还记得2010年吗？那时候，全球企业都面临着一个尴尬的处境：手握海量数据，却像抱着一堆没钥匙的保险箱，明知道里面有宝贝，就是打不开！各行各业的高管们都在抓耳挠腮地问：“我的竞争对手是不是已经从数据中淘到金了？”，或者“全球经济这么复杂，我们真的看懂了市场信号吗？”仅仅知道“哦，原来发生了这事”和“嗯，可能是因为这个原因”已经远远不够了，现在企业需要实时掌握“此刻正在发生什么”，预测“接下来会怎样”，并且明确“应该采取什么行动才能赚到最多的钱”。那么问题来了：如何才能让这些冰冷的数字真正“活”起来，为你的业务增长添把火？MIT和IBM的联合研究给出了答案。
1从数据到价值的五步法2011年，MIT斯隆管理评论与IBM商业价值研究院联手，发表了一份重磅报告：《大数据、分析与从洞见到价值的路径》。这可不是小打小闹！研究团队访问了来自100多个国家、30多个行业的近3000名高管、经理和分析师。猜猜他们发现了什么？那些业绩最棒的企业使用数据分析的频率是表现较差企业的5倍！没错，整整5倍！这些顶尖企业不仅在财务和运营上用数据说话，还把数据分析用在了提升竞争力的各个方面，从产品展示到市场营销，再到客户服务和用户体验管理，简直是全方位无死角！研究团队根据数据分析能力把企业分成了三个段位：抱负型：就是那种“我想用数据，但还不太会”的新手经验型：已经入门，能用数据解决一些问题转型型：数据分析高手，能用数据创造竞争优势02数据分析的关键发现这项研究最让人大跌眼镜的发现是：数据分析成功的最大拦路虎并不是技术问题，也不是数据质量问题，而是——管理和企业文化！近40%的受访者坦言，他们最头疼的是“不知道怎么用分析结果来改善业务”，说白了就是：数据分析出来了，然后呢？怎么用？超过三分之一的人表示“管理带宽不足”是主要挑战。翻译一下：老板们太忙了，没时间关注数据分析这事。研究还发现，那些业绩出色的企业在战略制定和日常运营中使用数据分析的可能性是表现较差企业的两倍，这些企业不仅重视历史数据分析和常规报表，还越来越关注数据可视化、模拟和场景预测等新潮技术。基于这些发现，研究团队提出了五步法，帮助企业从数据中真正挖出金子：1-从最大机会入手：别贪多，先找准能带来最大价值的机会下手，就像钓鱼需要先去鱼最多的地方。
从问题出发：先想清楚你要解决什么问题，再去找数据。别本末倒置，先收集一大堆数据，然后不知道干嘛用。3-让分析变得生动：把数据洞察嵌入到业务流程中，推动实际行动。光有分析没有行动，就像买了健身卡不去健身房一样，白费钱。4-加法而非减法：保留现有的好东西，同时添加新能力。不要一刀切，全盘否定过去的工作。5-构建部分，规划整体：一步一步来，但要有全局视野。就像盖房子，先打好地基，但心里要有整栋大楼的蓝图。
研究的价值与适用性这项研究的创新之处在于，它打破了传统观念——技术和数据质量是分析成功的主要障碍。研究表明，真正的挑战在于管理思维和企业文化，这给企业提供了全新视角。不过，这研究也不是万能药。它主要针对大型企业进行调查，对于那些资源有限、人手紧张的中小企业来说，可能需要“因地制宜”地调整一下。另外，考虑到这项研究是2011年的，某些具体工具建议可能已经过时了（想想2011年的智能手机长什么样），但核心方法论依然适用，就像基本的烹饪原理不会因为厨具更新换代而改变。研究建议企业根据自身的分析能力阶段采取不同策略：如果你是“抱负型”企业，就从小处着手；如果已经是“经验型”，就可以尝试更复杂的分析方法；而“转型型”企业则可以将数据分析融入企业DNA。
从这项研究中，我们可以提炼出给忙碌管理者的五条建议：
1.选择有价值的问题比完美的数据更重要。与其花大力气完善数据，不如先找准真正值钱的问题去解决。
2.别想一口吃成胖子！不要试图一次解决所有数据问题，从最紧迫的业务挑战入手，一个一个啃。
3.分析不行动，等于零。将分析嵌入业务流程是关键，光有洞察没有行动，就像知道健康饮食的重要性却天天吃垃圾食品一样，没用！
4.上行下效。建立数据驱动文化需要从上到下的支持，特别是老板们的以身作则。如果CEO都不看数据做决策，下面的人凭什么认真对待数据分析？
5.循序渐进。随着经验积累，逐步扩展分析能力，而不是一步到位。就像学开车，先从空旷的停车场练起，而不是直接上高速。
个人数据应用三步法对于普通人和小型企业，不需要复杂的大数据平台，可以这样简单应用数据分析：
1.从一个明确的问题开始：不要为了收集数据而收集数据，先确定你真正需要解决的问题，比如“为什么我的网店上个月销量下降了20%？”
2.使用简单工具快速验证：别被那些花里胡哨的专业工具吓到，Excel或免费的在线工具就能帮你进行基础分析，验证你的想法，甚至一个简单的图表就能告诉你问题所在。
3.行动优先于完美：基于初步分析就大胆行动，然后根据结果不断调整。完美是行动的敌人！与其等待100%确定的结论，不如基于80%的把握先行动起来，边走边调整。怎么样，是不是感觉数据分析突然变得没那么可怕了？记住，数据分析的目的不是让你成为数据科学家，而是帮你做出更好的决策。本号将连载100篇高引用核心论文，给足数据与事实，带你冷静客观迈入AI时代，关注本号，一键追更。获得原版论文，在后台回复“1”。往期精彩回顾第17期：AI时代的企业大洗牌：谁将成为下一个亚马逊？第21期：本田、佳能、松下......日企靠这招甩西方几条街第33期：银行企业贷款审批难题怎么解？试试这个金融风控神器参考文献LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S., & Kruschwitz, N. (2011). Big data, analytics and the path from insights to value. MIT Sloan Management Review, 52(2), 21-32. 拉瓦尔, S., 莱塞尔, E., 肖克利, R., 霍普金斯, M. S., & 克鲁什维茨, N. (2011). 大数据、分析与从洞见到价值的路径. MIT斯隆管理评论, 52(2), 21-32.（Google Scholar引用次数：3,800+）
