數據化決策如何更靠譜？來自唯品會的分享
作者為唯品會運營副總裁魏燕翔，本文根據魏燕翔在阿里巴巴3月7日舉辦的西湖品學大數據峰會上的演講整理而成，未經演講者審閱。
數據化決策對任何一個企業來講，帶來的都是全新的痛苦的變革。其實說大數據，數據用來做什么？數據首先是用來做決策的。
人在做很多決策的時候，總是會面對理智跟非理智不同的情形跟場景。我們在做電子商務運營中會收集很多數據，做模型分析、數據分析，我們往往假定用戶從這一步到這一步背后有一個必然的過程，背后有一定的邏輯關系。但是在購物過程當中，尤其是女性購物者在網上購物往往是非理性的沖動的決定。那么，數據團隊或者業務團隊怎么可能用完全理性的邏輯的分析判斷用戶行為？數據還原過程丟失了很多環節或者盲點的話，就會帶來偏差和誤導。
數據決策可能帶來的偏差
所以這是我們面臨的第一個挑戰：人的決策不見得都是理性的，但我們通過數據去推演做了很多的假定和判斷，至少在現在很多企業做決策的時候，更多的是強調理性，做假定所有的決定都是理性的，但是事實上現實生活中原非如此。
就算說數據反映的用戶行為決策都是理性的，也還有問題。談到數據來供我們做決策的時候，不僅僅量化的，還有一些語意化的東西。所以很多公司談到數據的時候，很多公司把數據指標跟KPI捆綁在一起，這樣就往往忘記了最初的商業目標，導致了偏離。所以當我們真正關注的時候，即使都是理性的，我們還是要區分出我們到底關注的是數據還是數字？我們不要被數字的假象所迷惑，很多數字是不會告訴我們所有的真相的。
另外一個，我們的決策方法論也可能有錯誤。丹尼爾卡門（音譯）教授有一句話，叫目光所及便是一切，指是我們人類經常會犯的一種錯誤，有人說這叫聚光燈效應，當我們在下面作為觀眾看著臺上演出的時候，聚光燈打在舞臺上，你會發現在聚光燈下的所有一切你看得清清楚楚，但是在背景在暗處的東西往往被你忽略掉了。我們依賴于最容易獲得的信息，以及說我們對信息的解讀，認為說這是我們可以作出決策的所有的信息或者必要信心。但是恰恰這些最容易獲得的信息，以及我們對這些信息的解讀，往往不是能夠做出好決策的所必須的所有的信息。
其實在決策過程中，我們還常常受到一些人類本身的局限。
第一個局限，尤其我覺得在我們中國人的決策一般都是選擇題，可選的往往沒有寬廣的范圍，而是“是”或者“否”。在我們商業環境下，我們通常會限制自己的選擇方位，沒有打開我們的思路，沒有讓更多的東西進入到我們的視野，這是我們第一個常容易犯的決先。
第二個在做決策的過程當中我往往去尋求一些依據，但我們傾向于去尋找一些支持我們觀點的證據。每個人在接受信息都會有自動的過濾，在這個過濾過程中，總是會傾向于選擇自己聽起來比較舒服或者是比較認同的，而自己不認同會把他放棄掉。實際上在商業環境下，管理者常常是有自己的一個判斷。有了判斷之后，他第一件事是說，數據團隊你去幫我找數據證明這個觀點，數據團隊往往會傾向于絞盡腦汁從各種維度去找一個數據來證明老大的觀點。在這個過程中，其實我們還會受到情緒的影響。我們的開心或者說我們的憤怒往往會導致我們更快或者是更慢作出一個決定。
因此，一個好的決策者，即使有了數據的支持他也常常需要給自己更多的一點時間去思考去判定。而有了數據的支持和幫助，我們做決策還可能受到情緒的影響、自信心的影響，所以，這些其實都是在數據決策過程中我們會面臨的一些挑戰或困擾。
關于建立數據文化與數據化決策的幾點分享與建議
第一個英文里面叫Hippo，意思是河馬，指的是公司里面最高的決策層。在數據化決策里面首先要改變的就是管理者本身、機制的本身。這個過程中，決策者要有一個謙虛的心態去學習，要能夠盡可能的謹慎的發表有個人傾向的意見，鼓勵下面的團隊尤其是數據團隊去構建更扎實的基礎、更好的決策流程。這是一個管理者對數據化決策的進程推進能起到最大的作用，而不是他親自上手去指揮去設定一些項目或者目標，然后讓下面快速去執行。
第二個是構建數據文化。對電商企業來說，可能包含下面幾點思考。
1，數據本身不會告訴我們全部的真相，尊重數據、認識數據，但不迷信數據。我們往往會在構建所謂的數據文化的時候，不是把數據當做信仰，而是把數據變成一種迷信。這個可能是要去調整的。對于業務團隊而言的話，與其說依賴數據團隊或者是BI團隊，不如說走到消費者中間，了解你客戶的真實的需求，可能你一個電話或者是你一個調研的話，你得到的洞察遠遠超過數據團隊花上多少時間給你的一份報告來得更加直接有效。
2， 需要構建的是，在各個業務部門有共識的指標體系。大家能在這個層面上去討論數據，而不是都是以自身各自的，站在各自部門或者各自的經驗的角度上的理解去談這些數據。這是最起碼的對數據的尊重。經常我們看到當數據團隊做假設或者模型或者分析的時候，早早就被業務團隊或者管理團隊給打斷了。他沒有理解說數據團隊在分析過程中做的一些簡化和嘉定，也沒有克服情緒化去尊重數據。
3， 數據團隊也要深入業務，需要理解數據背后的業務邏輯。他們要天天跟業務部門在一起，了解業務部門的痛點，了解業務部門真正要去改變的方向和目標。如果只是站在他們象牙塔里面是不會提出革命性顛覆性的做法來真正改善業務部門決策的。
第三，數據跟數據工具不是特權，數據要的是安全而不是監管。事實上在很多企業里面，我們都用了安全名義做了數據分析的事情。不能被一線扣動扳機的人使用，那是數據團隊的失敗。如果我提出需求，數據團隊一個星期去開發然后給出結果，事實上過了那個場景，你作出的數據已經沒有辦法去改善當時真正要達到的目標了。
所以數據是應該有一個合理權限的、安全的管理。但是不能因為這樣的管理，使得一線部門沒有辦法介入到數據里去，他們只能介入到BI團隊做的一些報表。實際上我們在很多情形下不能說這些報表沒有用處，但是僅僅做到這一點是遠遠不夠的。
今天很多團隊都說數據安全問題、企業競爭問題，認為我們要關注數據隱私。這些都對，但同時我也感覺的，這把數據都變成了一個一個孤島，每一個企業的數據和每一個企業的數據都沒有打通，甚至企業部門之間的數據都是無法打通的，商品的團隊只能看到商品的團隊，市場的團隊只能看到流量的數據。
但是其實如果不能把這些數據打通的話，每個部門只從KPI角度關注自己的一些數據指標，是很難發生協同效應，很難推進業務真正持之有效的改善。
數據有時效性和場景化。像今天唯品會的特賣限時搶購模式，如果我拿到一個客戶或者一組客戶在這一周的行為數據，想在下一周基于這個數據做一些精準營銷，實際上，我已經錯過了上一周那個場景、那個時間點了。你已經很難說那是一個精準的，只不過在歷史的某一個時刻你拍了一個快照，對快照里面的場景做了一個分析和判斷，然后試圖說服自己說，把這個東西應用在今天的場景下，應該也可以成功。也許這樣真的能成功，恭喜你很厲害。但是在大多數情況下，在運營端，我們更需要數據的實時性時效性。我記得去年雙十一的時候，車老師（阿里巴巴大數據業務負責人）的團隊在阿里做了很大的實時數據展示的屏幕。事實上在業務層面，有多少的業務人員是希望在做大的活動中能夠每分鐘或者每五分鐘就能夠看到實時的結果，能夠對結果作出一些響應。而不是說等到幾天甚至一個星期之后，我拿到一份總結報告，告訴我們說這就是事實，但是我們已經無法追溯說我們還有什么地方可以做得更好。
第四，數據的顆粒度和管理成本有關。其實在很多數據團隊在開始起步階段，都會追求說把顆粒做得越細越好，當然在現在的商業環境下，顆粒度做得越細，越能更好的發現或更建立洞察，但數據顆粒度越細也代表管理成本越高。在商業環境下我們尋求的是一個權衡，我們可能尋求是每次比前一次更優的一個選擇。
第五，在數據化決策的過程中，流程比分析更重要。有很多一流的分析師或者是BI團隊作出了非常有洞見的一個結果，但是缺乏一個有效的決策流程的話，可能會毀了這一切。事實上，在一個企業里面，我認為建立數據化決策的流程，遠遠重要過我們現在有一個多么強大的數據系統和數據分析團隊。事實上我看到很多情形，無論那個數據師做了多少努力，最終的決定永遠是Hippo在做決定。所以在這個過程中，需要組織的力量構建有效的流程，去約束在這個決策環節上所有的參與者，才能夠幫助這個企業在數據化決策的過程中，不斷的成熟，不斷的進步。
想認識全國各地的創業者、創業專家，快來加入“中國創業圈”
|
