GSOL
世界经理人
论坛
  • 全站
  • 文章
  • 论坛
  • 博客
高级

决策的科学化,从数据统计开始

分享:

天气预报,生活中最需要精准,而实际上难以办到的一项决策。一来,历史数据积累少,无法寻找到天气的长周期规律;二来,极端天气频繁出现,且不可预料,就连事后也难以透彻分析;三来,统计技术跟不上,软件和硬件技术愈加发达,可掌控这些机器和系统的人,容易受到自己的经验、偏见所左右。

一百多年前,基于实效的医疗(EBM,Evidence-Based Medicine),也称为循证医学,极大地改变了医学界。之前的个人经验摸索,师傅带徒弟,独门秘籍,一下子被统计分析所取代。这种起源于流行病学的统计技术,进而迅速应用到经济和经营领域,对政府、机构和工商企业的科学决策,起到了**性的推动作用。

那么,数据和统计分析究竟有什么价值呢?做出最佳判断的思考方式。统计分析的结果,只是指导你做出最佳决策并坚定行动,但它并不代表决策的结果。叶敦明认为:执行的过程,会出现一些事情,不符合事前的统计分析,这需要随机应变与果断决策。当然,这些“意外”的数据,也会进入下一轮“收集数据、进行分析”环节,从而得出更好或更适用的新答案。

数据统计的基本逻辑:假设和验证,这与商业决策完全一致。大胆假设,考验你的创想力,对一个行业或产业,有没有自己独特的观察与领会,进而差异化的选择。小心求证,则是在可能的选择方案中,找到最可行的那一个。

有选择,才有决策,而选择,也有自己的支撑技术:数理知识和计算机技术。技术的进步,推动了验证的正确率,可假设的创想力与洞察力,却无法用技术来替代。假设,属于商业智能,与一个国家的人才综合素质密不可分。这里面,阅读能力与统计分析,最为重要,它们构成了通才的最坚实根基

阅读能力,每个人的必备能力,它决定了你的理解、分析和反思水平。职场人士,容易沉浸在自己的天地里,慢慢忽略了大环境的变化,对其他关联学科也关心不多。这就造成了决策的近视症(凭经验和直觉),以及自负症(觉得自己什么都看懂了、看透了)。这么说吧,统计思维,也是当今社会人的必不可少的能力,对于炒股、买房或买车这样的民生大事,以及企业战略制定、政府重大决策,都能派上大用场。

统计分析离不开数据,数据越多,分析的结果越准确。可是,大数据靠积累或购买,时间、管理水平和资金要求高,一般人玩不起。而从现有数据(企业的,社会的,行业的)进行挖掘,也能解决大多数预测或判断的大问题。

第一招,通过数据深度挖掘,展开有意义的假设,找到有价值的信息。用假设之长,克服数据量之短,再用扎实的验证功夫,迅速检验和判断假设的正确性。很多预测未来的大决策,比如战略兼并、海外扩张,或者是高铁大建设。

第二招,在非数据领域开辟战场,比如文本挖掘,利用语素分析,找出当下或未来的关键词,辅助决策的制定。像时装、奢侈品等行业,会从推特(twitter)、脸书(facebook),或者新浪微博、微信等社交媒体,挖掘到核心词汇、关联以及内在的含义,进而预测下一波时尚风潮的走向与表现。

第三招,利用企业内外部的非结构化数据,去形成构造化的表,然后呢,找到表与表之间的联系,进行有效的判断。图、表格、文档,都是非结构化数据,一个企业的营销部门,很多时间里,都在与之打交道,要么从中找到规律性,要么进行结构化再造,便于统计分析。

统计分析时,若是现有的数据不够用,或者无法信服地得出验证,那就需要进行相关的调查,有全面调查与抽样调查这两个方式。要在准确率、成本以及判断依据足够程度上,找到适合一件事情、一个项目、一个重大决策的平衡。一句话,少花钱,办对事。

随机抽样,正是抽样调查中最常用的一种。先找到为了正确的判断所必需的最少数据,控制误差,明确因果关系。有几个注意事项。首先,抽样对象的典型性或代表性要够强;其次,设定一个误差上限,一旦超过,就必须重新抽样;最后,打破人先见为主和惯性思维,避免盲目的、强行的因果联系。

宝洁公司,在推广一个新产品之前,倾向于使用对照测试。此时,提出A和B两个不同的方案,选择两个相近的市场(市场空间、消费人群、竞争格局等),进行比较分析。胜出的方案,再用于下一轮的几个市场的测试,若证明可行,最后才会全面推向市场。小心行得万年船,大公司的竞争优势,有时候在于事前准备工作的精细,以及决策的科学性。

有两个现象,值得我们警醒:临时抓数据,或拼命凑齐数据。数据的现抓先用,产生的误差会很大,不知不觉把你对到错误的方向上。用数据统计指导决策时,必须始终关注误差,坚信不正确的分析不如没有分析(靠直觉或经验)。叶敦明建议:可使用卡方检验,观察值与理论推断值之间的偏差。若为零,表示理论值完全符合,可以用于指导今后的实际决策。偏差值越大,则越不相符,这样的统计数据,小心使用。

拼命凑齐数据,才敢于决策,这又会走入决策死胡同。不求数据大而全,只求数据正确、沟通,最关键的是,要与预期利益相关联。一些公司的IT或市场管理部门,喜欢高大上的软硬件,拿出厚重而博大的数据分析。高层决策者往往觉得两难,投入太大,而又难以利用,为了统计分析而统计分析的做法,不符合务实决策者的商业思维。

说到这,你可能明白了这么一个理:统计分析的结果,要服务于商业实践。那么,如何将统计分析与具体决策或行动联系起来呢?正如《看穿一切数字的统计学》作者西内启所言,你要问自己以下三个问题。

第一,做出何种改变能够增加利益?未来产出的不确定性,需要我们拿起统计分析的武器,提供富有建设性的决策建议,帮助我们更好或更快地实现预期利益。也就是说,统计分析属于投资行为,不是一个简单的技术投入或成本。

第二,是否能够做出这种改变?有些正确而又美好的改变,实在有心无力,强行去做,只会空耗组织的资源和心力。都头来,想跑的没跑起来,该走的却寸步未行。知道理想与现实之间的距离,在不美好的现实中,依然保持激情和勇气,去一步步行出美好,这才是有谋略的、有智慧的勇敢者。

第三,如果能够做出这种改变,那么带来的利益是否大于所消耗的成本?这个账,肯定要算清楚的。统计分析,不为装点门面,不为驳倒对方,只是一笔合算的投入罢了。有点像我们买汽车保险,花一笔小钱,防止自己赔大钱。一些大型企业,在重大决策**前,都会花钱请人做调查和统计分析,来校正自己决策。

美国的总统大选,也大量使用统计分析来调整竞争策略,甚至改变政治主张。奥巴马的连任,就是拿起了随机抽样、语素分析等新制胜工具,在舆论的把控上一举超越对手,让大多数投票人觉得选他是最正确的决策。

分享:

确认推荐关闭

是否确定推荐本文?

   

推荐标题:

确定 取消

 

分享

我要评论

你还没有登录,无法回复主题,请首先 登录 或 注册 (关联新浪微博帐号)

 
 
 
 

博主档案

叶敦明,上海本质企业管理咨询公司,首席咨询顾问,全程参与两家工业品企业的创业,专著《变局下的工业品企业7个成长机遇》。

2265

321926

73

当前排名:第97位

 

最具潜力的博客新星更多>>

 
 
 
 
 
 
一键发帖 资讯订阅
世界经理人 iphone app
世界经理人微信 为你推送和解读最专业的管理资讯