在當今高度競爭的全球商務環(huán)境中，我們應該如何運用數據來支持我們的各種決定，是企業(yè)應該探討的話題。而且隨著商業(yè)分析理論的完善，沒有理由不基于充分的數據來作決定，而且很多時候支持性數據完全可以隨手拈來。

如今，我們的企業(yè)可以輕松獲得關于客戶購買模式、自身供應鏈內商品動向等多年的數據。而且，我們的雇員、我們的客戶、我們的競爭對手以及你競爭對手的雇員和客戶也都在談論，包括在博客和微博上提供對我們的企業(yè)可能有用的信息資料。當今的一些技術——如數據/文字挖掘和機器學習——能幫助我們對所有這些數據進行分析，而最新流行的云計算也將信息研究規(guī)模提升到了可能幾年前還不可想象的水平。

大多數企業(yè)領導人現在都要求重要決定必須要有經驗數據的支持。隨著分析理論的進步，現在我們已差不多到了這樣的地步：即便是最日常的決定，各個層面的管理人士都必須問這樣一個問題，“我們認為是這樣，還是我們知道是這樣？我們有什么數據資料來支撐？”

越來越多的公司都在朝著這個方向轉變。我們必須要了解運用數據為其決策和行動提供指導的潛在機會和挑戰(zhàn)，比如：

第1：必須謹防數據誤用

分析理論是個強大的工具，借用蜘蛛俠的話，“能力越大，責任越大“。企業(yè)應謹防三類常見的數據誤用。其一，擁有實時數據并不意味著你能夠或應該做出實時決定。不同種類的數據有不同的時間尺度：例如，收銀機反映的是當時的銷售額，但供應鏈數據只能反映上次下單或上次訂單的運輸派車。必須所有數據在手，才能做出好的決定，因此你的決策速度只能取決于最慢的因素。其二，分析理論能幫助你優(yōu)化企業(yè)流程，將冗余和低效降至最低。但企業(yè)流程不能過度優(yōu)化，否則可能導致犯錯余地為零。高度優(yōu)化的流程——如零庫存或保持極低的庫存，根據需求隨時補充——是非常脆弱的，因為可能出現你無法控制的局面，而你的犯錯余地為零。最后，不要做無謂的決定。有好的數據，并不意味著你總要據此做點什么決策。

第2：做好準備，隨時應對瞬息萬變的信息世界

一個基于數據采取行動的公司能做出非常具體、精確的決定。事實上，你的決定可能基于一些細微之處，如“周日晚上在那些近期表現不錯的主場足球隊所在地區(qū)多備些啤酒”。但這樣的決定隨時可能調整，隨球隊的命運而快速變化。

第3：解讀海量數據信息

當今企業(yè)擁有的信息已超過了他們所能利用或能采取行動的范圍，因為很多不同的信息往往都是孤立的。未來的企業(yè)將需要花大量的時間和精力來整合它們擁有的有用信息。以醫(yī)藥公司為例，傳統上依賴臨床試驗數據確立新藥的功效和副作用。如果臨床試驗沒有問題，他們就能宣稱對藥物的不良反應不承擔法律或道德責任。但隨著互聯網和社交媒體的出現，如今他們必須監(jiān)控公共信息源，將這些信息與臨床數據結合。當一家公司出現問題時，我們將更多地聽到公司回應以“我本該知道”，而不是“我不知道”或“我不可能早就知道”。

第4：不要迷失于信息汪洋

如此多的數據可能很容易就會讓未來的企業(yè)經理們誤入“拖延決策，直到完成所有數據分析”的陷阱，但完成所有數據分析可能是無法完成的任務。你應該警惕陷入分析迷局的三個警示信號。其一，警惕管理層的“過擬合”傾向——統計學詞匯“過擬合”指的是一旦模式已經發(fā)現，搜集更多數據的價值趨于下降。數據搜集是有代價的。不行動也是有代價的。一個具有數據頭腦的公司必須知道過擬合成本。其二，不要苦等不存在的數據。具有數據頭腦的公司知道信息差的存在，知道如何通過實驗打破此類僵局。最后，要知道你的企業(yè)在行動時愿意承受何種水平風險。如果員工因為行動失敗所受處罰多于不行動，大多數員工都會寧愿不行動，也不愿將事情搞得一團糟。針對行動失敗和根本不行動建立健全的懲罰機制，能提供幫助。

第5：發(fā)揮直覺

依賴數據并不意味著不需要直覺。是的，科學確實是以經驗為根據，是理性的。但科學家們不是。大多數受人尊敬的科學家們都是在保持客觀性的同時，發(fā)揮創(chuàng)造力、直覺和冒險精神。這為企業(yè)提供了一個良好的參照。

未來基于分析決策的企業(yè)將明顯不同于今日的企業(yè)?；氐轿恼麻_始我描繪的那些干凈的辦公桌、效率、客戶以及是否有數據支持這樣一個日常性決定。就此案而言，無數據提供。但為防萬一，我還是將自己的辦公桌弄得比以前更整潔了一些。