這種情況時有發生，而且可能是壹個人工過程——例如，花時間查看求職者的“LinkedIn”信息，以幫助做出更好的招聘決策。或者確定我們產品的暢銷市場來鎖定銷售資源。然而，最令人興奮的數據應用是自動化，用於解決企業面臨的大問題。例如，當UPS開始使用位置數據和交通信息，結合人工智能，其送貨卡車網絡制定了壹條路線，大大節省了燃料和工資成本，並大大減少了其能源足跡。同樣，包括亞馬遜、沃爾瑪在內的零售商，利用顧客的購買歷史來預測顧客想買的產品，準確率越來越高。網飛純粹從用戶使用服務的方式來了解用戶，他們喜歡什麽，什麽會讓他們關閉，從而讓他們對自己的服務著迷。所有這些都是自動發生的，不需要任何員工動壹動手指。
做出更明智的決策意味著做出最有可能幫助公司實現目標的決策。傳統上，決策背後的驅動力是商業領袖的經驗和直覺。不幸的是，這是令人不安的統計數據背後的主要原因之壹，即90%的小企業和初創企業失敗。當然，經驗和直覺是有價值的，但研究證實，基於數據(而不是直覺或經驗)做出決策的企業，其盈利的可能性是其他企業的19倍。
這有很多原因。最大的壹個原因是世界在變，客戶的期望和行為也在變。而我們自己的個人信念和想法，往往不會改變。換句話說，壹旦我們找到了有用的東西，我們就不會期望它停止工作。我們不能總相信自己會有足夠的思想和遠見，去預測每壹個可能的破壞性事件或競爭對手，去顛覆我們的世界。想想百視達視頻拒絕了收購網飛的機會，甚至雅虎也拒絕了以654.38+0萬美元收購谷歌PageRank算法的機會。
在這兩個案例中，以及每天都在發生的更多案例中，做出了錯誤的決策，因為商業領袖(擁有良好業績記錄的成功人士，他們將自己的公司帶到了新的成功高度)根據自己的直覺和經驗做出了決策。
數據驅動的組織
今天，大多數公司都聲稱在某種程度上是數據驅動的——這是壹種非常時髦的說法。但我相信很多人在職業生涯中都有過這樣的經歷:在壹家公司工作時，它說是數據驅動，但只有當數據與領導層的信念或直覺不謀而合時，它才是真正的數據驅動！我相信。
真正做到數據驅動，就是在做決策的時候，把數據作為唯壹的真理點。這意味著所有的決策，從關於戰略和目標的高層決策到涉及個別客戶或員工的問題。
數據可以在四個關鍵領域幫助做出更好的決策。它們是:
與客戶、市場和競爭對手相關的決策——這包括盡可能多地了解妳的客戶是誰，他們有哪些選擇。這就是像亞馬遜、沃爾瑪、樂購這樣的公司如何知道如何向特定的人推廣特定的產品，如何定價使其具有競爭力，以及他們的習慣會隨著世界的變化和人們生活的不同階段而發生怎樣的變化。在這裏，數據意味著我們可以更有效地滿足客戶的期望，並領先於我們的競爭對手。
財務相關決策——這是壹個企業為了圍繞預算編制和成本節約措施進行決策，而關註銷售趨勢、現金流周期、收入預測和股價走勢。在這裏，數據導向意味著更準確有效地平衡賬戶和促進增長。
與內部運營相關的決策——這是UPS和其他公司通過自動規劃其交付路線來提高效率的地方，制造商使用人工智能來優化機器和流程的運行，以降低成本(並增加利潤)並實現預測性維護的範式——提前知道何時會發生故障和需要維護，以最大限度地減少停機時間，並計劃分配更換和備件。在這裏，面向數據意味著減少浪費和運營成本。
與妳的員工相關的決策——確保妳有合適的員工來做妳需要他們做的工作，確保他們在各方面得到支持，並為他們的時間提供足夠的補償，這樣他們就不會被誘惑離開妳去尋找競爭對手，帶走他們所有的技能和專業知識。谷歌就是壹個很好的例子。它開始從他們的數據中了解管理者的不同素質如何影響他們團隊的表現。通過使用這些數據，他們可以確定經理的八項核心素質，包括“成為壹名好教練”和“對團隊有清晰的願景”，這些都與成功的團隊有關。這有助於他們更好地決定誰應該被提升到管理職位。