如何利用数据做出更好的决策？提出正确的问题

在这款面向领导者的纳米工具中，《决策驱动分析》（Decision-Driven Analytics）新书的作者斯蒂芬•庞托尼（Stefano Puntoni）和巴特•德朗贺（Bart De Langhe）解释了如何在决策中更好地利用您的数据。

“领导者纳米工具”（Nano Tools for Leaders®）是沃顿高管教育学院与沃顿领导力与变革管理中心的合作项目，它提供了快速有效的工具，让您可以在15分钟内学习并开始使用，有可能对您的成功、员工参与度和企业生产力产生重大影响。

目标

了解你真正的需求，收集你真正需要的数据，充分利用你的数据。

纳米工具

大多数企业正确地将数据视为更好决策的来源。但由于领导者经常犯下一些常见错误，传统的数据驱动方法往往达不到要求。

许多领导者过度依赖现有数据，这些数据可能会也可能不会解决手头的问题，或者他们将关键决策交给数据分析人士，而这些人并不真正了解他们试图解决的商业困境究竟是什么？

领导者也倾向于以偏好为导向，得出解决方案，然后找到数据来支持他们的方案。

而另一个方法是：决策驱动的分析将领导者置于中心，解决了分析与实际业务决策之间的常见的不匹配问题。

它从需要做出的决定开始，并朝着所需的数据反向追溯。但这也需要领导人做出更多努力，他们要将重点从获得答案转移到提出正确的问题上。

这种方法突出了未知领域的战略重要性，强调了对未知的重视以及谦逊的重要性。事实上，提出正确的问题是数据分析中至关重要的基础步骤。

行动步骤

1、你究竟要决策什么？

在需要决策时，要专注于你能控制的、与你的组织职位相关的选项。由于大多数决策者都倾向于熟悉的选择，因此，需要从不同的视角来拓宽你的选项。

询问值得信赖的同事或召集您的团队以获得进一步的认知。选项集合应包括既可行又有影响力，并能提高预期的业务成果。它应排除成本过高或风险过大的选项。

在这关键的第一步中，数据，尤其是现有数据并不需要考虑在内。如果分析是从目前数据而不是从决策本身开始，就会增加提出错误问题的可能性。

这并不是说数据挖掘和探索性数据分析在业务中没有作用，但决策驱动分析这一方法认为，企业高管的首要责任是极度专注于履行他们的关键职责。

要做到这一点，最好是从当前决策开始，并朝着所需数据反向追溯。数据挖掘和探索性数据分析是有价值的，但它们有不同的目的。

2、提出一个“事实性”问题。

当你寻求预测时，问一个“事实”问题。企业经常需要回答这类问题。

例如，生产设备的平稳运行取决于对机器何时可能开始故障的预测。然后，这些信息可以用于创建维护计划。

对于零售商来说，理解退货处理的成本同样重要：识别哪些产品更有退货倾向非常有价值。有了这些认知，公司可以通过调整产品定价、增加额外措施来减少退货率，甚至砍掉此类产品来积极地制定战略。

3、提出一个“反事实”的问题。

当你需要比较那些有或没有特定干预的结果时，问一个“反事实”（counterfactual）问题。这些问题涉及假设场景，需要因果推理，使其本质上比事实性问题更复杂。

例如，在2012年美国总统竞选期间，奥巴马的竞选团队提出“谁最容易被说服投票给奥巴马？”这个问题并追寻答案。

这个反事实的问题使团队能够确定谁是最倾向于改变投票的摇摆选民，而不是针对奥巴马或罗姆尼的那些铁杆支持者——对于这两者的动员都会浪费宝贵的资源。

他们的方法彻底改变了政治竞选的方式，凸显出在动员支持和说服犹豫不决的选民方面的准确性和效率。

组织使用案例

惠普（HP）有一个服务策略是“Instant Ink”（墨水实时订阅），是让客户每月支付费用以接收送到家中的打印机墨水，并可随时取消订阅。

惠普希望利用数据来主动解决客户流失的问题，并通过折扣等福利或激励措施进行干预，希望阻止客户取消订单。但因为他们不能向每个人提供这些激励，他们需要知道该针对谁推出激励。

如果他们问一个事实性问题，“谁最有可能取消？”，然后针对这些客户，他们会得到一个在很多方面都有用的答案，但对到底针对哪些客户没有帮助。

这个问题忽略了激励措施可能只对某些客户有效的可能性。惠普真正需要问的问题是一个反事实的问题：激励措施可能对特定客户产生什么影响？回答这个问题需要收集和分析新的数据。

最好的方法是随机实验。惠普将一组客户随机分为两组，并只为其中一组提供激励。然后监测这两组人的流失率。如果存在差异，可以得出结论认为激励措施可能是有效的，然后再进一步研究哪些客户做出了回应。

这项随机实验的过程和结果与只关注取消订阅风险最高的客户的“最佳实践”大相径庭。相反，它揭示了激励措施是否可以减少取消订单，如果可以，这些激励措施的目标客户是哪种类型。

本款纳米工具的贡献者

斯蒂芬•庞托尼（Stefano Puntoni）博士，沃顿市场营销学教授；沃顿以人为本技术项目联合主任；

巴特•德朗贺（Bart De Langhe）博士，鲁汶大学和弗勒里克商学院市场营销学教授；行为经济学和商业数据分析机构（BEDAB）创始人。

两人为新书《决策驱动分析：利用人类智能解锁数据的力量》（Decision-Driven Analytics—Leveraging Human Intelligence to Unlock the Power of Data，沃顿商学院出版社，2024）的合著者。

知识在行动：相关高管教育课程

战略增长分析：人工智能、智能数据和客户洞察

生成型人工智能与业务转型

人工智能时代的商业模式创新

掌握创新：战略、过程和工具

其他资源：访问所有沃顿高管教育纳米工具