数据与判断和决策的辩证关系

数据与判断和决策的辩证关系

用数据和科学逻辑算法去尽可能的消除主观判断带来的弊端。

是人，就会做主观的判断和决定，这些和自己的成长经历，所接受的教育，工作经验等等都密不可分。在当今数据爆炸的环境之下，很多人拿大数据说话。其实，很多结果可以被Manipulate的，看如何取数据，拿哪些数据，用何种算法。中国人又是最聪明的一类人，很多时候会从结果去推过程，来去佐证自己论点的正确。

回想一下，其实预算的制定及拆解，业绩的考核，招人的薪酬建议（新老员工平衡或者沟通问题），论文的论述，都可能会是这样的过程。 这些的出发点，很多都是从我想要实现什么，或者达到什么目标出发，再到，如何去证明我的合理性，以便去说服别人支持我的观点，愿意心悦诚服地去接受，去努力。当然， 也可以采取强硬手段，top down下去，看领导风格。论文不能这样，只能要去找相关数据，做模型，去论证自己的假设。

说到这个问题，主要是最近一直在围绕这几件事搞脑子。其实，对于预算的拆解，之前做过很多，预算的制定做了两年，也算是有点小经验。首先往年的大数据是基础，还有就是如何融合seasonality，大的经济形势，公司的战略发展路径等等，都可以作为数据逻辑公式的重要组成因素，客户的tender，我们的销售采购策略，也都是要考虑的因素。哪些是自变量，哪些是因变量，调整清楚，去来支持预算的流程。但是，其实最最主要的还是老板想要做多少，ambition有多大。这些是个数字游戏，可是，真正要达成，那还要看相应的策略是否合理，如何配套，人员的执行力到什么程度，创新支持是否真的能改变现状等等。

而HR相关的，人员定薪，市场上有很多数据买，关键看你是否能找到合适匹配的行业，职位去做比对。用大行业，还是细分行业，用岗位职能还是其他。最重要的还是看结果，做的再漂亮的分析，招不到人都是白费，说明整个的策略有问题。当然，这不是简单的薪酬的问题，还有公司的知名度，安全感，发展机会，性价比，行业发展等多因素的考虑结果。不断根据实际状况去调整，找到适配的数据，才是有效的论据。而业绩考核或者年终评定，要相对容易的多。因为很多是可以数据化的，客观的数字，当然也要看预算制定的合理和认知度了。评定中必定会有主观因素，比如，上级评价，value, leadership, potential等方面。这些之前我个人的做法，会去收集不同人的comments，比如下属， peers，上级，跨部门，跨层级的一些建议，来去尽量做到客观性。我个人不喜欢太多的surprise，不管是好的还是坏的，日常的定期沟通可以减少surprise的产生。而Surprise从另一个角度证明沟通的不顺畅。

数据是多样的，可以是数字化的东西，也可以是文字化的案例。在大数据的年代，最不缺的可能就是数据，不管是文字的还是数字的。关键我们是否能在纷杂的数据海洋中找到合适的，并用有效的方法，逻辑去关联在一起，用科学的模型去论证他，再配上优化的流程，完美的沟通，那结果自然也就水到渠成。任何一点不到位，都有可能让结果打折扣。这些综合的运用是有效去让主观客观化的途径，也是让我们可以更好的预测，应用，达成目标的手段。

人性就是很复杂的一个系统，完全客观不现实，只能做到相对客观。不管是商业活动还是人与人的沟通，都是对人性的把控。数据的运用和沟通技巧都是为了更好的管理人，引导人朝着自己想要的方向去前进。论文也如此，只要能论证自己的观点，让导师认为有道理，是不是也就成功了呢？