• 只有24.4%的人已經形成了數據文化。
• 只有24.0%的人表示他們已經創建了一個數據驅動的組織。

如果組織目前缺乏數據治理，將很難釋放組織數據的價值。數據可能會雜亂無章，并且不適合更高級的用途，除非已出于這些目的積極管理該數據。

如何建立數據驅動的業務

請按照以下步驟構建數據驅動型業務。

現在我們已經介紹了它的含義，讓我們看看如何成為數據驅動型的組織。顯而易見的目標是提高業務績效。除非我們能夠提高性能，否則我們不應該投資數據活動。讓我們看看如何將其變為現實：

如何利用數據來提高業務績效

作為數據領導者的企業顯然正在交付令人印象深刻的成果。我們確定了這些公司突破極限并利用數據改善業務的9種方式：

• 利用數據提高決策的準確性和速度。
• 使用數據控制成本和支出指標。
• 更好地了解客戶，并提高忠誠度和支出。
• 識別新市場或增長機會。
• 減少欺詐并消除其他業務風險。
• 創造更好的產品和服務。
• 與合作伙伴和客戶出售或交易他們的數據，以產生新的收入來源。
• 提高員工敬業度和滿意度。
• 提高關鍵業務流程的效率。

造成這一挑戰的原因在于，需要將這些高級數據目標轉化為適合當今業務的實際、務實的數據策略。

創建與組織戰略相一致的數據戰略

根據業務戰略目的和目標調整數據策略。

為此，必須確定上述對業務最有利的要點。年度報告將顯示業務發展方向。如果所在的私營公司不發布年度報告，請查找表明主要目標的戰略文件。

獲得這些文檔后，就可以開始使數據目標與業務目標保持一致的工作。

對齊過程，分步驟：

1.首先，找到與上面列出的其中一個要點相符的戰略目標。

• 也許公司正在嘗試擴展到新的地區-在這種情況下，您將選擇“識別新市場或增長機會”。

2.其次，集思廣益如何使用有助于實現這一戰略目標的數據。

• 繼續這個例子，手頭上可能有數據顯示以前開設類似地區所需的投資。
• 還可以考慮當前沒有的數據，例如GDP或人口統計數據。這些數據可以幫助高管做出啟動選擇。
• 最后，可以查找合作伙伴數據。合作伙伴是否已經在目標地區開展業務?也許他們會與您的公司共享這些數據，或者將其交換為您擁有的有價值的數據。

3.最后，與負責做出決定的高管進行接觸。

• 告訴他們幫助他們的計劃。
• 解釋希望如何提供更多數據來幫助他們做出更好的決策并消除他們面臨的一些疑問和不確定性。
• 詢問他們，如果他們想獲得一個完美的結果，想要什么數據。

數據驅動計劃必須讓執行領導感到興奮。如果在這一步失敗，請返回到第一個方并重新開始。

通過根據業務的戰略目標調整數據活動，將從執行團隊中獲得更多熱情。不要要求高管幫助您將數據放在第一位，而是向他們展示如何將他們的決策放在第一位。

數據驅動的決策變得簡單

我們使用數據提高業務績效的9種方法中的第一種側重于決策。事實上，改進決策將導致后續8個項目中每一個項目的改進。因此，我們希望花時間專注于這一步，并逐步了解如何在業務中實現這一目標。

數據驅動決策(DDDM)很簡單。目的是利用我們手頭的數據更快地做出更好的決策。詢問任何一位高管，他們對重大決策有多大信心，你會發現(私下里)許多人被迫在沒有全面了解的情況下做出決定。這是因為很難在準確的時間提供完美的信息。此外，許多高管還會告訴您，他們對所提供的數據缺乏信任。

67%的首席執行官忽視了數據分析提供的見解，因為它與他們自己的直覺或經驗相矛盾。

不到一半的公司表示數據對于決策制定具有高度價值。我們必須解決這個問題。

不要急于獲取業務數據。首先，我們必須關注重要的數據。我們認為，識別這些數據的最佳方法是使用決策智能。

使用決策智能來識別關鍵數據

決策智能是一項新技術，可以幫助我們對復雜決策進行建模。因此，它非常適合數據驅動的決策。

如何創建因果決策圖

創建因果決策圖的第一步是確定需要做出的決定。接下來，需要獲得執行發起人的支持。即使他們不參與完整的因果決策流程，獲得他們的指導也會產生巨大的影響。需要定義因果決策圖將克服的問題陳述。讓執行發起人簽署此協議。

一個示例決策可能是“我們希望在2023年將業務增長10%。我們是否應該利用我們的技術進入中國市場?”。

這樣的決定本質上是復雜的。因此，需要組建一支具有豐富經驗的多元化團隊，以幫助理解這一點。團隊越多元化越好。

執行發起人可能需要制定一些基本規則。例如，可用于支持進入新市場的最高預算可能為100萬美元。除非在開始建模之前就知道這一點，否則可能會創造出永遠不會被使用的想法。因此，應該記下所有這些并使用它們來構建建模會話。

開始構建因果決策圖

構建因果決策圖的第一步是確定團隊想要實現的結果。在我們的案例中，問題中闡述了其中之一——希望在2023年將業務增長10%。太棒了!接下來，我們需要充實這一點并記錄其他結果。例如，我們可能有義務達到法律規定的特定環境目標。這需要記錄下來，因為進入新市場的決定可能會對這些目標產生影響。最后，可能還有其他重要的結果，例如維持利潤率或保護知識產權。把它們全部列出來。

僅有結果還不夠好。一旦集思廣益了盡可能多的內容，就該具體化了。首先定義可以實現的可衡量的目標。我們的第一個例子“2023年業務增長10%”是可衡量目標的一個例子。如果我們實現了，我們就會知道。定義衡量成功的指標。

充實細節

是時候進行另一次頭腦風暴會議了。在本次會議中，團隊應該列出盡可能多的杠桿-可以控制并可以選擇的選項，這些選項可能會幫助實現目標。對于我們的示例，這可能包括新市場的定價選擇。也許我們需要考慮運輸方式或者是否在那個市場開設工廠。列出所有可以提供幫助的潛在選項。

最后，需要識別“外部”。這些是無法控制的事情，可能會影響您的決定。Covid-19是可能極大影響決定的外部變化的一個示例。雖然不可能全部預測，但團隊可以在本次會議中列出盡可能多的內容。

將因果決策圖整合在一起

一旦有了一份包含杠桿、外部因素、結果和可衡量目標的清單，就可以開始將它們拼接在一起。此時團隊必須利用他們的經驗和知識將因果決策圖整合在一起。例如，一位團隊成員可能知道競爭對手在中國的價格為50美元。您自己制造商品的價格可能是30美元。然后，可以選擇是從現有工廠運送產品，還是在中國建立新工廠以在當地供應貨物。

通過中間鏈接將控制范圍內的事物與目標聯系起來

當考慮這兩個杠桿時，需要將它們與團隊定義的結果和目標聯系起來。從現有工廠運送貨物的成本可能為每件10美元，這意味著可以獲得20%的利潤率(高于您的目標)。與此同時，航運的碳足跡可能會對環境目標產生負面影響。這可能會取消這個選項。

仔細地將每個杠桿與目標聯系起來，并注意任何反饋循環或意外的相互作用。

識別關鍵數據

根據經驗，僅創建因果決策圖就可以為業務帶來巨大價值。大多數企業缺乏一個連貫的重大決策圖。團隊之間存在孤島，這些團隊可能會相互競爭相同的資源，或更糟糕的是，將公司拉向兩個不同的方向。

當你瀏覽鏈條中的各個環節時，會有一些不確定的地方。在其他領域，將擁有可靠的數據，表明該特定杠桿的特定選擇。在這兩種情況下，這都描述了在做出這一重要決策時對管理人員有用的數據。

以出貨杠桿為例。當對此進行分析時，可能會發現需要更多有關不同運輸方式的碳足跡的數據。然而，一旦研究了在中國設立工廠的杠桿因素，就會發現，在海外工廠生產、運輸和銷售產品的成本不可能比在當地生產的成本更低。因此，尋找碳足跡數據是沒有意義的。這與決定無關，因為一開始就不會選擇使用該杠桿。

并非所有數據都是一樣的。關注能夠帶來更好決策的數據，而不是最容易找到或最容易理解的數據。

通過使用決策智能等工具，可以識別關鍵數據所在的區域。這將幫助避免陷入“過度改進”業務未使用的數據的陷阱。這將節省時間、金錢和資源，以便可以將精力集中在為執行利益相關者提供有意義的價值的數據上

將所有內容整合在一起

更快地做出更好的決策是首先成為數據驅動的主要原因。關鍵是識別重要數據以幫助指導決策。決策智能是一種可以用來解決這一問題的技術。即使選擇不利用決策智能，本節的主要要點也應該是：

專注于為業務增加真正價值的重要決策。通過這樣做，將提高高級管理人員支持該項目的熱情。

確定支持這些決策的關鍵數據。一旦確定了這些數據，就可以確保它適合預期目的。

不要旨在讓每個人都可以使用所有數據。這是“沸騰的海洋”，會浪費項目時間和資源。

慢慢開始并在成功的基礎上再接再厲。應該利用一切機會記錄和展示數據驅動方法帶來的價值。提前做好功課可以清楚地展示出強勁的投資回報。隨后，您會發現說服其他高管遵循您的方法要容易得多。

成為數據驅動型企業面臨的挑戰

正如您從上面的章節中看到的，企業難以成為數據驅動型企業的原因有很多。讓我們看一下一些主要挑戰并探討如何克服它們。

數據管理不善

數據治理功能的存在是為了確保數據適合用途。該功能的作用是對業務數據施加執行權限。例如，必須明確定義“客戶”一詞：

• 這是否意味著任何曾經從您的企業購買過商品的人?
• 這是否意味著有人在過去12個月內購買過東西?
• 或者是積極訂閱持續服務的人?

正如您所看到的，像“客戶”這樣的簡單術語對于不同的部門來說可以有多種含義。為了消除這些噪音并理解我們的數據，我們首先需要記錄它的含義。之后，我們可以開始規定數據質量規則——我們的客戶記錄中是否需要電子郵件地址?我們應該多久驗證這些電子郵件地址是否有效?在我們的業務中，誰應該做出這些決定?

當數據治理缺失時，數據就會陷入混亂。從管理不善的數據中找出意義是一場艱苦的戰斗。基于管理不善的數據的報告會削弱高管的信任并產生分歧。在成為數據驅動之前，必須解決這個問題。

數據成熟度報告的主要發現：

• 56%的企業表示，數據是其業務的戰略推動者或競爭優勢
• 然而，35%的企業只從成本角度看待數據價值，無法看到更大的前景
• 目前只有32%的公司制定了數據戰略，領導者的數據成熟度得分遠高于沒有任何戰略方向的公司。
• 高級利益相關者尚未接受數據治理——只有16%的公司最高級資源積極參與
• 三分之一的企業(33%)沒有專門的預算來改進其數據
• 數據所有權仍然是一個模糊且令人困惑的話題–42%的公司沒有數據所有者或依賴IT發揮這一關鍵作用
• 37%的公司知道他們的數據質量很差，但仍然沒有適當的流程來改進數據
• 元數據管理工具尚未達到黃金時段——只有2%的參與者表示這些技術得到了廣泛使用和采用
• 數據團隊未能為自己的工作設定和衡量KPI——77%的企業無法告訴我們事情是否因他們的工作而有所改善

常見的數據成熟度問題

我們看到的第一個主要數據成熟度問題是缺乏業務案例。企業告訴我們，他們沒有商業案例，或者他們的商業案例結構不完善。反過來，這又導致高管缺乏對項目的參與以及數據計劃的資金不足。如果希望數據驅動的計劃能夠長期持續，就必須構建良好的業務案例。

其次，我們經常看到數據所有權方面的挑戰。簡而言之，數據所有者必須對其“擁有”的數據負責。這個角色至關重要。對數據負責意味著需要擁有權力、預算和影響力來改進數據。具體來說，這個角色必須有權對不良數據“采取行動”。通常，這意味著任命“數據管理員”來進行改進工作，并清除內部導致不良數據的障礙。

常見數據所有權問題

1.沒有人擁有這些數據。這意味著組織中的數據不承擔任何責任。如果沒有問責制，就沒有人可以報告數據問題和錯誤。

• 據調查，16.3%的公司沒有人對其數據負責。

2.IT擁有數據。這并不比上面的好多少。IT部門可能擁有數據所在的系統，但他們對該系統內的數據并不了解。因此，他們不能對數據問題負責。

• 25.6%的公司犯過這個錯誤

3.錯誤的人擁有數據。數據所有權可能是一個棘手的話題。僅僅因為商業支持者被任命，并不意味著他就自動成為該職位的合適人選。

• 我們采訪的公司中有18.6%正在指定數據所有者。這意味著我們能夠幫助指導他們的選擇并支持這一關鍵角色。

存在的其他問題包括人們“囤積數據”。不幸的是，將此角色稱為“數據所有者”的一個副作用可能意味著有些人認為他們可以用它做任何他們喜歡做的事情。事實并非如此，需要迅速消滅在萌芽狀態。

數據質量問題

數據質量很重要。如果數據質量很差，那么根據該數據做出的決策也會質量很差。因此，獲得高數據質量分數是構建數據驅動型業務的重要一步。

簡而言之，數據必須適合其預期目的。這意味著與業務部門交談、了解決策并就預期質量指標達成一致。把這件事做好，你就會讓你的高管感到高興，并使其他一切變得更容易。

我們發現這對企業來說是一個艱巨的挑戰。37.2%的公司表示“數據被認為質量較差，但沒有正式的流程來解決它”。另有27.9%的公司表示IT部門負責修復不良數據。

與數據所有權一樣，IT部門不能負責修復不良數據，除非他們知道“適合目的”的含義。此外，修復不良數據的成本也很高。消除不良數據的根本原因。為此，必須更改捕獲數據的方式。這將帶來長期成功并降低管理數據的成本。

高管不感興趣

根據調查，53.5%的企業表示，他們的執行領導者要么對數據治理不感興趣，要么對此主題興趣有限。結果，沒有用于改進數據的預算，而且現有的項目也得不到很好的資助。

“為什么這么多大數據項目失敗?”中說：

• 管理層阻力和內部政治(Gartner報告)。
• 組織協調不足、中層管理人員缺乏采用和理解以及業務阻力

改變組織的文化是一項挑戰。取得進步的唯一方法是展示切實的商業價值。除非能夠證明投資回報，否則永遠不會讓管理層關心。因此，數據從業者需要停止將這些失敗歸咎于管理層，并開始學習如何更有效地傳達他們的價值。

缺乏數據素養

“數據素養是讀取、使用、分析數據和與數據進行交流的能力”。這意味著決策者需要這些技能才能使用提供的數據。事實上，可以提供世界上最好的分析，但除非主管能夠理解它，否則就是在浪費時間。

與我們對數據分析的評論類似，首先要了解今天的數據素養水平。接下來，考慮明天您需要什么級別的數據素養。根據受眾的需求來培訓他們，否則，會讓人們感到厭煩，并讓他們終生遠離數據。

為了有效地做到這一點，必須根據受眾量身定制培訓。有些人想“探究”細節，其他人則樂意接受“黑匣子”的結果。因此，培訓那些需要培訓的人。只要對您提供的結果有信心，并且對數據采取行動，您就成功了。