宠文网

成为数据分析师:6步练就数据思维

宠文网 > 哲学心理 > 成为数据分析师:6步练就数据思维

找到利益相关者

书籍名:《成为数据分析师:6步练就数据思维》    作者:托马斯.达文波特
    《成为数据分析师:6步练就数据思维》章节:找到利益相关者,宠文网网友提供全文无弹窗免费在线阅读。!



很明显,这一步涉及的人主要是管理者和决策者,也就是企业的所有者或者组织问题的负责人。然而,即便是在这个阶段,如果能得到对业务问题、决策过程和可能采用的定量分析方法了如指掌的定量分析师的帮助,管理者和决策者在组织问题的处理上就能实现事半功倍的效果。如果你不能找到一个如此全能地拥有上述所有知识的人,那你可能需要组建一个团队,让大家优势互补,让团队整体拥有上述所有知识。

在这一步,有一个问题需要你认真思考,那就是谁是你打算进行的分析工作的利益相关者,以及他们对待你即将处理的问题的态度。你是否有能够根据结果采取行动的利益相关者?他们是否对问题的存在有所怀疑?假如分析本身是完全站得住脚的,他们有可能被说服去做一些事情吗?

人人都是分析师

谁才是利益相关者

如果你不能针对下面的大部分问题给出肯定的回答,那你的项目可能从一开始就会陷入困境:

哪些高管和定量分析项目的成功息息相关?

他们是否对存在的问题和问题的解决方案有一个大概的了解?

他们是否有能力提供必要的资源?是否有能力推进定量分析项目成功所必须的业务变革?

他们是否都支持在决策制定过程中使用分析和数据?

你所推荐的分析案例和交流方式是否与他们常用的思维与决策方式相一致?

你是否计划向他们提供定期反馈和阶段性成果报告?

分析师通常有这种习惯,即完全不考虑利益相关者就直接一头扎进分析工作当中。对自己所掌握的分析技能越是自信,分析师就越不会考虑分析结果最终呈现给谁看以及决定根据分析结果采取行动的“决策者”是谁。

如果你觉得有必要为自己的分析项目考虑利益相关者,那么对利益相关者的管理就涉及以下一些常见的步骤:

识别所有的利益相关者;

记录利益相关者的需求;

评估和分析利益相关者的兴趣或影响;

管理利益相关者的预期;

采取行动;

审核身份和重复步骤。

利益相关者分析能够识别主要的决策者,并确定最有可能用分析结果说服这些决策者的方法。如果决策者将分析结果束之高阁,不据此采取任何行动的话,那么即使是最严苛、最站得住脚的分析方法也会变得毫无用处。事实上,如果这是唯一能让决策者信服的证据,那么从方法论的角度采用一个有争议的分析方法进行分析工作也是有意义的。

例如,罗布·杜波夫(Rob  Duboff)是一家名为HawkPartners的市场调研和市场战略公司的管理者,在任何情况下,他都会对定量研究的价值充满信心。不过据他了解,一些高管不懂得用定量分析方法去了解客户的需求,他们反而更相信定性分析法,如焦点小组访谈法,即召集一小组客户或潜在客户,询问他们对公司的产品和服务的看法,并观察和记录他们的反应。现在,杜波夫明白在方法论上,焦点小组访谈法的做法并不可信。众所周知,在市场研究领域,客户很可能会投你所好,说你想听的话,因此事实就是,他们虽然告诉了你他们喜欢什么,但并不意味着他们会愿意为这些东西掏腰包。当然,如果由一个经验丰富的主持人来引导焦点小组的讨论,这个问题可能会有所缓解,但是焦点小组讨论所得出的结论并不能推广到更宽泛的领域。尽管如此,杜波夫认为,有研究总是聊胜于无,而且如果决策者愿意相信焦点小组的讨论结果并根据结果采取行动,却不愿意相信采用定量分析法分析出来的结果,那么我们不妨采用焦点小组访谈法。

同样地,确定一个决策的利益相关者,有助于我们确定该决策的输出和结果呈现形式。不同的人喜欢不同的结果呈现方式:有些人喜欢将结果以数字行列排序的方式呈现,有些人更喜欢以图形的形式呈现,还有些人则喜欢用文字描述数字。在相对较早的阶段,知晓这些不同的偏好是非常重要的。当然,如果分析结果不是给人类使用而是给计算机使用,而且越来越多的情况下决策是自动或半自动的,那么,考虑通过理想的视觉形式对分析结果进行呈现这个问题也就将变得毫无意义,因为对机器来说,你需要做的只是给它需要的数字。

特定的分析方法也能够让利益相关者参与整个分析过程。例如,在思科系统公司(Cisco  Systems)有一个预测项目,证实通过使用统计方法可以大大提高预测的精准度(我们将在第6章末介绍这个案例的6个步骤)。虽然一些思科系统公司的管理者支持并看好这个项目,但还有一些管理者则怀疑更精准的预测是否可能。安妮·鲁宾逊(Anne  Robinson)负责这个项目,她在这个项目上采用了比较灵活的方法,每隔几个星期就会分析出一些可交付成果,并将这些成果呈现给项目的利益相关者。这种更渐进的解决问题的方法有助于获得利益相关者的认可。最后,即使是持怀疑态度的管理者也能明确地看到,相比以前的非分析方法,新的预测方法能够对更多产品进行更精确、更快速的预测。