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

從拍腦袋到數(shù)據(jù)支持決策,這個(gè)分析師是怎么做到的?

大數(shù)據(jù) 數(shù)據(jù)分析
數(shù)據(jù)驅(qū)動(dòng)決策需要的是業(yè)務(wù)流程與數(shù)據(jù)緊密配合,領(lǐng)導(dǎo)層參與推動(dòng),才能實(shí)現(xiàn)的事。數(shù)據(jù)驅(qū)動(dòng)決策,從來都不是一個(gè)神機(jī)妙算的世外高人,拿著數(shù)據(jù)口念咒語:“媽咪媽咪轟”就轟出來一個(gè)驚天地泣鬼神的結(jié)論,這是基本常識(shí)。

數(shù)據(jù)驅(qū)動(dòng)決策,是大家天天掛在嘴邊的時(shí)髦詞匯??傻降讛?shù)據(jù)是如何驅(qū)動(dòng)的?很少有同學(xué)真正看到過全流程。更有同學(xué)總疑惑:“自己被人追著屁股要數(shù),感覺自己才是被驅(qū)著動(dòng)的“。今天系統(tǒng)講解一下,拒絕跟風(fēng)。

1.最原始的決策流程

首先,做事情是否一定需要數(shù)據(jù),答:完全不需要。理論上,做事情只要兩橫一個(gè)豎:干就完了奧力給!所以最簡(jiǎn)單、無腦的做事方式就是(如下圖)

圖片圖片

但是大家都知道,這么空洞的打雞血喊口號(hào),是種除了逼死員工以外沒屁用的方法。因?yàn)閷?shí)在太無腦了。干什么,怎么干,干成啥樣,都不知道。

2.科學(xué)決策的雛形

因此這種原始的決策很快進(jìn)入到第二階段:三拍階段(如下圖)

圖片圖片

這種三段式?jīng)Q策,已經(jīng)具備了科學(xué)管理的雛形,并且隨著80年代末、90年代初承包制的普及,大放異彩。以至于很多50、60后的領(lǐng)導(dǎo)以及受他們影響的70、80后領(lǐng)導(dǎo),都還喜歡沿用:干什么,怎么干,干啥樣這種三段式說法。在文章、書籍里也很普遍。

然而,這并不是真正意義上的科學(xué)管理。因?yàn)樘植诹?。特別是干什么,往往是領(lǐng)導(dǎo)自己拍腦袋定,他們最喜歡的口頭禪是:“你先達(dá)成個(gè)小目標(biāo),掙它1個(gè)億”至于為什么是1個(gè)億,為什么非得掙錢而不是占領(lǐng)市場(chǎng),從來沒有深入分析與解釋。決策拍腦袋的結(jié)果,就是當(dāng)面拍胸脯,出事拍大腿。因此才有了“三拍”的戲稱。

3.從粗放到精細(xì) 

想要提升決策的精細(xì)化程度,就得引入數(shù)據(jù)度量和數(shù)據(jù)分析,可以說,數(shù)據(jù)分析天生是為科學(xué)管理服務(wù)的。有了數(shù)據(jù)的支持,能夠做大量精細(xì)化管理。

決策前:

  • 量化評(píng)估經(jīng)營(yíng)現(xiàn)狀,收入、支出、利潤(rùn)。
  • 根據(jù)市場(chǎng)、對(duì)手、消費(fèi)者數(shù)據(jù),評(píng)估機(jī)會(huì)點(diǎn)與威脅。
  • 根據(jù)過往業(yè)績(jī)走勢(shì),發(fā)現(xiàn)自然變化規(guī)律,制定更合理的目標(biāo)。

決策中:

  • 量化評(píng)估備選方案所需的時(shí)間、人力、物力投入。
  • 根據(jù)過往表現(xiàn),量化評(píng)估方案可行性,評(píng)估預(yù)計(jì)完成率。
  • 根據(jù)過往業(yè)績(jī)走勢(shì),發(fā)現(xiàn)自然變化規(guī)律,制定更合理的目標(biāo)。

決策后:

  • 量化監(jiān)督執(zhí)行過程,發(fā)現(xiàn)執(zhí)行問題。
  • 分析執(zhí)行手段,評(píng)估優(yōu)化、調(diào)整的措施。
  • 復(fù)盤執(zhí)行效果,檢查目標(biāo)實(shí)際完成,總結(jié)經(jīng)驗(yàn)。

圖片圖片

到了這個(gè)階段,已經(jīng)實(shí)現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)決策和數(shù)據(jù)化管理。這個(gè)階段最經(jīng)典的就是PDCA理論。它將決策過程分為PDCA四個(gè)階段:

● Plan計(jì)劃

● Do執(zhí)行

● Check檢查

● Act處理

通過循環(huán)迭代,確保目標(biāo)落地,逐步提升質(zhì)量(如下圖)

圖片圖片

聽起來似乎到這里,數(shù)據(jù)驅(qū)動(dòng)決策已經(jīng)做到頭了。在原理上確實(shí)如此,很多經(jīng)典的管理理論都是建立在這個(gè)階段。后續(xù)的主要進(jìn)化,體現(xiàn)在技術(shù)方面。因?yàn)楂@取數(shù)據(jù),本身是一件非常艱難,且非常需要技術(shù)支撐的工作。因此技術(shù)手段的高低,直接決定了管理理論能否落地,能否創(chuàng)新。

相當(dāng)多的經(jīng)典管理模型,比如AIDMA、PSM、雙盲測(cè)試(ABtest)都是建立在調(diào)研問卷的基礎(chǔ)上的。雖然理論上調(diào)研問卷能問回來一切數(shù)據(jù),但是調(diào)研有天生的局限:

  • 人記憶力有限,數(shù)據(jù)準(zhǔn)確度不高
  • 人精力有限,問題不能太多,選項(xiàng)不能太復(fù)雜
  • 人有惰性,A選項(xiàng)永遠(yuǎn)選的最多,3分、5分的比例永遠(yuǎn)最高

受以上限制,好問卷成本高,周期長(zhǎng),獲取數(shù)據(jù)速度賊慢賊慢。

因此,后續(xù)的管理方法進(jìn)步更多是伴隨著數(shù)據(jù)采集方法的進(jìn)步,越做越精細(xì)。

4.更精細(xì)的數(shù)據(jù)驅(qū)動(dòng)流程 

更精細(xì)的數(shù)據(jù)驅(qū)動(dòng)手段,都是技術(shù)驅(qū)動(dòng)的:

  • 有了OMS/CRM系統(tǒng),可以更即使采集交易+用戶數(shù)據(jù)
  • 有了APP/小程序+數(shù)據(jù)埋點(diǎn),可以采集用戶行為數(shù)據(jù)
  • 有了豐富的數(shù)據(jù),可以完善用戶畫像,可以做預(yù)測(cè)模型
  • 通過CDP/ECRM等工具,可以直接把數(shù)據(jù)推給業(yè)務(wù)執(zhí)行

有了技術(shù)支持,在管理上細(xì)節(jié)也更豐富(如下圖):

圖片圖片

交于上個(gè)階段,主要增加的內(nèi)容包括:

  • 從整體目標(biāo)分解到各部門、各環(huán)節(jié)子目標(biāo),逐級(jí)落實(shí)
  • 更清晰地區(qū)分指標(biāo)與判斷標(biāo)準(zhǔn),引入綜合評(píng)估方法
  • 增加了CDP(選老辦法),與ABtest(測(cè)新辦法),更容易選出好辦法

整體過程,可以看下圖的詳細(xì)描述:

圖片圖片

這階段最流行的就是OSM方法,通過逐級(jí)分解/量化指標(biāo),推動(dòng)決策落地(如下圖):

圖片圖片

注意:想實(shí)現(xiàn)驅(qū)動(dòng)效果,需要的是在決策過程每個(gè)環(huán)節(jié),配置合適的數(shù)據(jù)工具,分別發(fā)揮作用。是一套工具的組合,而非一個(gè)超厲害的模型或者公式,計(jì)算出超厲害結(jié)果。

在整個(gè)工作過程中,技術(shù)上最大難點(diǎn)在于數(shù)據(jù)采集,要保障高質(zhì)量、多維度的數(shù)據(jù)收集且不拖項(xiàng)目整體進(jìn)度,是個(gè)非常麻煩的事。業(yè)務(wù)上的最大難點(diǎn),在于共識(shí)。如何避免爭(zhēng)吵,爭(zhēng)取認(rèn)可是關(guān)鍵(如下圖)

圖片圖片

到這里就介紹完了。但是肯定有同學(xué)好奇:這管理理論看起來也不復(fù)雜呀,為啥我在現(xiàn)實(shí)中就看不到呢?那是因?yàn)槔碚摵同F(xiàn)實(shí)總有差距,具體到企業(yè)里,各種奇葩人和事層出不窮。

5.為什么你感受不到數(shù)據(jù)驅(qū)動(dòng)決策 

問題1:人/制度/系統(tǒng)落后。

  • 相當(dāng)多的企業(yè)不重視數(shù)據(jù)建設(shè),特別是數(shù)據(jù)采集與流程規(guī)范。
  • 相當(dāng)多的企業(yè)制度還停留在原始階段,大干快上。
  • 相當(dāng)多的企業(yè)領(lǐng)導(dǎo)還在用野蠻管理方法。

時(shí)代變了,人/制度/系統(tǒng)不變,一切還是不會(huì)變。

問題2:私心太重,刻意扭曲數(shù)據(jù)。 

很多領(lǐng)導(dǎo)也就是嘴上喊喊數(shù)字驅(qū)動(dòng),實(shí)際上只是拿數(shù)據(jù)當(dāng)牌坊,好看的數(shù)字多寫,不好看的數(shù)字變著法改好看,實(shí)在不行就甩鍋給“我司沒有人工智能大數(shù)據(jù)分析能力”,這樣鐵定實(shí)現(xiàn)不了數(shù)據(jù)驅(qū)動(dòng),而是在玩數(shù)字游戲。

問題3:盲目迷信人工智能大數(shù)據(jù)。  

注意:從數(shù)據(jù)驅(qū)動(dòng)的演化過程可以看出,想實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng),需要的是前中后期的分工,是報(bào)表、管理模型、算法模型、測(cè)試平臺(tái)、專題分析的相互配合,不是一個(gè)“超牛逼智能模型”Duang!一聲就模出來的。然而總有人不信,總有人以為電腦里住著一個(gè)無所不知的“模型”能一模定乾坤,最后自然各種悲劇收?qǐng)觥?/p>

問題4:過于重視指標(biāo),忽視標(biāo)準(zhǔn)建設(shè)。   

這是數(shù)據(jù)分析師們常犯的問題。一講分析,張嘴就是幾十個(gè)數(shù)據(jù)指標(biāo),可到底哪個(gè)是主指標(biāo),哪個(gè)是副指標(biāo),哪個(gè)是參考指標(biāo)。到底哪幾個(gè)指標(biāo)組合起來看,到底指標(biāo)數(shù)值是多少算好,多少算差。沒有清晰的標(biāo)準(zhǔn),沒有和業(yè)務(wù)共識(shí)。最后只知道羅列數(shù)據(jù),無法下判斷結(jié)論。

問題5:與業(yè)務(wù)脫節(jié),對(duì)業(yè)務(wù)流程缺少數(shù)據(jù)積累。    

這是數(shù)據(jù)分析師們常犯的問題。每天就知道盯著GMV,流量,DAU,MAU,轉(zhuǎn)化率幾個(gè)指標(biāo),對(duì)業(yè)務(wù)流程一竅不通,對(duì)不同業(yè)務(wù)手段的效果沒有觀察積累,最后除了翻來覆去啰嗦幾個(gè)指標(biāo),就只會(huì)說:要搞高,要保持,全是廢話,更無法驅(qū)動(dòng)決策。

 6、小結(jié) 

數(shù)據(jù)驅(qū)動(dòng)決策,需要的是業(yè)務(wù)流程與數(shù)據(jù)緊密配合,領(lǐng)導(dǎo)層參與推動(dòng),才能實(shí)現(xiàn)的事。數(shù)據(jù)驅(qū)動(dòng)決策,從來都不是一個(gè)神機(jī)妙算的世外高人,拿著數(shù)據(jù)口念咒語:“媽咪媽咪轟”就轟出來一個(gè)驚天地泣鬼神的結(jié)論,這是基本常識(shí)。

落后的人、落后的系統(tǒng)、落后的流程,都會(huì)讓數(shù)據(jù)浮于表面。因此即使短時(shí)間內(nèi)看不到成果也不要失去信心,這些落后的人和事,最后都會(huì)被淘汰在歷史里。作為從業(yè)者,我們要多鍛煉的是自己的能力,才有機(jī)會(huì)加入更好的平臺(tái),做出更好的項(xiàng)目,與大家共勉。

責(zé)任編輯:武曉燕 來源: 接地氣的陳老師
相關(guān)推薦

2025-05-30 05:00:00

數(shù)據(jù)分析大數(shù)據(jù)數(shù)字化

2009-04-24 14:34:35

微軟商務(wù)智能BI

2024-03-14 11:46:44

數(shù)據(jù)分析師定價(jià)模型

2013-08-02 13:30:02

蘋果保秘

2023-05-26 07:50:17

數(shù)據(jù)分析師BI工具

2022-11-01 11:30:51

數(shù)據(jù)分析模型數(shù)據(jù)

2019-10-23 14:29:09

數(shù)據(jù)分析師數(shù)據(jù)科學(xué)統(tǒng)計(jì)

2020-02-09 16:18:45

Redis快 5 倍中間件

2021-10-26 15:33:07

區(qū)塊鏈安全加密算法

2019-09-20 08:54:15

換膚網(wǎng)易云音樂QQ

2016-03-22 14:00:06

數(shù)據(jù)安全數(shù)據(jù)庫(kù)

2022-03-15 11:51:00

決策分析模型

2024-06-11 00:11:00

2022-11-26 00:00:05

SQL數(shù)據(jù)分析師業(yè)務(wù)

2020-03-09 17:23:38

Python數(shù)據(jù)模型

2019-01-03 14:00:37

降價(jià)青云全棧云

2015-06-11 11:18:04

友盟精準(zhǔn)推送

2019-10-25 15:48:09

數(shù)據(jù)分析師IT技術(shù)人員數(shù)據(jù)科學(xué)

2023-02-06 17:38:34

低延遲

2012-08-08 09:00:29

數(shù)據(jù)分析師
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)