
CGMA一项名为《从洞察力到影响力:释放大数据中的机会》报告显示,87%的财务专家们认为,大数据拥有改变企业运行方式的潜力。然而,86%的报告调查参与者认为,他们所在的企业要从他们已掌握的数据中获取有价值的信息是很艰难的。制约企业最大化利用数据价值的障碍包括组织孤岛、与数据质量相关的挑战,以及在处理不熟悉的非财务数据时的无能为力。
以下是六项建议,可以确保你的组织能够收集到正确的数据,同时可以最大限度地利用已经处理好的数据。
我们从很多指标中都可以看到组织内部正在发生的未来趋势。然而,更为常见的情况是,组织花费了很多时间和金钱在过于深入研究一个问题上,而这样的深入并无必要。设想一下:你真的需要把问题的测量标准精确到小数点后五位吗?抑或是只要一个更为概括性的指标就已足够?
拿员工满意度举例。你的公司需要有比那些竞争对手公司更为细致的薪酬和福利标准吗?需要深入地分析晋升机会、组织内部文化,或者老板(或者你的办公室和企业环境自身)有多擅长鼓励、激发员工灵感吗?当然,你可以测量并且分析出这些问题的答案,但是,这样做的成本很大。
一个可供选择的替代做法是,你可以使用一个更为宽泛的指标来观察,比如缺勤率。通常来讲,如果一家公司发现缺勤率发生了不正常的上升,那么这可能就是一种员工在表达不满意的信号。那么你就可以从这里向深处继续挖掘这种不满意情绪的真实原因。可能不是因为上述列举的任何一种原因。真实的情况可能是,也许员工缺勤率急剧上升的原因只是像缺少停车位一样小的原因。这样一种更为宽泛指标的好处是,它不会试图去解释你的组织内部存在着什么问题。
在这种情况下,缺勤率的作用就像许多汽车仪表盘上的“检查发动机”的警示灯一样。它不会告诉你产生问题的确切原因,而只显示你的企业出现了一些问题,你应该检查一下。高的缺勤率就是一个好的指标—它可以督促一个组织通过讨论小组或者调查的形式更深入地对薪酬、文化、经理等进行检查。
更为真实的情况是,相比精确的程度,当数据能够更快地被接收到时,它对于你将更具价值。
考虑一下快餐店的“免下车”栏柜。通过“免下车”的周转时间大约为3分钟,这就意味着数据必须以比每3分钟一次更快的速度得到更新,这样才能对运营人员有用处。另外一方面,供应链也会有一个周转时间,比如说一个星期。因而,数据并非必须要求速度。供应链经理们不需要知道每一分钟里面发生的事情,但却必然希望知道每天或每几天内发生的事情,因为开设一家新店可能需要花费一年的时间。这个时候,经理们需要一种低频率的数据传递。
所以,即使是在同一家组织内部,你对于不同数据的速度的需求也可能不同。而问题在于,数据抵达的速度需要快于你的组织正在面临的压力和风险。
我们需要建立最重要事情的方法,并且根据我们的表现作出相应的评价。例如,想象一下,你的战略核心在于进入新的市场以获得业绩的增长。当你审视这些措施的表现时—比如新市场地区的销售量或者你在已有市场地区以外吸引到的新客户的数量—这些数据都应该比在另一策略下采取的措施更有价值。
然而,对一家有多个店址的企业来说,这将是一项挑战,因为你可能有一家新设立的营业单位正在进入市场,同时,另一家营业单位却已经在这个市场中经营很久,那么,它们就会争取顾客份额。所以,即使在同一家企业内部,你也需要制定不同的策略。当领导层检查数据时,你应该有一个“视觉触发器”,这样他们就可以知道,什么时候应该“过界”,从“市场渗透战略”转向“顾客份额”战略。
措施应该随时间而改变。比如一件新产品的开发周期,在周期的早期阶段—产品创意期—你可能需要评判一定数量的产品创意好坏之类的事情。在下一阶段,你会寻求产品开发指标,比如从创意到第一件产品原型出来所花费的时间。再进入下一阶段,可能就是产品测试的事情,在这里测量标准需要从对用户的体验公测转换到支持率。最后,在产品发布阶段,你可能就需要每个月检查产品销售量。
你应该总是能够在组织内部找到一些这样的数据:它们可以告诉你一个项目进程情况,包括“投入—转换—产出”各个阶段的情况。
使用可利用到的数据的主要好处在于它不会给你的组织增加成本。你不需要雇佣更多的人来收集信息,因为你已正在这样做。你也不需要更多的人来处理信息,因为你也一直在这样做。
第二,它允许你使用记分卡和管理指标一览表。你不会被数据绑架。在一些情况下,这些数据的信息强度可能不如你想要的那样强大。你需要的数据质量取决于悬而未决的决策类型。你不需要六西格玛来要求所有决定都达到精确。例如,你需要拓展一项持续一个月的市场项目而用到的数据就不会比炒掉一名员工或者关闭一间办公室所需要的数据更为精确。
使用已有信息可以更快地创造更高的责任归属权。当你开始使用组织里的人已经了解并给予肯定的指标时,会比强制性地使用数据让你获得更大的接受度。而且,当你使用已有数据,你的净培训费也会显著降低。
考虑一下一家飞机制造企业吧。它需要领略处于各种高度的商业世界—从30,000英尺的高空到海平面。每个海拔高度都需要与之对应的信息呈现形式。
信息应该足够全面,这样管理层才可以从数据中看到危险的苗头并及时扑灭。在这里,一个涵盖关于数据的战略重要性的绩效指标、趋势和信息的记分卡会是最好的工具。如果一项指标表现得差强人意,管理层需要深入调查,以了解问题产生的真正原因。
一旦问题明确,数据窗口以及它们的相应软件就必须足够敏锐地通过放大来为相关的经理们提供一种更近距离的观察。当问题被观测到,经理曾想要下降到20,000英尺。在这一点上,数据窗口需要缩窄信息的跨度,开始提供一些可操作的工作,比如作业图,以获取对正在发生的事情的理解。
接下来,数据窗口必须能够下降到10,000英尺提供一些诊断性工具,然后经理们可以让接下来他们将采取的行为更具方向性。这不意味着华而不实。它应该是一个更为细节的、数据密集的记分卡,提供全面的信息以在战术层面上给予经理们一定帮助。
最后,在海平面这个高度,组织需要分析性工具,经理们可以更具有规范性。会有一些工作表格来展示所有形式包括各项细节的数据,通过这些数据可以评估出一家组织是怎样完成各项任务的。
组织的各个层面是平行关系。在一家好的组织里,领导层的团队应该能够把这种信息传递到下一层,依此类推。CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20统计学模型:解锁数据背后的规律与奥秘 在数据驱动决策的时代,统计学模型作为挖掘数据价值的核心工具,发挥着至关重要的作 ...
2025-06-20Logic 模型特征与选择应用:构建项目规划与评估的逻辑框架 在项目管理、政策制定以及社会服务等领域,Logic 模型(逻辑模型 ...
2025-06-19SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的利器 在数据分析的众多方法中,Mann-Kendall(MK)检验凭借其对数据分 ...
2025-06-19CDA 数据分析能力与 AI 的一体化发展关系:重塑数据驱动未来 在数字化浪潮奔涌的当下,数据已然成为企业乃至整个社会发展进 ...
2025-06-19CDA 干货分享:统计学的应用 在数据驱动业务发展的时代浪潮中,统计学作为数据分析的核心基石,发挥着无可替代的关键作用。 ...
2025-06-18CDA 精益业务数据分析:解锁企业增长新密码 在数字化浪潮席卷全球的当下,数据已然成为企业最具价值的资产之一。如何精准地 ...
2025-06-18CDA 培训:开启数据分析师职业大门的钥匙 在大数据时代,数据分析师已成为各行业竞相争夺的关键人才。CDA(Certified Data ...
2025-06-18CDA 人才招聘市场分析:机遇与挑战并存 在数字化浪潮席卷各行业的当下,数据分析能力成为企业发展的核心竞争力之一,持有 C ...
2025-06-17CDA金融大数据案例分析:驱动行业变革的实践与启示 在金融行业加速数字化转型的当下,大数据技术已成为金融机构提升 ...
2025-06-17CDA干货:SPSS交叉列联表分析规范与应用指南 一、交叉列联表的基本概念 交叉列联表(Cross-tabulation)是一种用于展示两个或多 ...
2025-06-17TMT行业内审内控咨询顾问 1-2万 上班地址:朝阳门北大街8号富华大厦A座9层 岗位描述 1、为客户提供高质量的 ...
2025-06-16一文读懂 CDA 数据分析师证书考试全攻略 在数据行业蓬勃发展的今天,CDA 数据分析师证书成为众多从业者和求职者提升竞争力的重要 ...
2025-06-16数据分析师:数字时代的商业解码者 在数字经济蓬勃发展的今天,数据已成为企业乃至整个社会最宝贵的资产之一。无论是 ...
2025-06-16解锁数据分析师证书:开启数字化职业新篇 在数字化浪潮汹涌的当下,数据已成为驱动企业前行的关键要素。从市场趋势研判、用 ...
2025-06-16CDA 数据分析师证书含金量几何?一文为你讲清楚 在当今数字化时代,数据成为了企业决策和发展的重要依据。数据分析师这一职业 ...
2025-06-13CDA 数据分析师:数字化时代的关键人才 在当今数字化浪潮席卷全球的时代,数据已然成为驱动企业发展、推动行业变革的核心要素。 ...
2025-06-13CDA 数据分析师报考条件全解析 在大数据和人工智能时代,数据分析师成为了众多行业追捧的热门职业。CDA(Certified Data Analyst ...
2025-06-13“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2025-06-09