如何制定以数据为依据的业务决策

普华永道的研究表明，高度数据驱动的组织在决策方面取得显着改善的可能性要高三倍。不幸的是，高达62%的高管仍然更多地依赖经验和直觉，而不是数据来制定业务决策。偶尔信任你的直觉是可以的，但是数据才是你的判断标准，因为数字不会说谎。支持所有数字和事实的决定，将帮助企业盈利。什么是数据驱动型决策？数据对业务的重要性以及数据如何为你的员工培训提供支持？

数据驱动的决策

数据驱动的决策过程，是从硬数据收集、分析和得出见解，并基于该数据做出决策的过程。该过程无需在条件清晰的情况下即可做出直观的决定。数据决策始于根据可衡量的目标（即KPI（关键绩效指标））收集数据。当你知道需要跟踪的内容并收集了所有必要的数据时，就可以对其进行分析以获得可行的见解。一旦了解了数据说明的内容，就可以使用它来制定有效的策略，以帮助你不断优化业务。

使用数据制定决策对于组织的持续发展至关重要。通过为你提供可行的见解，数据可帮助你预测未来趋势并为通往全新的商机世界打开一扇门。它还使你能够提高运营效率并产生更多收入。在麻省理工大学斯隆管理学院的一项研究中，安德鲁·迈克菲和埃里克·布林约尔夫松教授发现，以数据为驱动力的公司报告称，与不依赖数据的公司相比，其生产率提高了4%，利润提高了6%。这种由数据驱动的生产率提高方法对于管理决策至关重要。利用业务管理分析可以帮助你快速识别和解决可能出现的任何问题。它使你能够创建预测模型并开发必要的优化技术，以制定战略性，数据驱动型管理决策。

在员工培训中的好处

你不能简单地利用LMS 系统等培训软件来获得收益。而需要定期查看数据，以不断增强培训，增强学员的能力并取得积极的成果。在员工培训中使用数据至关重要的原因有5个。

一是改善参与度。培训本身应该提高参与度，但是不断滚动的数据将允许更多参与度。这是因为你将使用有关学习者的更多信息，因此你将更好地了解如何使他们保持对新材料的兴趣。

二是个性化学习过程。个性化学习者体验对于参与和保留知识至关重要。利用所选培训软件中的数据，可以帮助你根据每个学员的学习方式和偏好创建学习路径。这样，他们将有效地吸收更多信息。

三是最大限度地提高员工的满意度和保留率。许多没有接受他们期望的职业培训的员工，倾向加入另一家提供更好学习和发展机会的公司。根据盖洛普（Gallup）的报告，87%的“千禧一代”表示职业或职业的增长和发展机会对他们的工作意义重大，而69%的非“千禧一代”表示同意。你的员工对提供的培训满意吗？它给他们成长的机会吗？你多久进行一次适当的培训？利用LMS系统中的数据，你可以深入了解受训者的满意度，从而可以有效地满足他们的需求。

四是识别和消除知识差距。你的培训软件还可以帮助你发现并弥补任何潜在的知识空白。当学员表现不佳时，你可以查明他们遇到困难的确切区域，并立即加入以提供帮助，确保他们的弱点变成强项。

五是为新的培训技术腾出空间。你的员工培训有效吗？如果不衡量效果，就不会知道这一点。利用具有强大报告和分析功能的培训软件，可以帮助你了解有效的方法和无效的方法。你提取的数据将帮助你进行调整，并采用新的培训方法以获得更有效的结果。例如，在工作流程中学习变得越来越受欢迎。如果对你的业务和员工的需求有意义，则可以将其纳入培训中，并使你的员工能够立即应用新知识。然后，你可以衡量他们以及你的培训计划的绩效。

制定正确的决策步骤

现在你了解数据如何使您的员工培训受益，现在该将这些知识付诸实践了。这是员工培训中数据决策最重要的步骤。

一是定义可衡量的目标。在进行任何形式的培训之前，你需要建立明确的、可衡量的目标。只有这样，你才能使培训有效。你将知道应该把精力集中在哪里，以及如何提高实现目标的机会。你想帮助你的工人磨练某些技能吗？你是否希望他们获得新的知识和能力？你是否想提高生产率？无论你的目标是什么，确保可以衡量它们。一个好的经验法则，是设定SMART 目标具体可测量、可实现、现实和及时。

二是使用正确的工具来收集和分析数据。LMS 系统或培训软件非常适合收集和分析数据。但是，你应该使用更多工具武装自己，以完全控制数据。知识管理软件就是其中之一。它使你可以创建知识库，用于存储和访问知识，并将团队聚集在一起以实现无缝的沟通和协作。

三是保持数据井井有条和最新。如果你的员工培训数据已经有了，那么从中获取更长远的信息将是一项挑战。你需要将其收集在一个集中的，易于访问的存储库中，以进行无缝的数据分析。将简化集成和更新，始终从单一来源获取数据，并做出更快、更准确的业务决策。

四是专注于数据保护。使用数据进行员工培训是确保业务数据安全的责任。在日常运营过程中，企业通常依赖与员工和客户有关的敏感数据。因此，确保此类数据的安全性和完整性至关重要。作为员工培训计划的一部分，你将收集信息。例如谁在接受培训课程，从何处接受培训以及使用哪个设备和用户账户。有时，你可能会收集更多有关客户或员工的个人数据。建立牢固的安全机制，因为这是企业声誉和信任的问题。

五是使用Visual Analytics 更快地进行数据决策。为了做出更快，更准确的数据驱动决策，你应该开始使用视觉分析。你可以向受训人员、经理和其他利益相关者展示图表、图形和其他可视化内容，以讲述你的数据故事。这样，你的团队将更好地可视化和理解数据。你将清楚地传达信息，不仅可以做出正确的数据驱动决策，还可以找到新的培训机会。视觉效果还将帮助你有效地解决业务错误。这是因为你将完全理解所有结果，了解解决任何潜在问题所需采取的措施。

最后是消除偏见。认知偏见在决策中非常普遍，客观上常常具有挑战性。幸运的是，你可以通过关注面前的数字来克服偏颇的行为，而不必关注过去的经验和其他假设。但是，如何确保没有偏见会阻止你或组织中的任何其他人做出合理的业务决策？通过创建一个有能力的利益相关者团队，他们将始终相互检查并提供有见地的反馈。根据《麦肯锡季刊》的一项调查，减少决策过程中偏见的组织可以将投资回报率提高多达7%。

数据驱动的决策示例

既然你知道如何利用数据的力量来做出明智的业务决策，那么让我们探索一些可以从中学习的数据驱动决策的真实示例。

谷歌：根据SmartData Collective 案例研究，Google 是基于事实的最佳决策示例之一。该公司知道如何定义清晰的目标，收集正确的数据，将其转变为可行的见解以及做出基于数据的决策。为了了解其管理人员的表现，这家互联网巨头创建了“氧气项目”，旨在解决“管理人员重要吗？”这一问题。Google信息实验室密切关注了绩效评估和员工调查，以了解对经理的看法。使用回归分析，团队中的社会科学家创建了一个图表，显示了两组经理之间在员工幸福感、团队生产力和员工流动方面的差异。团队深入研究了分析，以了解究竟是什么使Google 成为一名优秀的“经理”。他们创建了“伟大经理奖”，要求员工提供有关最佳经理的行为榜样。然后，他们采访了经理，整理所有数据。团队发现了使经理出色的前八项行为，以及阻止他们发挥最大潜能的前三项行为。为了根据这些发现采取行动，Google 实施了半年一次的反馈调查，继续执行“杰出经理奖”计划，并修订了其管理培训。

沃尔玛：沃尔玛是使用数据制定可提高盈利能力的决策的另一个很好的例子。根据《纽约时报》的报道，这家零售业巨头使用数据分析来预测人们将购买最多的商品，以便为2004 年的飓风弗朗西斯做准备。沃尔玛分析了其所有商店的TB 级客户数据，以洞察相似条件下的消费者行为。零售公司发现，美国人主要购买啤酒和草莓Pop-Tarts。流行蛋sales的销售率是七倍。这些见解使沃尔玛可以在需求最高的产品上进行库存，并在暴风雨来临之前产生更高的利润。

亚马逊：亚马逊又是一家擅长利用数据做出更好的业务决策的公司。如果你曾经在该平台上购物，则可能会通过电子邮件或浏览网站时遇到产品推荐。这些建议来自数据分析。电子商务庞然大物分析了其客户先前购买的产品，他们在访问网站时正在查看的产品，已评论和评级的产品等等。这些数据可帮助亚马逊向客户推荐合适的产品，从而增加其销售额并产生更多收入。

数据驱动的决策对于优化业务并刺激其持续增长至关重要。无论是与员工培训，销售增长或业务的任何其他领域有关，利用数据都将帮助公司蓬勃发展，要充分利用你的数据并将你的决策提高到一个全新的水平。