 京公网安备 11010802034615号
			经营许可证编号:京B2-20210330
 京公网安备 11010802034615号
			经营许可证编号:京B2-20210330
		大数据的崛起完全重塑了决策权
我合作的组织越发纠结于如何平衡好两种极端的经营原则。一方面,他们绝望地寻找更强的灵活性;而另一方面,他们真地想要在他们的运作当中容纳所有合适的利益相关者。这个矛盾令人不安地超越了传统的“集权/分权”争论。顾客和客户要求更大的灵活性,而雇员和伙伴则期望更大的授权。因此,公司非常努力去提供两者。
要囊括更多的人,唉,典型地增加协调成本和回应时间。但是,近乎自相矛盾地,更强的组织灵活性要求更多的反应和增强的协调。涉及越多的利益相关者,决策就越可能延迟。但是有效的灵活性频繁要求包含利益相关者的参与。
换句话说,越多的人越经常想要做出越灵活的决定。这样的矛盾使我的客户几近发疯。在一家财富1000千强公司,比如“火焰战争”(flame wars),其客户支持小组(极度想要更快地回应顾客抱怨)与技术设计小组 (同样极度想要避免点对点修复)爆发冲突。在没有对方协助下,双方都无法有效地解决问题,但是他们间的部分重叠职责很快变成矛盾的源头,而不是合作。这样的异常状况并不稀少。
数字网络化的企业经营——无论是基于Slack、Chatter、Skype还是Google Doc——都极度地加剧了矛盾和痛点:越来越多利益相关者能够及时地获取和分析可操纵的信息。技术促进了整个企业经营的生态系统的更高层次的信息透明和能见度。实时处境意识极大地增加,但是管理和运作的能力以处理数据驱动的信息或许没有。
目前为止,最佳和最有用的管理那些矛盾的方法源于Michael Jensen于25年前在决策权方面取得的突破性进展。简单地说,决策权厘清了决定和决策的权威和问责。决策权关于组织如何决定“如何做出决定”给予谁权利去做决定。你可以把这想作企业决定的管理模型。
Jensen微妙的和机智的见解是做出决定的权利——不仅仅是进行任务或承担任务的责任的能力——对于组织效率和效益是至关重要的。所以,授予和分配决策权在组织上完全如同分清工作、角色和任务一样重要。这样看来,决策权可以和应该作为授权的管理机制。你或者你的团队拥有的决策权越大,你们的授权和责任就越大。
RACI框架提供了一个Jensen决策权方式的极好的真实示例:
谁负责。谁负责完成任务?
谁批准。谁在做决定和对任务做出行动?
咨询谁。和决定与任务相关的,向谁沟通?
告知谁。在项目/过程中,谁要被告知最新决定和行动?
这些问题不复杂也相对容易去辨识。亦即,数字上把RACI审阅中确认的相关个体和团队连接起来应该是直观的。越来越多与我合作的组织使用RACI(或者一些别的版本)去创造可审计的项目和过程管理的问责网络。
这些网络同时变成包含和灵活的平台。那些想要被咨询或被告知的个体和团队能够要求选择参与到网络中;相反地,当给予批准或进行负责的管理者需要更多的灵活性以回应顾客需要时,他们可以使用RACI网络从而取得一个“准时制”回应。标记这些网络能给利益相关者创造能见度和清晰度和高管人员等。他们提供窥测公司决策等级结构的至关重要的窗口和镜头。
有趣的、讽刺的和重要的是,我发现应用决策权的数量增长最快的方面重点在数字化、数据和分析学。谁有权利去获取、加工和分析数据成为企业经营中机会和竞争最大来源。这种结构的转变完全超越了Jensen二十五年前的设想和描绘,因为大数据的崛起——还有其相关的分析学——改变了围绕决策权进行的当代辩论和争论。
关于数据的决策权越发要求关于决策权的数据。换句话说,如果你的组织已经获取加工并分享10倍到100倍更多的数据,你现存的决策权机制非常可能可悲地过时了。也就是说,会有任何认真的品牌经理在今天进行一项没有能力去结合社交媒体分析的市场营销活动?但是品牌经理需要富有计算能力的数据科学家和分析工具以从数据中获取更大的价值。决定和定义品牌管理如和数据管理如何合作需要决策权。
在一家我工作过的公司,大数据的崛起完完全全重塑了决策权和RACI讨论。该公司过去着重研发新产品。但是随着手机软件的崛起,该公司的创新重点从更好的产品转移到促进更好的用户体验。那转换了RACI决策权模板。用户体验(UX)的问责比起产品更要求不同的数据和分析学;着重用户体验意味着不同的队伍和个体需要被咨询和告知。从本质上说,用户体验驱动的数据和分析法再平衡了灵活性与包含之间的决策权关系。
该公司把其人员、加工和技术紧紧围绕用户体验决策权——并且可测量地证明了结果非常惊人。该公司获取了十倍多的有效反馈,通过所有形式的社交媒体和使用案例监测,并且较于典型的一年制时间框架,在三个月内,以和此前相同的产品研发效力和比以前少一半的产品研发费用,开发出下一个更好的版本。
随着组织决定越发受到数据驱动,高层管理者需要取保决策权同样也受到数据驱动。这解释了为什么那么多组织把数据管理设为战略和组织上的优先对象。与其采取更多的传统IT管理(为IT系统管理寻求创造更强的问责制),数据管理模式认识到数据对于管理是”任务关键型“资产。
数据是怎样进行共享的(包容性)?且组织是如何高效的利用数据的(灵活性)?对于那些数据管理模式问题的解答能够在数据驱动的决策权的创新应用中发现。数据管理方式的未来就在决策权的未来手上,而决策权的未来也在数据管理方式的未来手上。
	
 
                  数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23