京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21