编辑导语：如今在这个大数据时代，数据对于企业的重要性越来越明显，因此不少企业开始做数据驱动决策，让业务里的每个人都可以更精准的展开工作；本文作者分享了关于数据分析如何驱动决策的讲解，我们一起来看一下。
数据驱动决策，是大家天天挂在嘴边的时髦词汇，可到底数据是如何驱动的？很少有同学真正看到过全流程，更有同学总疑惑：“自己被人追着屁股要数，感觉自己才是被驱着动的”。
今天系统讲解一下，拒绝跟风。
一、最原始的决策流程
首先，做事情是否一定需要数据，答：完全不需要。
理论上，做事情只要两横一个竖：干就完了奥力给！所以最简单、无脑的做事方式就是（如下图）：
但是大家都知道，这么空洞的打鸡血喊口号，是种除了逼死员工以外没屁用的方法；因为实在太无脑了，干什么，怎么干，干成啥样，都不知道。
二、科学决策的雏形
因此这种原始的决策很快进入到第二阶段——三拍阶段（如下图）：
这种三段式决策，已经具备了科学管理的雏形，并且随着80年代末、90年代初承包制的普及，大放异彩；以至于很多50、60后的领导以及受他们影响的70、80后领导，都还喜欢沿用：干什么，怎么干，干啥样这种三段式说法；在文章、书籍里也很普遍。
然而，这并不是真正意义上的科学管理，因为太粗糙了；特别是干什么，往往是领导自己拍脑袋定，他们最喜欢的口头禅是：“你先达成个小目标，挣它1个亿”至于为什么是1个亿，为什么非得挣钱而不是占领市场，从来没有深入分析与解释。
决策拍脑袋的结果，就是当面拍胸脯，出事拍大腿，因此才有了“三拍”的戏称。
三、从粗放到精细
想要提升决策的精细化程度，就得引入数据度量和数据分析，可以说，数据分析天生是为科学管理服务的；有了数据的支持，能够做大量精细化管理。
决策前：
- 量化评估经营现状，收入、支出、利润。
- 根据市场、对手、消费者数据，评估机会点与威胁。
- 根据过往业绩走势，发现自然变化规律，制定更合理的目标。
决策中：
- 量化评估备选方案所需的时间、人力、物力投入。
- 根据过往表现，量化评估方案可行性，评估预计完成率。
- 根据过往业绩走势，发现自然变化规律，制定更合理的目标。
决策后：
- 量化监督执行过程，发现执行问题。
- 分析执行手段，评估优化、调整的措施。
- 复盘执行效果，检查目标实际完成，总结经验。
到了这个阶段，已经实现了数据驱动决策和数据化管理。
这个阶段最经典的就是PDCA理论，它将决策过程分为PDCA四个阶段：
- Plan计划
- Do执行
- Check检查
- Act处理
通过循环迭代，确保目标落地，逐步提升质量（如下图）：
听起来似乎到这里，数据驱动决策已经做到头了；在原理上确实如此，很多经典的管理理论都是建立在这个阶段。
后续的主要进化，体现在技术方面；因为获取数据，本身是一件非常艰难，且非常需要技术支撑的工作；因此技术手段的高低，直接决定了管理理论能否落地，能否创新。
相当多的经典管理模型，比如AIDMA、PSM、双盲测试（ABtest）都是建立在调研问卷的基础上的。
虽然理论上调研问卷能问回来一切数据，但是调研有天生的局限：
- 人记忆力有限，数据准确度不高
- 人精力有限，问题不能太多，选项不能太复杂
- 人有惰性，A选项永远选的最多，3分、5分的比例永远**
受以上限制，好问卷成本高，周期长，获取数据速度贼慢贼慢。
因此，后续的管理方法进步更多是伴随着数据采集方法的进步，越做越精细。
四、更精细的数据驱动流程
更精细的数据驱动手段，都是技术驱动的：
- 有了OMS/CRM系统，可以更即使采集交易+用户数据；
- 有了APP/小程序+数据埋点，可以采集用户行为数据；
- 有了丰富的数据，可以完善用户画像，可以做预测模型；
- 通过CDP/ECRM等工具，可以直接把数据推给业务执行。
有了技术支持，在管理上细节也更丰富（如下图）：
交于上个阶段，主要增加的内容包括：
- 从整体目标分解到各部门、各环节子目标，逐级落实；
- 更清晰地区分指标与判断标准，引入综合评估方法；
- 增加了CDP（选老办法），与ABtest（测新办法），更容易选出好办法；
整体过程，可以看下图的详细描述：
这阶段***的就是OSM方法，通过逐级分解/量化指标，推动决策落地（如下图）：
注意：想实现驱动效果，需要的是在决策过程每个环节，配置合适的数据工具，分别发挥作用；是一套工具的组合，而非一个超厉害的模型或者公式，计算出超厉害结果。
在整个工作过程中，技术上**难点在于数据采集，要保障高质量、多维度的数据收集且不拖项目整体进度，是个非常麻烦的事；业务上的**难点，在于共识。
如何避免争吵，争取认可是关键（如下图）：
到这里就介绍完了，但是肯定有同学好奇：这管理理论看起来也不复杂呀，为啥我在现实中就看不到呢？那是因为理论和现实总有差距，具体到企业里，各种奇葩人和事层出不穷。
闽ICP备13000641号-4