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
【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈、 ...
2026-05-14在Python数据分析中,Pandas作为核心工具库,凭借简洁高效的数据处理能力,成为数据分析从业者的必备技能。其中,基于两列(或多 ...
2026-05-14 很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会 ...
2026-05-14在零售行业存量竞争日趋激烈的当下,客户流失已成为侵蚀企业利润的“隐形杀手”——据行业数据显示,零售企业平均客户流失率高达 ...
2026-05-13当流量红利消退、用户需求日趋多元,“凭经验决策、广撒网投放”的传统营销模式早已难以为继。大数据的崛起,为企业营销提供了全 ...
2026-05-13 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-05-13【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-12在手游行业存量竞争日趋激烈、流量成本持续高企的当下,“拉新”早已不是行业核心痛点,“留存”尤其是“付费留存”,成为决定手 ...
2026-05-12 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-05-12用户调研是企业洞察客户需求、优化产品服务、制定运营策略的核心前提,而调研数据的可靠性,直接决定了决策的科学性与有效性。在 ...
2026-05-11在市场竞争日趋激烈、流量成本持续攀升的今天,企业的核心竞争力已从“获取流量”转向“挖掘客户价值”。客户作为企业最宝贵的资 ...
2026-05-11 很多数据分析师精通Excel单元格操作,熟练应用多种公式,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质 ...
2026-05-11在互联网运营、产品优化、用户增长等领域,次日留存率是衡量产品价值、用户粘性与运营效果的核心指标,更是判断新用户是否认可产 ...
2026-05-09相关性分析是数据分析领域中用于探究两个或多个变量之间关联强度与方向的核心方法,广泛应用于科研探索、商业决策、医疗研究、社 ...
2026-05-09 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-05-09在数据驱动运营的时代,指标是连接业务目标与实际行动的核心桥梁,是企业解读业务现状、发现问题、预判趋势的“量化标尺”。一套 ...
2026-05-08在存量竞争日趋激烈的商业时代,“以客户为中心”早已从口号落地为企业运营的核心逻辑。而客户画像作为打通“了解客户”与“服务 ...
2026-05-08 很多数据分析师每天与Excel打交道,但当被问到“什么是表格结构数据”“它和表结构数据有什么区别”“表格结构数据有哪些核 ...
2026-05-08在数据分析、计量研究等场景中,回归分析是探究变量间量化关系的核心方法,无论是简单的一元线性回归,还是复杂的多元线性回归、 ...
2026-05-07在数据分析、计量研究等场景中,回归分析是探究变量间量化关系的核心方法,无论是简单的一元线性回归,还是复杂的多元线性回归、 ...
2026-05-07