人們以前做的很多決策都僅僅是簡單地根據經驗和直覺。比如項目管理中很多過程的工具都涉及專家判斷,專家只是有了多年不斷試錯的經歷,俗稱的“拍腦袋”來決策。
現在情況在變,商界和政府部門的專業人士正在逐漸利用數據來指導決策。通過分析龐大的數據庫來揭示表面上似乎毫不相關的事情之間的經驗關系。
什么是超級大數據分析呢?就是能夠影響真實決策的統計分析。數據庫的龐大包括觀測值的數目和變量的數目,比如分析設計師的工作效率和質量,就要收集設計師相關的任務的執行時間點、反饋時間點、評審任務的評審意見數據,相似任務不同的人員完成的時間、交付的質量等。
數據分析的速度越來越快,數據剛剛敲進去的時候就可以看到實時的分析結果。我們知道一般企業收集數據很多會在月底進行,分析更加滯后一些,這些正是管理者的痛點,如何管理者可以如此快速的獲取分析的結果,那么決策將更加及時且有依據。
大數據分析有哪些好處?
1、大數據分析是由決策者執行并為自己服務的,目的是尋找更好的方法。記得曾經有位客戶有過這樣的困擾,設計師提供的方案單一,如果進行多方案就需要投入額外的時間,即使有了多方案仍然需要“拍腦袋”做出決策。那么通過大數據分析,是否就可以自動匹配相似方案,特別是從歷史庫中調取相關數據,系統提供多種方案,分析出各種方案的優劣,決策也有了更可靠的支撐。
2、各個領域的統計分析都在揭示出隱藏在各種各樣不同信息背后的相互關系。客戶的信用等級和車禍的概率密切相關,那么作為汽車租賃公司為了降低風險就拒絕為這些人服務。曾客戶現場時發現,用戶在系統填報管理相關數據的時間集中在上午10點左右,任務執行者在下午4點左右反饋的比較多,那么工作的內容和一天的時間是否有關系?從而是否考慮討論型的會議應該安排在哪個時間點,評審性的會議適合安排在哪個時間點,或者對安排在網絡上執行評審的效果進行預測。
統計分析的分級:
1、簡單的過濾,酷狗列出最受歡迎的歌曲清單
2、合作篩選,軟件具有推薦功能;比如淘寶上會提示,您還可能對如下商品有興趣,一般都是曾經搜索過的商品。但是有一點系統也很討厭,比如我已經買過一件商品,《希爾斯親密育兒百科》書,以后也不可能再買了,系統還是會進行推薦。這就是系統沒有對哪些商品買過后肯定不會再次購買做判斷,從而向用戶推薦了錯誤的決策。另外的一點就是個性化篩選越成功,我們共同的體驗就越少。如現在手機上推送給我的新聞都是育兒類的,雖然我常關注該部分內容,但是系統總推薦這些會讓我無法了解其他領域,有一種“不滿意”的感覺。
3、篩選系統,消除了上面的不滿意。篩選系統是利用“群眾的智慧”,平均估計比任何個人的估計都更接近真實值。設想這樣一個場景,一位設計師在執行方案編制任務時,在知識庫中查詢過相關資料,這時根據其它設計師在編寫類似主題方案時查詢過的資料自動推送過來消息“您是否對如下材料感興趣?”或者設計師可以設置關心的主題,和該主題相關的材料會在查看資料時優先顯示。
關于統計分析的方法和工具,比如利用回歸技術、構建一些分析模型等就復雜多了,在后面會陸續總結。但是不同行業,不同組織的分析模型可能不同,數據也可能會保密,實現效果的時間范圍也比較長,看來這“統計分析”路還長著呢。
參考書《大數據思維與決策》