京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-08-10在数字化市场调研体系中,大数据与小数据是两类核心调研数据形态,分别对应海量行为统计与精准样本深度调研。行业普遍存在认知误 ...
2026-08-07数据透视表是Excel、WPS中最核心的数据分析工具,凭借快速汇总、分组统计、动态筛选的优势,被广泛应用于销量统计、业绩复盘、数 ...
2026-08-07 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-08-07在商品销量、市场需求、营收规模等业务数据中,季节性波动是最普遍、最核心的数据特征。零售快消、食品餐饮、家电服饰、电商行业 ...
2026-08-06在流量红利消退、市场竞争白热化的商业环境中,传统依托经验、跟风投放、广撒网式的营销模式,逐渐暴露出成本高、精准度低、转化 ...
2026-08-06 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-08-06【核心关键词】知识、设备、工程师、数字化、建模、算法、工业大数据、数据分析、控制算法、机器学习、深度学习、业务目标、工 ...
2026-08-05增长率是数据分析、业务报表、可视化看板中最核心的指标之一,常用于衡量营收、销量、用户量、流量等业务数据的涨跌幅度与发展趋 ...
2026-08-05小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-08-05在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04