
大数据不是公司管理万能药_数据分析师培训
“嗯,为了证明,人们不惜编造数据。14%的人都知道这一点。”――《辛普森一家》霍默•辛普森语 电脑天才们宣称,大数据时代已经来临。 电脑已经强大到可以收集、汇总数以兆兆字节计的信息来回答各种问题,从如何安排员工薪酬待遇,到某支抵押贷款债券的风险有多大,无所不包。 虽然数据不会说谎,但人们使用数据的方式却极为主观。量化分析在2007年的金融危机中起到了推波助澜的作用,但是如果企业只是简单地认为,光靠一屋子摆弄数据的分析师就可以解决问题,那么结果不仅会对他们的资产损益造成损害,同时也会损害他们的企业文化和员工的福利。 企业执行委员会(Corporate Executive Board)的执行理事施维坦克•沙表示:“数据可以帮助人们做出决策,但如果觉得所有重要的决策都可以交给电脑那就错了。”企业执行委员会最近出版了一份调查报告,名为《超越洞察力赤字:大数据时代的大判断》(Overcoming the Insight Deficit: Big Judgment in an Era of Big Data.)。报告指出,认为只要有10个分析师,就能解决公司所有数据问题的想法是错误的。
未来那些最擅于利用数据分析来引导决策的企业将获得许多竞争优势,对于这一点没什么人会表示怀疑。不过施维坦克•沙表示,仅仅拥有数据是不够的。根据企业执行委员会,在一份针对4,941人进行的调查中,只有38%的员工称得上是“消息灵通的怀疑主义者”,他们依赖数据,但并不盲从,既不害怕置疑数据分析的结果,也敢于从他人那里索要反馈。43%的员工对数据坚信不疑。还有19%的员工很少相信数据分析,喜欢凭直觉做事。 施维坦克•沙认为:“我们必须面对这样一个事实:我们的教育系统没有教会我们如何有效地分析数据。
我们向受访者展示了一些图表,问他们这些图表代表什么意思。结果就连那些从常青藤名校毕业的学生也很难搞清这些数据究竟代表了什么。”这种教育的缺失并非没有办法弥补。该研究显示,仅仅向学生提供培训,教给他们分析工具和软件的使用方法还不够,更重要的是教会他们如何与数据互动。换句话说,就是如何批判性地思考。 要想让员工成为“消息灵通的怀疑主义者”,企业可以建立一种数据导向型的文化(但并不是成为数据的奴隶),从CEO开始自上而下地推广。
如果CEO身体力行,其他员工也很可能参与进来。 施坦维克•沙表示,另一种有效的方法就是在雇佣数据分析师的时候,不仅要考虑他们的分析能力,还要考虑他们是否有能力和意愿去向其他人解释这些数据代表了什么意思。“招聘分析师时还得考虑指导技能,”他说。“每一个分析师都能改善几十、甚至几百个人的决策能力。” 葛兰素史克制药公司(GlaxoSmithKline)正在用数据分析来挑战一些人们认为无可辩驳的常理。该公司北美制药部的IT高级副总裁乔•托伊介绍道,葛兰素史克正在利用数据分析来重新设计销售运作,把这项过去完全依赖人脉的业务转变成一项依赖数据的业务。 托伊称:“决定销售人员的薪酬时,我们在使用哪些数据、不使用哪些数据的问题上做出了艰难的决定,由此树立了良好的声誉。”
自从20世纪80年代初开始,制药公司就习惯使用从厂商那里获得的医生处方数据来决定销售人员的薪酬。医生开出的处方越多,销售人员的提成就越高。因此,医生吃回扣的现象也屡见不鲜,许多医生都被请去吃免费的饭,拿免费球票。因此制药公司的这种提成制度造成了一种医生和医疗代表之间暗藏猫腻的关系,也使一些病人怀疑为什么医生要开这种药,而不是那种药。 从去年七月开始,葛兰素史克公司废止了这种提成模式。现在公司主要依赖对医生和管理人员的调查,以及对产品知识和业务敏锐度的考核来决定销售人员的奖金 。
最高管理层的支持、透明的激励系统,以及消费者的正面反应降低了在销售部门中推行这种新机制的难度。托伊表示:“现在销售人员和医生的关系变得不那么重要了,更重要的是事实和科学。” 葛兰素史克公司在与政府和保险公司的谈判中也奉行了以数据为指导的策略。葛兰素史克与默克(Merck)和辉瑞(Pfizer)等公司竞争着一块非常有限的市场蛋糕,不过托伊表示,数据分析正在为葛兰素史克带来某种优势。 北卡罗来纳州蓝十字与蓝盾协会(Blue Cross and Blue Shield of North Carolina)信息管理与分析服务副总裁苏珊•海默•穆塔夫指出:医疗保健市场瞬息万变,有效的数据分析如果得到正确使用,就可以节约许多渠道成本。 “节约成本的唯一方法就是检验信息,进行分析,”穆塔夫说。“成本是从什么地方产生的?哪些疗法是有效的?它是在哪交付的?”
去年,北卡罗来纳蓝十字与蓝盾协会把许多来自不同部门的分析师集中在同一个部门里,以方便他们进行协作。同时该公司也希望雇佣一些不仅能够分析数据、还能用其它人能够理解和接受的方式提交数据的分析师。 后来该公司的管理层意识到,让一群统计学博士花时间获取数据是很荒唐的,于是他们投入大量资金建立了一个卓越中心(Center of Excellence),卓越中心的分析师以发现问题、解答问题为主,而不是四处寻找数据并检验它们的准确性。 穆塔夫表示,这些变革导致公司的成本出现显著下降,并且提高了客户的满意度水平。卓越中心的建立已使公司节省的医疗开支达到了初始开支的将近19倍。
尽管以数据为中心的做法已经使北卡罗来纳州蓝十字与蓝盾协会获得了不小的成功,但该公司仍有一些员工至今不相信数据分析是公司未来成功的关键。要说服这些员工也是个不小的挑战。 穆塔夫说道:“我们需要让人们理解,今天的工作环境已经和三四年前不同了。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PyTorch 核心机制:损失函数与反向传播如何驱动模型进化 在深度学习的世界里,模型从 “一无所知” 到 “精准预测” 的蜕变,离 ...
2025-07-252025 年 CDA 数据分析师考纲焕新,引领行业人才新标准 在数字化浪潮奔涌向前的当下,数据已成为驱动各行业发展的核心要素。作为 ...
2025-07-25从数据到决策:CDA 数据分析师如何重塑职场竞争力与行业价值 在数字经济席卷全球的今天,数据已从 “辅助工具” 升级为 “核心资 ...
2025-07-25用 Power BI 制作地图热力图:基于经纬度数据的实践指南 在数据可视化领域,地图热力图凭借直观呈现地理数据分布密度的优势,成 ...
2025-07-24解析 insert into select 是否会锁表:原理、场景与应对策略 在数据库操作中,insert into select 是一种常用的批量数据插入语句 ...
2025-07-24CDA 数据分析师的工作范围解析 在数字化时代的浪潮下,数据已成为企业发展的核心资产之一。CDA(Certified Data Analyst)数据分 ...
2025-07-24从 CDA LEVEL II 考试题型看 Python 数据分析要点 在数据科学领域蓬勃发展的当下,CDA(Certified Data Analyst)认证成为众多从 ...
2025-07-23用 Python 开启数据分析之旅:从基础到实践的完整指南 在数据驱动决策的时代,数据分析已成为各行业不可或缺的核心能力。而 Pyt ...
2025-07-23鸢尾花判别分析:机器学习中的经典实践案例 在机器学习的世界里,有一个经典的数据集如同引路明灯,为无数初学者打开了模式识别 ...
2025-07-23解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-07-22解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中,激活函数扮演着至关重要的角色,它们为网络赋予了非线性能力, ...
2025-07-22CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准, ...
2025-07-22左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-22你是不是也经常刷到别人涨粉百万、带货千万,心里痒痒的,想着“我也试试”,结果三个月过去,粉丝不到1000,播放量惨不忍睹? ...
2025-07-21我是陈辉,一个创业十多年的企业主,前半段人生和“文字”紧紧绑在一起。从广告公司文案到品牌策划,再到自己开策划机构,我靠 ...
2025-07-21CDA 数据分析师的职业生涯规划:从入门到卓越的成长之路 在数字经济蓬勃发展的当下,数据已成为企业核心竞争力的重要来源,而 CD ...
2025-07-21MySQL执行计划中rows的计算逻辑:从原理到实践 MySQL 执行计划中 rows 的计算逻辑:从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-21在AI渗透率超85%的2025年,企业生存之战就是数据之战,CDA认证已成为决定企业存续的生死线!据麦肯锡全球研究院数据显示,AI驱 ...
2025-07-2035岁焦虑像一把高悬的利刃,裁员潮、晋升无望、技能过时……当职场中年危机与数字化浪潮正面交锋,你是否发现: 简历投了10 ...
2025-07-20CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-18