京公网安备 11010802034615号
经营许可证编号:京B2-20210330
企业如何推进数据驱动文化?数据分析工具并非关键
易于使用的数据分析工具将会在企业内部大量使用,对此,分析软件厂商们非常看好。仅仅在过去数月里,我就收到大量新闻稿,都说产品可以“将分析大众化”,主张让数据分析工具变得更加简单,从而解决企业分析工具使用率低的问题。
但是,对于我来说,企业如何推进数据驱动文化,数据分析工具并非关键,真正的症结在于企业的内部文化。
人们更喜欢也更有可能使用简单的工具,厂商的这种观点并不新鲜——而且这是显而易见的。现在推出的工具绝对比十年或是十五年前的那些古董要更加易用。但,工具变得更加简单,使用率却并没有明显提升。
我经常从分析专家们那里听到一句话:在一家企业的所有劳动力中,数据驱动工具使用率的通常顶多也就20%左右。无论是IT部门使用,还是分析团队将工具交付给员工使用,情况基本类似。
数据分析工具也有拦路虎 你能否突破20%使用率的天花板?
有确凿的证据可以证实这一数字,在某些情况下,20%实际上还有些高估。在最近来自Dresner咨询服务公司的一份报告《Wisdom of Crowds BI Market Study》(大众智慧BI市场研究)中,近40%的受访公司说他们公司中不到10%的员工使用数据分析工具,超过20%的受访者表示这一数字在11%到20%之间,仅有不到25%的受访者表示这一数字曾超过40%。
特别值得注意的是,这些数字是低于前些年的。这就意味着即使随着工具不可否认地变得更加易用,它们在一线员工中也不没有更高的使用率。
一线员工为何拒绝使用新型分析工具?原因可能有很多。首先,人们不愿意改变他们做事的方式。同时,在没有看到适当理由的情况下,人们是不会接受新方法的。例如,你如果把一个炫酷、全新、自助的数据分析工具摆在一名营销经理面前,估计她不会去使用。因为是否要使用这个分析工具,取决于分析团队能不能解释清楚,这个分析工具将会如何帮助她更有效地区分客户,或是通过测试比较,证明这个分析工具是最行之有效的。
企业如何塑造数据驱动文化?管理层至关重要
这不仅仅是企业培训教育的问题,它还取决于管理人员需要灌输这样的数据驱动文化,显然,这和数据分析工具没有太多关系。员工们需要知道,数据使用的好坏程度将直接影响自身在企业内部的权重,这样他们就会越来越重视数据驱动化。
我接触过一些数据驱动文化较成功的企业,听到过这样的事情:开会时,如果发言没有数据支持,这样的人没有太多的话语权。管理层会监督谁使用了数据分析工具,并把这作为工作业绩考核的一项指标。管理人员身体力行,让数据说话,而非跟着感觉走。这一过程是需要管理层加以引导的。
可能有些企业领导认为,通过轻松安装一款易用的数据分析工具,企业员工就会突然都变为数据驱动。这样的想法是不切实际的。无论工具多么简单友好,它们本身并无法将那些在日常工作中不使用数据的员工进行重塑改造。对于那些寻求突破20%上限的企业来说,了解为什么数据驱动文化无法推行,如何才能够有效让数据驱动文化落地,这才是重中之重。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12