京公网安备 11010802034615号
经营许可证编号:京B2-20210330
为大数据定个小目标:从改变惯例开始
在1810年代,几乎没有人有刷牙的习惯。一位叫克劳德·C· 霍普金斯的知名美国高管某天从一个老朋友那里获知一个商业创意。这位朋友发现了一种令人惊奇的产品,他坚信该产品将轰动市场。这是一种牙膏,一种带有薄荷味且泡沫丰富的混合物,他称之为“白速得牙膏”(Pepsodent)。老朋友希望与他合作推广这一产品,但霍普金斯最初并不感兴趣。在这位朋友的一再恳求并同意给他部分股份6 个月的期权之后,霍普金斯勉强同意启动这个项目。
为了销售白速得牙膏,霍普金斯开始坐下来悉心研究牙科专业教材。从中他发现了有关牙菌斑的参考资料,后来他将这层牙菌斑称为‘垢膜’。“这给了我一个鼓舞人心的点子,我决心将牙膏宣传为美丽的缔造者,能用来对付牙齿上那层垢膜。”他不无得意地回忆道。
借助于这一创意,霍普金斯将白速得牙膏打造成了全球最畅销的产品之一,同时还让刷牙的习惯以惊人的速度席卷美国。在白速得牙膏第一轮的营销宣传过了10 年之后,民意测验表明,刷牙已经成为大半美国人的日常习惯。到1930 年,白速得牙膏远销至中国、南非、巴西、德国,只要是霍普金斯能打广告的地方,就有白速得牙膏的身影。他成功地让刷牙变成了每天必不可少的事。
与人的习惯类似,企业的日常运营也是建立在一些习焉不察的惯例(Routine)基础上。包括成文的规定,如标准作业流程,也包括很多不成文的规范和禁忌。这些规定、规范、禁忌或显或隐地影响着企业的经营行为。它既是企业保持标准化、高效率的重要来源,也让很多新的尝试和改变不断被消解、扭曲,最终流产。
当基于大数据的决策作为一种新思维被介绍到企业中,要面对的第一个挑战就是与惯例之间可能的冲突,例如:
大数据反映客户对产品某方面功能有意见?对不起,我们的产品开发和生产流程遵循了严格科学论证的,改造起来不是一天两天的事,非常困难。
大数据显示某两种产品组合可以推动销售?抱歉,那会涉及两个部门乃至事业部之间的协调,而且还涉及两大类供应商协作流程的变更和供应链的改造,在别的企业可能适用,在我们公司,做不到。
人们常说“人最大的敌人是自己”。这个“自己”很大程度上,就是指旧有的习惯,它是人开展新行动、开始新生活的最大障碍。同样,要让大数据决策思维在企业落地,最大的障碍正是企业自身旧有的惯例。
然而正如个人习惯可以通过有意识地训练和培育等方式加以改变一样,企业惯例并非不可改变。
最直接的策略,当然就是改变行为的诱因。就企业来说,是调整激励政策:改变行为的员工受到奖励,不改的将面临惩罚。这种“胡萝卜加大棒”式的管理变革策略是最为直接和严厉的,它体现出制度的刚性,适用于一些规定明确、是非鲜明的情况。例如用大数据发现重要设备潜在故障预测和处理方法、剔除不必要的某些生产服务环节以降低成本等惯例。
旧的惯例不管合理与否,其生命力是相当顽强的。针对此类不打折扣的惯例变革,企业可以借助于信息技术的力量,直接在企业ERP信息系统对流程、权限等作出调整,来重塑和固化员工的新行为,防止新惯例执行的走样。
但是,惯例并不仅限定于此类非此即彼的情况。在现实中,大量的情况是模棱两可、含混不清的。运用大数据决策并不能保证决策结果是绝对正确的,更多只是提供一种新颖的可能选项,供决策参考。不同部门对此提出质疑也正常,自有其道理。例如为了组合某两个产品的销售,要重新调整供应链和采购程度,是否合算?为了响应少数用户的抱怨,而重新调整客户服务流程,是否会导致其他客户的不满?等等。
考虑到协调的困难,对于大数据决策的推广者来说,最简单的、也最为现实的是先定下一个小目标:改变部门内部或所掌控范围内能够直接调整的惯例,形成成功典范,逐步积累小成功。进一步也可以同企业内部那些对大数据最感兴趣的部门合作起来对部门间惯例作出改变。这正是很多公司初步试水大数据时所采取的举措。
这种从局部试点到全面推广的常规方法,除非有高层的决心和承诺,否则并不总能奏效。很多情况下,大数据决策思维的引入,会导致公司内部决策主导权之争,演化为不同利益方的权力博弈。正如数据分析学者托马斯·达文波特所指出,至少在短期内,基于小数据的勇气型决策(gut-based decision)与大数据决策将并存,期望权力与政治从组织中消失的想法是天真的。
这种情况下,基于大数据的决策就不仅仅是提供一些商业洞察,而是一个内部协商和沟通的过程。它需要一个良好的治理框架,让各方明白引入大数据决策这件事的意义所在,提供变革的理由,并平衡各自的利益诉求。
除了前两类惯例,对企业大数据决策思维,最难克服的是第三类所谓的“核心惯例”,指那些根深蒂固于企业内部,不经过集体深刻的反思无法呈现的惯例。类似于人的下意识行为,这种惯例已经进入企业文化层面,有时甚至表现出明规则与潜规则之间的冲突。例如一家企业虽然明文规定不鼓励加班,但是由于老板天天延迟到晚上七八点下班,很多员工为了表现,也纷纷自动延长在办公室的时间,哪怕只是在看新闻。更为要命的是,老板注意到这些员工的行为,还不时在会上表扬几句。
核心惯例是由员工集体形成的一种体制和社会结构,深刻地影响着公司的决策风格和习惯。很难想象,一些在决策方面从来不愿意寻找证据支持的领导会轻易接受和相信大数据决策。他们的怀疑从来是指向外部,而不是自身。即使同意采用大数据,也只是希望能用大数据来佐证自己的直觉。他们缺乏的是华为创始人任正非所倡导的“自我批判”精神。
总而言之,大数据决策要真正在企业中落地生根并非易事,它必须能推动企业的自我批判意识,能够不断反思自身的惯例,推动变革。当然,这已经不是一个小目标了。
最后,有关刷牙的习惯,需要还原的一个不那么光彩的真相是:牙齿上垢膜是自然形成的,一直都覆盖在人们的牙齿上,并不会给任何人造成困扰。要清除垢膜,可以吃苹果,用手指擦牙齿,刷牙,或者含一口水,然后用力地让水在嘴里四处流动就行。牙科研究权威宣称,所有的牙膏,包括白速得牙膏,对此都无能为力。可见刷牙这种好习惯的形成来源于一个善意的谎言。对于大数据来说,或许需要反思的是:是否也存在类似的“用数据行骗”的可能呢?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12