|
是数据做出了决定，还是你用数据帮助做出了决定?两者的选择将改变公司与数据的关系。在制定数据战略的时候，通常会陷入两难的境地:数据究竟是驱动还是指导商业决策?这种细微差别造成了很大的不同。数据驱动似乎是显而易见的，让数据驱动你所做的一切，但这种方法可能会让你错过更大的选择。另一方面，如果您选择以数据为导向，并让数据指导业务决策，那么可能会有太多的灵活性。如果是这样的话，就有可能会挑选一些数据来支持先入为主的观点。这不仅仅是换了个词。数据驱动和数据导向决定了数据在决策中的影响力。采用数据驱动的方法意味着总是依赖数据做出决策，并且业务策略的每个元素都基于对数据的解释。数据驱动的方法允许公司利用数据来获得关于客户的独特见解和信息。数据驱动不会考虑个人经验或洞察力，也不太关注大局。只是冷酷无情的按照事实进行决定。在这种方法中，数据有最终决定权。下面一个数据驱动决策的例子:假设正在进行一个广告活动，有两个版本的广告，但不确定该使用哪个版本。广告A是你的同事创作的，即使它很好，也没有你创作的广告B那么喜欢它。如果你不是一个受数据驱动的营销人员，你可能会利用你的直觉，只使用广告 B，因为它是你创造的。但由于你是一个受数据驱动的市场营销者，你会同时使用这两个广告，并根据哪个广告能给你带来更低的客户获取成本来评估它们的表现。在使用广告A和广告B 7天后，你发现广告A给你的客户获取成本较低。不管你的感觉和偏好，你决定关闭广告B，保持广告A运行，因为数据告诉你它是最优的。以数据为导向的意思是，在做出决定的过程中，你将数据与独特体验、用户研究和其他输入一起使用。使用基于数据的方法，数据只是决策过程的一部分。让我们以上面用过的同一个例子为例。广告A和广告B已经运行了一周，但因为你的销售周期是90天，所以你不能使用客户获取成本来评估你的广告表现，这将花费太长时间。在这种情况下，您决定使用像点击率(CTR)这样的指标来评估性能。广告A的点击率为4.35%，广告B的点击率为3.95%。如果使用的是数据驱动的方法，应该关闭广告 B，因为它的点击率较低。但由于您现在使用的是基于数据导向的方法，就可以看到更大的图景。事实证明，尽管A广告拥有更高的点击率，但它也拥有更高的点击成本(CPC)。如果继续做这个广告，预算会消耗得更快。根据过去的经验，你知道这两种广告的点击率都高于你的平均表现，这意味着无论选择哪种广告，表现都会高于平均表现。在基于数据导向的方法中，您关闭了广告 A，因为您考虑了其他因素，并希望尽可能有效地使用预算。有了这个例子，从数据中获取导向和信息似乎是一种更好的方法，但是让我们来回顾一下每种数据方法的优缺点。决定基本上不是人为能掌控的，数据告诉你该做什么。这有助于防止个人偏见和直觉控制，并使决策过程的某些部分自动化。由于决策不在你的掌控之中，因此更容易对公司利益相关者进行规避，因为他们可能各有自己的见解。根据哈佛商学院的说法，以数据为中心的决策实际上可以帮助变得积极主动，因为可以识别可能预示未来问题的趋势。专注于数据分析来做决定可能会错过更大的图景。还记得我们之前的数字广告活动吗?如果我们只专注于点击率，可能很快就会耗尽预算。没有统计上的重要数据会阻碍做出明智的决定。如果在一个真正的数据驱动环境中运行，需要确保在特定时期内收集大量数据集，以达到统计意义。成为一个真正的数据驱动公司是非常困难的。只有29%的公司擅长将数据分析与实际行动联系起来。这样更容易考虑全局，可以对客户体验有更直观的了解。同时，可以使用其他输入来了解真正正在发生的事情，并根据整个情况而不仅仅是一条数据做出决策。用现成的解决方案来解决问题。由于数据只是一种输入，所以可以利用经验和创造力来想出可能在数据中不明显的解决方案。能够紧跟趋势。用户偏好的早期变化很少显示在数据中。如果只关注数据，可能会错过竞争对手或行业变化，这些变化会导致人们质疑产品的价值。可能更容易被外部决策者左右。由于使用的是数据导向输入而不仅仅是数据来做决策，固执己见的利益相关者在决策过程中可能更有影响力。可以精心挑选数据来支持你想要的结果。在一个以数据为导向的环境中，个人偏见可能会发挥很大作用，无论你是否意识到这一点。你可能会因为太多的输入而导致选择困难。当你被允许使用多种信息来源来帮助你做决定时，你最终会得到相互矛盾的信息。这很难调和。理想情况下，您将在公司中混合使用数据驱动和数据导向，以获得竞争优势。但你的选择取决于环境。当公司采用大数据方法，并根据使用数据的是或非结果做出决策时，数据驱动是最好的。如果你正致力于转化率优化、A/B测试、定价或其他基于数据的项目，那么数据驱动便是最佳选择。例如，在A/B测试中，你试图找到一个非此即彼的结果。你的答案不是A就是b。你可以用数据来做决定。这样的话，就不需要个人经验了。数据可以驱动决策。数据驱动决策的关键是提前选择决定因素，并且手头有大量的数据。如果你正在对网站上的按钮颜色进行A/B测试，你需要在数据收集之前明确定义什么是成功——在这种情况下，可能是点击率。另一方面，当你在处理一个需要大量输入的复杂项目时，数据导向是最好的。例如，一个新产品特性并不是仅靠数据就能实现的。您需要来自用户的反馈、个人体验、利益相关者的输入、竞争数据等等。当创新是你工作的重要组成部分时，你也会使用数据导向的方法。设计师就是一个很好的例子。他们的工作基于创造力，但数据可以帮助他们知道应该如何执行他们的工作。例如，一个网站设计师可能喜欢创建一个独特的，美丽的网站，不同于其他任何东西。但有经验的设计师利用数据来了解什么样的结构最能保持网站访问者的参与度。这也是许多SaaS网站有很多相似之处的原因之一。在数据驱动与数据导向的较量中，没有明显的优劣。这两种方法在某些情况下都很有用。作为一般规则，对于可以基于定量输入的决策，使用数据驱动的方法。对于需要包括定性输入的决策，使用基于数据导向的方法。
|
