如何利用數據做出更好的決策?提出正確的問題

在這款面向領導者的納米工具中,《決策驅動分析》(Decision-Driven Analytics)新書的作者斯蒂芬•龐托尼(Stefano Puntoni)和巴特•德朗賀(Bart De Langhe)解釋了如何在決策中更好地利用您的數據。

“領導者納米工具”(Nano Tools for Leaders®)是沃頓高管教育學院與沃頓領導力與變革管理中心的合作專案,它提供了快速有效的工具,讓您可以在15分鐘內學習並開始使用,有可能對您的成功、員工參與度和企業生產力產生重大影響。

目標

瞭解你真正的需求,收集你真正需要的數據,充分利用你的數據。

納米工具

大多數企業正確地將數據視為更好決策的來源。但由於領導者經常犯下一些常見錯誤,傳統的數據驅動方法往往達不到要求。

許多領導者過度依賴現有數據,這些數據可能會也可能不會解決手頭的問題,或者他們將關鍵決策交給數據分析人士,而這些人並不真正瞭解他們試圖解決的商業困境究竟是什麼?

領導者也傾向於以偏好為導向,得出解決方案,然後找到數據來支持他們的方案。

而另一個方法是:決策驅動的分析將領導者置於中心,解決了分析與實際業務決策之間的常見的不匹配問題。

它從需要做出的決定開始,並朝著所需的數據反向追溯。但這也需要領導人做出更多努力,他們要將重點從獲得答案轉移到提出正確的問題上。

這種方法突出了未知領域的戰略重要性,強調了對未知的重視以及謙遜的重要性。事實上,提出正確的問題是數據分析中至關重要的基礎步驟。

行動步驟

1、你究竟要決策什麼?

在需要決策時,要專注於你能控制的、與你的組織職位相關的選項。由於大多數決策者都傾向於熟悉的選擇,因此,需要從不同的視角來拓寬你的選項。

詢問值得信賴的同事或召集您的團隊以獲得進一步的認知。選項集合應包括既可行又有影響力,並能提高預期的業務成果。它應排除成本過高或風險過大的選項。

在這關鍵的第一步中,數據,尤其是現有數據並不需要考慮在內。如果分析是從目前數據而不是從決策本身開始,就會增加提出錯誤問題的可能性。

這並不是說數據挖掘和探索性數據分析在業務中沒有作用,但決策驅動分析這一方法認為,企業高管的首要責任是極度專注於履行他們的關鍵職責。

要做到這一點,最好是從當前決策開始,並朝著所需數據反向追溯。數據挖掘和探索性數據分析是有價值的,但它們有不同的目的。

2、提出一個“事實性”問題。

當你尋求預測時,問一個“事實”問題。企業經常需要回答這類問題。

例如,生產設備的平穩運行取決於對機器何時可能開始故障的預測。然後,這些資訊可以用於創建維護計畫。

對於零售商來說,理解退貨處理的成本同樣重要:識別哪些產品更有退貨傾向非常有價值。有了這些認知,公司可以通過調整產品定價、增加額外措施來減少退貨率,甚至砍掉此類產品來積極地制定戰略。

3、提出一個“反事實”的問題。

當你需要比較那些有或沒有特定干預的結果時,問一個“反事實”(counterfactual)問題。這些問題涉及假設場景,需要因果推理,使其本質上比事實性問題更複雜。

例如,在2012年美國總統競選期間,奧巴馬的競選團隊提出“誰最容易被說服投票給奧巴馬?”這個問題並追尋答案。

這個反事實的問題使團隊能夠確定誰是最傾向於改變投票的搖擺選民,而不是針對奧巴馬或羅姆尼的那些鐵杆支持者——對於這兩者的動員都會浪費寶貴的資源。

他們的方法徹底改變了政治競選的方式,凸顯出在動員支持和說服猶豫不決的選民方面的準確性和效率。

組織使用案例

惠普(HP)有一個服務策略是“Instant Ink”(墨水即時訂閱),是讓客戶每月支付費用以接收送到家中的印表機墨水,並可隨時取消訂閱。

惠普希望利用數據來主動解決客戶流失的問題,並通過折扣等福利或激勵措施進行干預,希望阻止客戶取消訂單。但因為他們不能向每個人提供這些激勵,他們需要知道該針對誰推出激勵。

如果他們問一個事實性問題,“誰最有可能取消?”,然後針對這些客戶,他們會得到一個在很多方面都有用的答案,但對到底針對哪些客戶沒有幫助。

這個問題忽略了激勵措施可能只對某些客戶有效的可能性。惠普真正需要問的問題是一個反事實的問題:激勵措施可能對特定客戶產生什麼影響?回答這個問題需要收集和分析新的數據。

最好的方法是隨機實驗。惠普將一組客戶隨機分為兩組,並只為其中一組提供激勵。然後監測這兩組人的流失率。如果存在差異,可以得出結論認為激勵措施可能是有效的,然後再進一步研究哪些客戶做出了回應。

這項隨機實驗的過程和結果與只關注取消訂閱風險最高的客戶的“最佳實踐”大相徑庭。相反,它揭示了激勵措施是否可以減少取消訂單,如果可以,這些激勵措施的目標客戶是哪種類型。

本款納米工具的貢獻者

斯蒂芬•龐托尼(Stefano Puntoni)博士,沃頓市場行銷學教授;沃頓以人為本技術專案聯合主任;

巴特•德朗賀(Bart De Langhe)博士,魯汶大學和弗勒裏克商學院市場行銷學教授;行為經濟學和商業數據分析機構(BEDAB)創始人。

兩人為新書《決策驅動分析:利用人類智能解鎖數據的力量》(Decision-Driven Analytics—Leveraging Human Intelligence to Unlock the Power of Data,沃頓商學院出版社,2024)的合著者。

知識在行動:相關高管教育課程

戰略增長分析:人工智慧、智能數據和客戶洞察

生成型人工智慧與業務轉型

人工智慧時代的商業模式創新

掌握創新:戰略、過程和工具

其他資源:訪問所有沃頓高管教育納米工具

如何引用沃顿知识在线文章

Close


用于个人/用於個人:

请使用以下引文

MLA

"如何利用數據做出更好的決策?提出正確的問題." China Knowledge@Wharton. The Wharton School, University of Pennsylvania, [06 六月, 2024]. Web. [07 November, 2024] <https://www.knowledgeatwharton.com.cn/zh-hant/article/11519/>

APA

如何利用數據做出更好的決策?提出正確的問題. China Knowledge@Wharton (2024, 六月 06). Retrieved from https://www.knowledgeatwharton.com.cn/zh-hant/article/11519/

Chicago

"如何利用數據做出更好的決策?提出正確的問題" China Knowledge@Wharton, [六月 06, 2024].
Accessed [November 07, 2024]. [https://www.knowledgeatwharton.com.cn/zh-hant/article/11519/]


教育/商业用途 教育:

如果您需要重复利用我们的文章、播客或是视频,请填写内容授权申请表.

 

Join The Discussion

No Comments So Far