决策与数据分析

决策与数据分析

数据的统计分析是为管理者决策提供数据支撑，我们所理解的决策制定：

首先是它是一个过程，而且是一个理性的过程，怎么说也不能靠直觉拍脑袋（虽然有些决策是就是这样“诞生”的）。其次它的目的是获得一个最佳的结果。

有三种决策制定过程：

1、效果论。一个成功的管理人员去获得决策制定过程中所涉及到的每个人的愿景，寻求的解决方案尽量得到多个参与方的认可，获得较高的满意度。可以说这种过程是基于所期望的后果的过程。

2、深入的组织。管理者必须考虑多种选项，结果必须与第三方进行沟通交流，第三方可以对该过程进行审计以防后来某些事情出现问题。这种过程受制于第三方。

3、补偿法。有一些决策是要对对个利益方进行权衡，寻找一种择衷的方案。比如研发进度提高50%，在其它条件不变的情况下还要让研发成本降低30%。想想管理人员制定决策的过程是不是会有更多的择衷。

在这里我们排除人为因素后，哪些因素会驱动决策制定过程？

1、确定性VS不确定性。研究表明，大家会关注一些令人满意的产出成果，但是关注度没有应该有的那么高；我们也会趋向发现那些坏的结果，但是这样的发现反而会引起大家过分的关注。这让我想起一句话，我们所担心的事百分之九十九不会发生，但我们却用了大量的精力去担心。

2、收益与损失。当把关注点放到损失时，决策很可能是相反的。比如一家财务困难的公司可能比财务状况好的公司去冒更多的风险，因为它们尝试去消除这些损失。

3、框架。同样的信息以不同的方式呈现时，基于该信息的决策也会受到影响。比如“现在！早订优惠折扣20%”和“下周，提价25%”。

4、承诺升级。如果自由和明确的制定了一个决策，制定决策的人觉得有需要向自己和其他人证明其合理性。如美国布什政府03年到08年关于入侵伊拉克的沟通交流。还比如最中意的股票跌到底时，人们花冤枉钱买入股票。

5、启发。社会启发“我将忽略XX人员的建议”；代表，“XX代表了这类事情发生的概率”。

除了上面罗列的几种主要影响因素外，还有一些其他的因素也会影响最终的决策，比如以往的经验、一些事情的可控程度等。

既然影响因素这么多，决策的结果又那么重要，我们理所当然的会想，团队一起制定决策会更优与个人决策。但是在创意测试中结论是：团队决策要差于个人决策。主要有几个原因是团队活跃成员会影响某些成员忘记或者抑制他们自己的主意，或者一些团队成员担心其他成员说三道四，自认为自己的主意要差一些而不发表意见。

如何解决这样的困境，通过商务智能帮助团队去做决策：

商务分析人员需要了解团队决策制定特性，决策强度和频度可能是多样化的，依赖者如领导层的文化和类型（如在创业公司，团队决策的制定更多与使团队相信其决策的领导有关）。有效的BI将考虑所有相关观点用于进行分析，作为分析人员需要探索所有有可能的维度，下图中就是一个简略模型：

分析模型

用一个通俗的故事讲就是我需要从家到公司，有几种方案：开车、坐公交、坐地铁换乘公交，要考虑到时间紧迫度（必须要9点前打卡，不能迟到）、早高峰拥挤程度（地铁至少等两趟才能上去）、自我控制能力（能否在闹铃响了就起床）、临时事件（周一公交花费时间多出半小时）、道路状况（大桥封路27个月，只能走隧道）......那么得到一个满意的决策就是要依赖分析人员对细节的探索。

《基于大数据的商务智能分析》是一本英译过来的书，翻译过来的语句读起来比较晦涩。之前读书笔记中提到要看一些经济方面的数据统计分析书籍，所以本次找过来读一下，也就能看懂50%，上述观后感也只能是解释一些我可以看懂的内容。本次阅读才体会到BI不只是几个报表那么简单。