为何企业数据分析总是不尽人意？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

许多企业在大数据、分析和雇佣金融工程师方面花费巨资，结果却显得很挫败。无可否认，他们拥有更多更好的数据，分析师和分析也都是一流的。然而，似乎除了更好的数据和分析之外，经理们似乎仍然有着同样的的商业争辩。数据或许更能影响最终决策可能，但是组织文化的影响力仍然不变。正如某CIO最近告知：“我们的分析都是实时的，这是我五年前都不敢想象的。但是，其产生的影响距离我所想的还遥不可及。”

这是怎么回事儿？经过《财富》1000公司的几次大数据及分析会议，以及同对分析投资回报很满意的公司认真商讨之后，“数据探索法”的概念终于清晰显现。企业产出从平庸到中等的公司使用大数据及分析支持决策；公司运用成功的ROA,即分析收益率（Return on Analytics）来影响和支持行为模式改变。较好的数据导向分析师不会仅仅与已有进程和核查“连线”,他们还会习惯性地发起和鼓励各种各样的交流互动。

某金融服务公司的CIO表示：“除非管理层发现我们想要改变或者影响的行为模式举止，否则我们不会做分析或者商业情报这些东西。”他又说：“提高服从能力和完善金融报表是最容易实现的目标，但是这只能说明我们在用数据分析用在那些已经可以做得更好的事情上。”

真正的挑战在于，要认识到新行为模式常常会更新分析，大数据及分析应该用以更好得解决问题，而且以及（或者）做出决策，掩盖组织实情。大家可能需要更多地分享以及协作；职能部门可能需要建立不同的或者互补的作业流程；经理和执行官们可能需要确保激励措施不会削弱能够用数据分析经济增长及效率提升的机会。

例如，某医疗供给公司，围绕“可获利的客户”以及“盈利性最高的产品”信息做了一次整合分析统计，这需要对客户销售和技术支援小组进行再培训，培训内容包括如何应对购买较高附加值产品的“烦人”且“喜欢教育人”的客户。该公司意识到这些分析不应该仅仅用于支持现有的销售和服务，更要用来促进新型便利咨询的销售与支持体制的发展。

大数据及分析的实质，讽刺来说，不及人们使用其的目的重要。最有趣的矛盾和争论不断围绕着一个话题，究竟公司应该从数据分析中最大化收益，以优化已有的流程行为模式，还是应该让大家能够各有各表现。但是，就“分析如何改变行为模式，而非解决问题”这一话题，统一意见太粗浅并不是最富有成效的交流。

“我们公司大多数人历史学得要比数学好。”某日用消费品分析执行官如是说，“理解新信息及指标如何改变他们做事的方式比让他们理解基础算法更容易……我们费了一番功夫才认识到”挂壁“数据及分析并无法帮助我们的内部客户从我们的工作中获益。”

答对问题，或甚至问对问题，原来都不是高ROA公司关心的主要问题。各种疑问及回答，即数据及分析，确凿无疑才是最重要的。但是，这些问题、答案和分析怎样同个人行为模式和制度行为模式达成一致或者冲突显得更重要。有时候，所谓最成功的分析也能挑起后果不良的行为模式。所以，一定不要放弃数据分析。

（本文选自CBSi中国·PChome | 作者: 何毅）



大家在研究某个行业前景的时候也常常会搜集很多数据辅助分析

搜集数据的过程相对容易些~

但在运用数据分析的过程中你是否遇到过困难呢？

如何才能结合数据分析出有价值的信息呢？

欢迎大家分享经验~

每条有效回复~10-200论坛币不等~

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：企业数据 数据分析 Analytics Analytic RETURN 投资回报 金融服务 工程师 习惯性 收益率

数据分析不能立刻把数据变成利润，其实很多人和企业被“大数据”忽悠了，神奇的大数据应用案例让人觉得自己能当先知。《电锯惊魂》里有一个用大数据分析病人的分析师，把自己当上帝，人为决定那些人是可以治病，结局是被病人给玩死了，现实中的数据工程师也难逃此命运。

飞家小冰 发表于 2014-4-29 09:19
许多企业在大数据、分析和雇佣金融工程师方面花费巨资，结果却显得很挫败。无可否认，他们拥有更多更好的数 ...

获得数据容易，分析数据确实挺难，需要经常分析，经验积累。有数据不会分析价值，就像给一个不会做菜的人鲍鱼鱼翅上等食材一样，浪费啊～

数据分析，带有导向性或目的性的分析，偏离了真实数据本身产生的价值，数据作为客观呈现出来的产物，在结果上，也不过是个临界点，围绕着临界点而作的分析方向都局限在这个范围之内了，其价值极为脆弱，可以说，数据呈现的结果出现与表现的是一种历史进程行为，若按这种思维分析，分析行为潜意识里难免有太多牵强；个人认为：数据分析更应该关注这几个方面：已有的数据结果在其产生过程种受到哪些因素导致现在的客观出现；过程中出现的那些导致的偶然因素，与以出现的结果有什么逻辑联系或影响；受此影响，从必然产生形成的角度反推前面的那些偶然，主观，客观因素；对后期的做出建议与预测即可。毕竟后期的形成结果的过程，也会有更多不确定的因素，数据分析作为唯一权重的选择，那肯定是不尽人意的！

在一个美资500强做市场分析（当然是基于大量数据，所以数据分析是基础工作）好多年了，说说我的感受吧。
数据分析从本质说来应该是客观的，但是在企业里头，主观性（或楼上提到的导向性/目的性）却更常发挥作用，因为这个工作免不了被管理层授意，要求通过对数据的不同角度的解读来产生不同的结果。

说个最最最简单的例子吧，就说市场增长率。市场调研回来，通过模型计算市场增长10%，其中东南西北区域数字各不相同，内资外资和各种背景各不相同。比如很不幸，我们只增长了7%，跑输市场，高层通常为了defend自己的业绩，会让你通过其他角度来解读数据：刨开特殊因素（负拉动较大因素）提高增长率；改变参照对象（比如不跟市场比，只跟更弱的外资比；或者不要跟整个市场比，只跟自己跑赢市场的区域比）如此种种。

举这个简单的例子是想说，其实在企业里头，数据分析说到底还是为了业务目的服务的，比如上面例子，我没有编造篡改隐藏粉饰任何数据，但是通过不同角度解读，我可以通过这样的定量得到不同的定性。因为这样你才能达到目的（比如上例，老板对他老板好交代了，从而能获得更多的财务和政策支持）

所以，不结合业务目的的数据分析，是没有意义的。

最近我就在寻找产业分析报告和预测相关的资料，不乏许多感慨：第一，数据分析公司要价很高，但是我们不知道他们给我们什么数据，做过什么有用的努力和就过；第二，普遍公司决策者对包括分析公司和内部分析机构的结果非常不满意，觉得他们是在忽悠人，从网上搜集一些过时的信息来证明不明确的观点；第三，我们又对未来充满期待，希望把握或者胜人一筹地提前把握未来趋势，抓住时机，故还是对此类数据乐此不疲！
因此，综上，未来CIO的地位肯定是很重要的，国内的数据公司或者部门应当重新定位自己，做到忠实可靠，做到诸如麦肯锡此类的具有威望、权威的咨询机构。此外，企业也要重新定位信息的作用，并非信息可以清晰地告诉你，如何做决策，如何走哪个方向，而是慎重考虑，或者参考~

附上推广图片，希望人大论坛越来越多人加入交流！

在企业管理实践中，数据分析无处不在。我从事企业财务分析工作，来自国企，从实践中的财务数据分析角度观察，数据分析的有效性来源于3个方面：
1、数据本身的质量。
2、数据背后的业务与数据的一致性。
3、数据分析的立场。
很多时候，大数据分析技术层面的东西都可以讨论和修正，但是，影响数据的很多因素确实非常主观，也很难得到检讨。在国企，这方面的体会尤其深刻。

谢谢分享！！！