
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04