“数据知情”的组织文化是怎样的

鄙人一直对 &#34;决策科学&#34; 感兴趣，今天写一篇学习笔记，和大家聊一下业界的两个词语—— 如何理解“数据驱动”vs“数据知情”？为啥写这个呢？在大数据时代，大家对数据的合理运用，往往决定了决策的质量。数据无处不在，乃至影响了我们的生活质量~

话说，十几年前有一个经典的商学案例，讲的是沃尔玛通过分析客户购买的行为优化了它的库存和店内的商品供应、降低了成本，因此获得业务上的增长。如今，这种以数据驱动的组织决策行为模式，已然遍地开花啦！然而。。。

（僵硬的）“数据驱动”有其不足。在此列举两条吧：

1. 多数用于优化某一个产品功能或 (广告|内容) 推荐算法，但无法指导跨越式的产品创新

可以设计外形更漂亮、轮子大小更合适的马车 ||| 但团队造不出汽车

2. 一些因素无法量化，可能被忽略，无法很好地评估全局的、战略上的影响

举几个例子，音乐类的音频平台，如果仅以艺术家的粉丝流量来推荐音乐作品，那么可能会流失一些听众群体。比如，那些喜欢新奇、小众音乐的重度音乐爱好者。重度音乐爱好者有一个庞大的”音乐爱好者“的圈子。同理，梵高生前怀才不遇，去世后多年才被有心人以”定性“的评估方法挖掘出来。他的画若仅以一时的销量评估，显而易见是失败的。（短视 vs 长期投资的视角）

3. 新产品没有用户，与过去业务没有可比性，哪里来的数据？或者，数据样本太小？

一件艺术作品的诞生，是一个推陈出新的过程。往往一开始吸引了小众|专业人士的注意。一个新产品、新点子、新理论诞生的过程，也大概如此。无法量化评估，也许会被忽视，但不代表它不好。很多改变世界的发明家都是理想主义者，依靠的是信念和小步试错。
于是，“数据知情”这个词语来了！那么，“数据知情”组织文化是怎样的？具体的组织行为是怎样的？

1. 充满好奇心，持续挖掘、理解一个现象背后的本质、以及主要和次要的推动因素

（多问几个“为什么”，逐步分解复杂问题，抛弃形式，从而产生原始解决方案）

2. 根据组织的使命和价值观，建立合适相关的量化目标，以便于监测变化、及时调整策略

3. 通过小步的实践检验、快速迭代，进行及时地学习和调整

任何事物都有AB面。有一些因素无法量化，却对更全面的分析和决策考量至关重要。当人们盲目使用单一类别的数据进行过度优化、指挥行为，可能忽视产品或服务带来的一些负面影响、甚至无法辨别成功指标释放的错误信号，导致分析片面化。
那么，有哪些常见的【陷阱】呢？如何识别？

1. 在会议中炫耀各种各样、使人眼花缭乱的数据仪表盘

堆砌的噪音大于有用的信号，过多占用观众的注意力，却不提供【具体的情景和语境】，导致观众不确定如何去理解【指标的意义】。因为缺乏清晰的【思考决策框架】，从而导致决策缓慢。

2. 数据至上，不全面考量其它因素，盲目根据单一指标做出决定。

可能导致团队局部优化|内部竞争、忽略了全局影响。比如销售追逐KPI，而不考虑获客成本或定制化的维护成本

3. 在演讲中展示数据，并且认为它们是“证据 | 真相”，但不提供具体背景、思考过程

数据是否有代表性? 工程实施和收集过程中有没有偏差? 和往年比较又如何?

如何实践“数据知情“呢？

全盘考虑到一些非量化因素，通过定性的手段获取信息（如田野调查、观测、调查问卷、用户访谈等）
了解数据里有哪些缺口，是否有代表性？如何平衡？
在多变、不可预知的未来面前，设置尽可能完善的 &#34;护栏指标&#34; 框架体系，以此监测决策和行动可能带来的负面影响
建立“学习型组织文化”+ “透明性“，提高大家的【数字素养】，不立刻指责，鼓励大家自查不足、及早发现问题、及早调试
保持持续的好奇心 : )

了解常见的认知陷阱，比如：【确认偏误】

无论合乎事实与否，偏好支持自己的成见、猜想的倾向。人们习惯于通过直觉有选择性地回忆、搜集信息，然后通过数据去证明“我是对的”。
而科学的做法是，不事先预设结论，培养开明的思维习惯，去通过现象和描述指标去发现和学习—— 【有哪些事情是“我不知道自己不知道的”】?

—— 以后有机会，再写一篇文章讲常见的认知谬误吧，持续学习哈！