数据驱动力：企业数据分析实战

128

｜

第

9

章

9.2.1

　数据

如第

2

章所述，数据必须具有时效性、相关性和可信度，否则决策者的选项就相当有限：

要么不得不推迟决策以等待获取更多数据，要么被迫忽略已拥有的数据和工具的效果而草

率决定，而这种做法归根结底还是依赖于经验。

数据都有什么潜在问题呢？

1.

数据质量和信任缺失

回顾前文中的一项调查，可以看出，数据本身对决策者来说就是一个真切而首要的问题：

“从样本来看，妨碍人们更好地利用这项资产来进行决策的最主要原因是数据的质量、准

确性或完整度。”

《哈佛商业评论》称：“

6

个月

来，有

51%

的高管拥有必要的信息来让他们自信地做出业务

决策，而他们的确得到了回报——做高风险决策时会更胸有成竹，而且能未雨绸缪，及时

做出关键的业务决策。”不错，可剩下

49%

没有

必要的数据来支撑自信心的人呢？在另一

项调查中，

1/3

的人用不完整的信息或自己不信任的信息来做主要决策

，这种缺陷只能通

过对数据管理和数据质量项目投资来修正。

2.

数据量

对其他人来说，不是缺少数据，而是恰恰相反——数据量太大了，他们难以应对。《哈佛

商业评论》在同一期杂志上写道：“超过一半的受访者说，决策需要的内部数据和外部数

据都增长得太快，他们的公司疲于处理。”既然如此，我们就要侧重于一小部分数据，精

简到只剩下最重要、最集中和最自动化的部分——如有必要，可以多雇一些数据工程师。

3.

从噪声中筛选信号

数据量也会带来其他问题，收集的数据越多，得到的信号就越多，与此同时噪声也更多，

这会让你越来越难找出真正相关的东西。这个问题在大数据中尤其常见 ...