京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的崛起完全重塑了决策权
我合作的组织越发纠结于如何平衡好两种极端的经营原则。一方面,他们绝望地寻找更强的灵活性;而另一方面,他们真地想要在他们的运作当中容纳所有合适的利益相关者。这个矛盾令人不安地超越了传统的“集权/分权”争论。顾客和客户要求更大的灵活性,而雇员和伙伴则期望更大的授权。因此,公司非常努力去提供两者。
要囊括更多的人,唉,典型地增加协调成本和回应时间。但是,近乎自相矛盾地,更强的组织灵活性要求更多的反应和增强的协调。涉及越多的利益相关者,决策就越可能延迟。但是有效的灵活性频繁要求包含利益相关者的参与。
换句话说,越多的人越经常想要做出越灵活的决定。这样的矛盾使我的客户几近发疯。在一家财富1000千强公司,比如“火焰战争”(flame wars),其客户支持小组(极度想要更快地回应顾客抱怨)与技术设计小组 (同样极度想要避免点对点修复)爆发冲突。在没有对方协助下,双方都无法有效地解决问题,但是他们间的部分重叠职责很快变成矛盾的源头,而不是合作。这样的异常状况并不稀少。
数字网络化的企业经营——无论是基于Slack、Chatter、Skype还是Google Doc——都极度地加剧了矛盾和痛点:越来越多利益相关者能够及时地获取和分析可操纵的信息。技术促进了整个企业经营的生态系统的更高层次的信息透明和能见度。实时处境意识极大地增加,但是管理和运作的能力以处理数据驱动的信息或许没有。
目前为止,最佳和最有用的管理那些矛盾的方法源于Michael Jensen于25年前在决策权方面取得的突破性进展。简单地说,决策权厘清了决定和决策的权威和问责。决策权关于组织如何决定“如何做出决定”给予谁权利去做决定。你可以把这想作企业决定的管理模型。
Jensen微妙的和机智的见解是做出决定的权利——不仅仅是进行任务或承担任务的责任的能力——对于组织效率和效益是至关重要的。所以,授予和分配决策权在组织上完全如同分清工作、角色和任务一样重要。这样看来,决策权可以和应该作为授权的管理机制。你或者你的团队拥有的决策权越大,你们的授权和责任就越大。
RACI框架提供了一个Jensen决策权方式的极好的真实示例:
谁负责。谁负责完成任务?
谁批准。谁在做决定和对任务做出行动?
咨询谁。和决定与任务相关的,向谁沟通?
告知谁。在项目/过程中,谁要被告知最新决定和行动?
这些问题不复杂也相对容易去辨识。亦即,数字上把RACI审阅中确认的相关个体和团队连接起来应该是直观的。越来越多与我合作的组织使用RACI(或者一些别的版本)去创造可审计的项目和过程管理的问责网络。
这些网络同时变成包含和灵活的平台。那些想要被咨询或被告知的个体和团队能够要求选择参与到网络中;相反地,当给予批准或进行负责的管理者需要更多的灵活性以回应顾客需要时,他们可以使用RACI网络从而取得一个“准时制”回应。标记这些网络能给利益相关者创造能见度和清晰度和高管人员等。他们提供窥测公司决策等级结构的至关重要的窗口和镜头。
有趣的、讽刺的和重要的是,我发现应用决策权的数量增长最快的方面重点在数字化、数据和分析学。谁有权利去获取、加工和分析数据成为企业经营中机会和竞争最大来源。这种结构的转变完全超越了Jensen二十五年前的设想和描绘,因为大数据的崛起——还有其相关的分析学——改变了围绕决策权进行的当代辩论和争论。
关于数据的决策权越发要求关于决策权的数据。换句话说,如果你的组织已经获取加工并分享10倍到100倍更多的数据,你现存的决策权机制非常可能可悲地过时了。也就是说,会有任何认真的品牌经理在今天进行一项没有能力去结合社交媒体分析的市场营销活动?但是品牌经理需要富有计算能力的数据科学家和分析工具以从数据中获取更大的价值。决定和定义品牌管理如和数据管理如何合作需要决策权。
在一家我工作过的公司,大数据的崛起完完全全重塑了决策权和RACI讨论。该公司过去着重研发新产品。但是随着手机软件的崛起,该公司的创新重点从更好的产品转移到促进更好的用户体验。那转换了RACI决策权模板。用户体验(UX)的问责比起产品更要求不同的数据和分析学;着重用户体验意味着不同的队伍和个体需要被咨询和告知。从本质上说,用户体验驱动的数据和分析法再平衡了灵活性与包含之间的决策权关系。
该公司把其人员、加工和技术紧紧围绕用户体验决策权——并且可测量地证明了结果非常惊人。该公司获取了十倍多的有效反馈,通过所有形式的社交媒体和使用案例监测,并且较于典型的一年制时间框架,在三个月内,以和此前相同的产品研发效力和比以前少一半的产品研发费用,开发出下一个更好的版本。
随着组织决定越发受到数据驱动,高层管理者需要取保决策权同样也受到数据驱动。这解释了为什么那么多组织把数据管理设为战略和组织上的优先对象。与其采取更多的传统IT管理(为IT系统管理寻求创造更强的问责制),数据管理模式认识到数据对于管理是”任务关键型“资产。
数据是怎样进行共享的(包容性)?且组织是如何高效的利用数据的(灵活性)?对于那些数据管理模式问题的解答能够在数据驱动的决策权的创新应用中发现。数据管理方式的未来就在决策权的未来手上,而决策权的未来也在数据管理方式的未来手上。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30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