如何制定以數據為依據的業務決策

普華永道的研究表明，高度數據驅動的組織在決策方面取得顯著改善的可能性要高三倍。不幸的是，高達62%的高管仍然更多地依賴經驗和直覺，而不是數據來制定業務決策。偶爾信任你的直覺是可以的，但是數據才是你的判斷標準，因為數字不會說謊。支持所有數字和事實的決定，將幫助企業盈利。什么是數據驅動型決策？數據對業務的重要性以及數據如何為你的員工培訓提供支持？

數據驅動的決策

數據驅動的決策過程，是從硬數據收集、分析和得出見解，并基于該數據做出決策的過程。該過程無需在條件清晰的情況下即可做出直觀的決定。數據決策始于根據可衡量的目標（即KPI（關鍵績效指標））收集數據。當你知道需要跟蹤的內容并收集了所有必要的數據時，就可以對其進行分析以獲得可行的見解。一旦了解了數據說明的內容，就可以使用它來制定有效的策略，以幫助你不斷優化業務。

使用數據制定決策對于組織的持續發展至關重要。通過為你提供可行的見解，數據可幫助你預測未來趨勢并為通往全新的商機世界打開一扇門。它還使你能夠提高運營效率并產生更多收入。在麻省理工大學斯隆管理學院的一項研究中，安德魯·邁克菲和埃里克·布林約爾夫松教授發現，以數據為驅動力的公司報告稱，與不依賴數據的公司相比，其生產率提高了4%，利潤提高了6%。這種由數據驅動的生產率提高方法對于管理決策至關重要。利用業務管理分析可以幫助你快速識別和解決可能出現的任何問題。它使你能夠創建預測模型并開發必要的優化技術，以制定戰略性，數據驅動型管理決策。

在員工培訓中的好處

你不能簡單地利用LMS 系統等培訓軟件來獲得收益。而需要定期查看數據，以不斷增強培訓，增強學員的能力并取得積極的成果。在員工培訓中使用數據至關重要的原因有5個。

一是改善參與度。培訓本身應該提高參與度，但是不斷滾動的數據將允許更多參與度。這是因為你將使用有關學習者的更多信息，因此你將更好地了解如何使他們保持對新材料的興趣。

二是個性化學習過程。個性化學習者體驗對于參與和保留知識至關重要。利用所選培訓軟件中的數據，可以幫助你根據每個學員的學習方式和偏好創建學習路徑。這樣，他們將有效地吸收更多信息。

三是最大限度地提高員工的滿意度和保留率。許多沒有接受他們期望的職業培訓的員工，傾向加入另一家提供更好學習和發展機會的公司。根據蓋洛普（Gallup）的報告，87%的“千禧一代”表示職業或職業的增長和發展機會對他們的工作意義重大，而69%的非“千禧一代”表示同意。你的員工對提供的培訓滿意嗎？它給他們成長的機會嗎？你多久進行一次適當的培訓？利用LMS系統中的數據，你可以深入了解受訓者的滿意度，從而可以有效地滿足他們的需求。

四是識別和消除知識差距。你的培訓軟件還可以幫助你發現并彌補任何潛在的知識空白。當學員表現不佳時，你可以查明他們遇到困難的確切區域，并立即加入以提供幫助，確保他們的弱點變成強項。

五是為新的培訓技術騰出空間。你的員工培訓有效嗎？如果不衡量效果，就不會知道這一點。利用具有強大報告和分析功能的培訓軟件，可以幫助你了解有效的方法和無效的方法。你提取的數據將幫助你進行調整，并采用新的培訓方法以獲得更有效的結果。例如，在工作流程中學習變得越來越受歡迎。如果對你的業務和員工的需求有意義，則可以將其納入培訓中，并使你的員工能夠立即應用新知識。然后，你可以衡量他們以及你的培訓計劃的績效。

制定正確的決策步驟

現在你了解數據如何使您的員工培訓受益，現在該將這些知識付諸實踐了。這是員工培訓中數據決策最重要的步驟。

一是定義可衡量的目標。在進行任何形式的培訓之前，你需要建立明確的、可衡量的目標。只有這樣，你才能使培訓有效。你將知道應該把精力集中在哪里，以及如何提高實現目標的機會。你想幫助你的工人磨練某些技能嗎？你是否希望他們獲得新的知識和能力？你是否想提高生產率？無論你的目標是什么，確保可以衡量它們。一個好的經驗法則，是設定SMART 目標具體可測量、可實現、現實和及時。

二是使用正確的工具來收集和分析數據。LMS 系統或培訓軟件非常適合收集和分析數據。但是，你應該使用更多工具武裝自己，以完全控制數據。知識管理軟件就是其中之一。它使你可以創建知識庫，用于存儲和訪問知識，并將團隊聚集在一起以實現無縫的溝通和協作。

三是保持數據井井有條和最新。如果你的員工培訓數據已經有了，那么從中獲取更長遠的信息將是一項挑戰。你需要將其收集在一個集中的，易于訪問的存儲庫中，以進行無縫的數據分析。將簡化集成和更新，始終從單一來源獲取數據，并做出更快、更準確的業務決策。

四是專注于數據保護。使用數據進行員工培訓是確保業務數據安全的責任。在日常運營過程中，企業通常依賴與員工和客戶有關的敏感數據。因此，確保此類數據的安全性和完整性至關重要。作為員工培訓計劃的一部分，你將收集信息。例如誰在接受培訓課程，從何處接受培訓以及使用哪個設備和用戶賬戶。有時，你可能會收集更多有關客戶或員工的個人數據。建立牢固的安全機制，因為這是企業聲譽和信任的問題。

五是使用Visual Analytics 更快地進行數據決策。為了做出更快，更準確的數據驅動決策，你應該開始使用視覺分析。你可以向受訓人員、經理和其他利益相關者展示圖表、圖形和其他可視化內容，以講述你的數據故事。這樣，你的團隊將更好地可視化和理解數據。你將清楚地傳達信息，不僅可以做出正確的數據驅動決策，還可以找到新的培訓機會。視覺效果還將幫助你有效地解決業務錯誤。這是因為你將完全理解所有結果，了解解決任何潛在問題所需采取的措施。

最后是消除偏見。認知偏見在決策中非常普遍，客觀上常常具有挑戰性。幸運的是，你可以通過關注面前的數字來克服偏頗的行為，而不必關注過去的經驗和其他假設。但是，如何確保沒有偏見會阻止你或組織中的任何其他人做出合理的業務決策？通過創建一個有能力的利益相關者團隊，他們將始終相互檢查并提供有見地的反饋。根據《麥肯錫季刊》的一項調查，減少決策過程中偏見的組織可以將投資回報率提高多達7%。

數據驅動的決策示例

既然你知道如何利用數據的力量來做出明智的業務決策，那么讓我們探索一些可以從中學習的數據驅動決策的真實示例。

谷歌：根據SmartData Collective 案例研究，Google 是基于事實的最佳決策示例之一。該公司知道如何定義清晰的目標，收集正確的數據，將其轉變為可行的見解以及做出基于數據的決策。為了了解其管理人員的表現，這家互聯網巨頭創建了“氧氣項目”，旨在解決“管理人員重要嗎？”這一問題。Google信息實驗室密切關注了績效評估和員工調查，以了解對經理的看法。使用回歸分析，團隊中的社會科學家創建了一個圖表，顯示了兩組經理之間在員工幸福感、團隊生產力和員工流動方面的差異。團隊深入研究了分析，以了解究竟是什么使Google 成為一名優秀的“經理”。他們創建了“偉大經理獎”，要求員工提供有關最佳經理的行為榜樣。然后，他們采訪了經理，整理所有數據。團隊發現了使經理出色的前八項行為，以及阻止他們發揮最大潛能的前三項行為。為了根據這些發現采取行動，Google 實施了半年一次的反饋調查，繼續執行“杰出經理獎”計劃，并修訂了其管理培訓。

沃爾瑪：沃爾瑪是使用數據制定可提高盈利能力的決策的另一個很好的例子。根據《紐約時報》的報道，這家零售業巨頭使用數據分析來預測人們將購買最多的商品，以便為2004 年的颶風弗朗西斯做準備。沃爾瑪分析了其所有商店的TB 級客戶數據，以洞察相似條件下的消費者行為。零售公司發現，美國人主要購買啤酒和草莓Pop-Tarts。流行蛋sales的銷售率是七倍。這些見解使沃爾瑪可以在需求最高的產品上進行庫存，并在暴風雨來臨之前產生更高的利潤。

亞馬遜：亞馬遜又是一家擅長利用數據做出更好的業務決策的公司。如果你曾經在該平臺上購物，則可能會通過電子郵件或瀏覽網站時遇到產品推薦。這些建議來自數據分析。電子商務龐然大物分析了其客戶先前購買的產品，他們在訪問網站時正在查看的產品，已評論和評級的產品等等。這些數據可幫助亞馬遜向客戶推薦合適的產品，從而增加其銷售額并產生更多收入。

數據驅動的決策對于優化業務并刺激其持續增長至關重要。無論是與員工培訓，銷售增長或業務的任何其他領域有關，利用數據都將幫助公司蓬勃發展，要充分利用你的數據并將你的決策提高到一個全新的水平。