偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

數(shù)據(jù)分析,如何驅動科學決策

大數(shù)據(jù) 數(shù)據(jù)分析
所謂的決策不科學性:原本可以出去玩,結果非宅家惹女朋友不開心?;蛘弑緛砜梢匀ゾ包c,結果因為不知道,所以沒去。通過數(shù)據(jù)澄清現(xiàn)狀,梳理邏輯,可以避免這些問題。

“數(shù)據(jù)分析要支持管理層做出科學的,準確的決策”

——這是很多企業(yè)對數(shù)據(jù)分析師的要求。然而問題來了:到底咋個支持法?!為啥辛辛苦苦碼了一大堆數(shù)據(jù),還是被說:沒啥用?

一、剝去決策的神秘面紗

很多同學一聽到“決策”倆字就慫了。對“決策”的第一印象,就是各種聽不懂的高大上詞語,什么“把握機遇”“苦練內功”“真抓實干”……這些東西咋個和數(shù)據(jù)扯上關系?

如果只看這些玄幻詞語,確實和數(shù)據(jù)沒啥關系!所以想要數(shù)據(jù)支持決策,第一步,就是剝去決策的神秘面紗,用最簡單直白的數(shù)據(jù)模型來描述決策這件事,這樣才能做到可量化,可分析。

舉個最直白的例子,一個小伙好不容易盼到周末,終于可以跟女朋友約會了!那么他該怎么辦呢?這就是一個典型的決策問題。

二、決策的三大要素

要素一:決策目標。

提高女朋友滿意度。

要素二:決策層級。

最高級決策:要不要出去玩(要/不要)

次一級決策:要去哪里玩?(已決定:要玩,再考慮:近郊/遠郊、室內/室外)

次二級決策:要去哪個具體場所玩?(已決定:遠郊,室外,再考慮:公園/游樂場/景點……)

次三級決策:要怎么去?在哪里吃飯?怎么回?(已決定去郊區(qū)著名景點,決定行程細節(jié))

要素三:評價因素。

比如基于以下因素,決定出去找個地方玩:

1、現(xiàn)在是秋天,天氣好

2、女朋友喜歡出去玩

3、附近有個幾個景點口碑還不錯

4、附近這幾個景點還沒去過

這些就是支撐“出去玩”的評價因素。評價因素是用來判斷決策是否科學的重要依據(jù)。

因為很有可能決策人在謀劃階段思考的因素,在現(xiàn)實中不成立,比如:

1、現(xiàn)在是秋天,天氣好——這兩天突然很陰沉想下雨

2、女朋友喜歡出去玩——但是這兩天沒心情

3、附近有個幾個景點口碑還不錯——但是女朋友聽閨蜜說這都不好玩

因此,根據(jù)實際情況作出評價,修正決策,就變得非常重要。

三、決策的四大原則

在做決策時候,有幾個基本原則:

原則一:清晰決策目標。

如果目標是“我得盡快甩了她”,那后邊就想著怎么冷暴力好了。

原則二:決策層級圍繞決策目標構建。

如果目標是“討好女朋友”,那后邊就不要想著周末自己憋家打一天游戲,然后扣個可樂拉環(huán)當戒指糊弄過去。

原則三:每一級決策受上一級制約。

如果已經選了去遠郊,出行方式就只能考慮:租車/打車,最好公交都不考慮。

原則四:每一級決策有自己的評價因素。

決策人根據(jù)實際情況,修正評價因素。

了解了這四大原則,我們可以進一步看:數(shù)據(jù)在決策中的作用。

四、數(shù)據(jù)如何支持決策

注意:決策是個業(yè)務能力,理論上跟數(shù)據(jù)沒啥關系!就像小伙子去約會,如果他高大英俊,氣質不凡,腰纏萬貫。那即使他啥都不做,都有大把女生撲上門來,滿意度還賊高。

BUT!小伙們自己照照鏡子,每日三省吾身:高否?富否?帥否?絕大部分小伙既沒有傾國傾城的相貌,又沒有億萬身家,這時候就得認真思考該怎么和女孩子相處。這時候,又會冒出來更多問題。

問題一:壓根不知道干什么。很多鋼鐵直男除了傻憨憨地問好,就不知道干啥了。有幾個餐廳,幾個公園,幾個游樂場,有啥電影可以看,全不知道。這咋進一步決策嘛。

問題二:知道有可以做的事,但不會評估。知道上海有迪士尼,廣州有長隆,就憨憨地拖著女朋友去,天氣咋樣,有沒有心情,一概不考慮,結果無辜被噴。

問題三:評估層級不夠細,越往細節(jié)問題越多。女朋友想去長隆,于是興沖沖定了票,至于交通咋走,去了咋吃,準備多少錢,全沒安排,結果一路搞得小姑娘又餓又累,花錢不討好。

當遇到不知道,不明確,算錯數(shù)的情況,就是數(shù)據(jù)發(fā)揮作用的時候了!

這時候數(shù)據(jù)可以:

  • 澄清現(xiàn)狀
  • 梳理邏輯
  • 計算過程

從而支持決策。

決策的科學性和準確性,也可以一定程度上通過數(shù)據(jù)保證。

所謂的決策不科學性:原本可以出去玩,結果非宅家惹女朋友不開心?;蛘弑緛砜梢匀ゾ包c,結果因為不知道,所以沒去。通過數(shù)據(jù)澄清現(xiàn)狀,梳理邏輯,可以避免這些問題。

所謂的決策不準確:原本該打車,結果算錯了時間和距離,做了公交,把女朋友累得半死大發(fā)脾氣……

雖然數(shù)據(jù)不能直接告訴你科學、準確的決策是啥。但是是否當前的決策不科學、不準確,有多大概率是科學、準確的,是可以評估的。

故事到這就講完了,估計很多小伙仰天長嘆:誒呀嗎,你看我都沒有女朋友??梢姏Q策是個多么難的事呀!實際上,在企業(yè)里做決策,比追女朋友容易得多。

五、企業(yè)經營決策與數(shù)據(jù)分析

之所以在企業(yè)里做決策比自己追女朋友容易,是因為但凡有點規(guī)模的企業(yè),都有組織架構和人員分工,但凡是個正規(guī)企業(yè),都有清晰的經營范圍。因此只要能了解企業(yè)的業(yè)務特點,部門分工,就能按圖索驥弄清楚決策特點。這可比猜女生的心思容易太多了。

站在數(shù)據(jù)角度,企業(yè)決策的內核并不復雜,其核心,就是:

  • ABC指標,做哪個?
  • 從多少,做到多少?
  • 多長時間內做完?

這三個問題答完即可,剩下的是具體執(zhí)行問題。不同部門、不同等級的領導,關心的指標肯定不同。

部門間的區(qū)別:

  • 戰(zhàn)略發(fā)展部:全公司經營性指標
  • 銷售部:銷售金額、銷售數(shù)量、銷售回款……
  • 運營部:總用戶數(shù)、新增用戶數(shù)、活躍用戶數(shù)……
  • 供應鏈:生產訂單數(shù)、產品供應數(shù)、物料使用數(shù)…… 

領導等級也有區(qū)別:

  • 公司級高管:戰(zhàn)略性問題,如發(fā)展路線,考核標準,職責劃分
  • 部門級領導:戰(zhàn)術性問題,比如具體做哪些產品線,哪些客群,任務分配
  • 小組及領導:戰(zhàn)斗性問題,比如是早上干還是晚上干,顏色紅色藍色,按鈕左邊右邊

并且,很多決策是有固定套路的,比如對于單產品,有三種典型策略(如下圖)。

圖片圖片

對于多產品線/業(yè)務線,也有三種典型策略(如下圖)。

圖片圖片

所以對各種業(yè)務的數(shù)據(jù)形態(tài)有積累以后,就能很容易照葫蘆畫瓢,幫領導理清決策邏輯(如下圖)。

圖片圖片

六、數(shù)據(jù)支持決策的難點

實際工作中,數(shù)據(jù)支持決策之所以難,主要難在:

1、不懂業(yè)務,部門、層級、分工、目標完全弄不清

2、沒有分清決策層級,不是做的太淺,就是一下扎的太細

3、沒有列羅每一級的評估因素,評估不夠充分,不能說服人

當然,更糟糕的做法,是試圖建立一個神威無敵大將軍超牛逼模型,一模解千愁,把各種各樣的問題都分析清楚。真要有這么厲害的玩意,強烈建議不要打工了,直接去炒股,一摸一個準,下個世界首富就是你,歐耶!梳理問題邏輯,層層遞進,多種方法組合,才是支持決策的正道。

然鵝,總有那種很作的女朋友:

  • 你問她想去哪玩,她說隨便
  • 你建議去室內的,她說無聊
  • 你建議去郊外,她說太累
  • 你說咱們討論討論,她說你直男!沒腦子!
  • 你怎么就不能讀懂女孩子心呢

就是得我嘴上啥都不說,你一下精準猜出我的想法真要是談戀愛遇到這種姑奶奶,強烈建議直接踹了省事,咱伺候不起。

責任編輯:武曉燕 來源: 接地氣的陳老師
相關推薦

2013-09-22 15:13:18

SAP立白

2023-08-23 15:33:15

數(shù)據(jù)倉庫數(shù)據(jù)分析

2023-09-05 16:30:53

數(shù)據(jù)倉庫數(shù)據(jù)分析

2022-11-01 11:30:51

數(shù)據(jù)分析模型數(shù)據(jù)

2022-07-06 07:44:50

貝葉斯數(shù)據(jù)技術

2021-01-20 06:02:24

數(shù)據(jù)分析驅動

2022-11-14 10:36:55

數(shù)據(jù)科學數(shù)據(jù)分析

2022-05-11 11:33:53

數(shù)據(jù)分析業(yè)績業(yè)務

2013-10-25 14:22:08

SAP

2019-10-23 14:29:09

數(shù)據(jù)分析師數(shù)據(jù)科學統(tǒng)計

2021-03-10 11:44:12

數(shù)據(jù)分析決策分析管理數(shù)據(jù)

2018-05-18 20:13:10

數(shù)據(jù)分析數(shù)字化轉型Teradata

2017-03-07 10:37:05

非數(shù)據(jù)數(shù)據(jù)分析

2024-02-26 12:34:52

模型數(shù)據(jù)決策模型

2023-11-24 08:47:36

ScipyPython

2024-10-30 12:21:18

2021-11-05 16:29:49

數(shù)字化

2023-09-04 15:35:54

點贊
收藏

51CTO技術棧公眾號