查看原文
其他

为什么大多数据工作者也不擅长数据思维?

Dataweekly
2024-09-17

Editor's Note

这篇文中所点出的问题,小编的深有体会,各行各业都知道掌握大数据的重要性,但是如果没有数据思维,那么即使拥有了很多数据,也不能解决核心的商业问题。

The following article is from 大鱼的数据人生 Author 讨厌的大鱼先生


了解更多数据要素、数据资产、行业活动,

可扫描下方⬇⬇⬇二维码或点击加入Dataweekly数据生态群,了解全国各行业各领域数字化政策、采购需求、标准规范文件、项目解决方案、顶层可研设计方案资料。

我是一支数据团队的负责人,我们干数据的从业者,每天都在把数据源源不断的推送到前端,助力业务人员用数据说话,间接的赋能了公司业务的发展,按理说我们是公司内对数据驱动业务理解最深的一批人。
但事实还是比较打脸的。
我发现主管在跟我汇报工作的时候,不太喜欢用数据说话,很多时候会基于自己的经验和想象来做判断,得出的结论自然站不住脚。
同样的问题也出现在许多下属身上,无论是做报表、数据提取、分析还是数据治理,他们并没有展现出超越其他专业同事的数据思维能力。
这种现象的原因是什么呢?
我们做了这么多年的数据工作,每天耳濡目染这么多数据和使用数据的场景,但用数据驱动业务的思想却没有在自己身上埋下种子,我们学会了用数据去驱动别人“用数据驱动业务”,但却忘了用数据更好的驱动自己的工作,到底是为什么呢?
我总结出以下五个原因:
1、角色定位
数据从业者的主要任务往往是支持业务部门,因此他们可能更多地将注意力集中在如何帮助其他部门利用数据上,这使他们习惯于现有工作方式,并难以从自己的角色中抽离,他们可能并未认识到利用数据改进自身工作的价值,所谓“不识庐山真面目,只缘身在此山中”。
例如,我们为业务部门提供了众多KPI指标和报表,协助他们监控和预警业务发展。然而,在处理我们自身数据的采集、存储、处理、开放和消费时,却很少系统性地去思考KPI指标体系的设置,这类情况很多。
2、认知偏见
人类大脑天生存在认知偏见,比如确认偏误(只关注支持自己观点的信息),这使得我们更倾向于根据直觉或先入为主的观点作出判断,而不是基于事实和数据。如果没有经历过系统的训练,我们其实很难摆脱大脑追求能量消耗最小化的这种思维方式。
例如,某次我问下属数据开放延迟的原因时,他脱口而出说是由于系统性能造成的。我问这么说的依据是什么,他支支吾吾表示这是基于过往的经验。但后来核实发现其实是由于业务系统割接造成的。
3、 精力限制
我们每天都要处理大量信息。在这种情况下,使用简化的思维模式(如直觉)来做决策,比深入分析数据来得快速、省力。
我跟主管做了深入交流,他就提到,工作任务很多,同时并行的有十几项,还有大量的事务性工作不断穿插进来,有时不得不简单应对一下,特别是用数据说话的这种工作方式很耗精力,根本无法与其他工作并行。
4、缺乏训练
用数据说话是非常反人性的思维模式,我拥有一定的数据思维,那是因为我做过数据分析师,经营分析师,给老板撰写过大量的分析材料,在老板严厉而又亲身指导下,熬了不知道多少夜才有了用数据说话的条件反射。
但并非所有人都接受过使用数据和事实进行决策的教育和培训,况且当前团队成员大多只有4-5年的工作经验,我却从来没有对他们进行过专门的培训和指导,只是一味的苛责。我已经忘了自己是怎么过来的,换在他们这个年纪,估计还不如吧。
5、反馈不够
我重新审视了一下跟下属的沟通模式,发现问题也很大。例如,当我发现下属汇报工作缺乏数据支持时,通常会直接指出不足之处,然后让他们重新进行调研或重新获取某个数据以核实观点,他们仅需按我的指示执行即可,我很少去思考这种问题存在的根本原因。
可能是由于我急于要得到结果,因此总是用这种短频快方式解决问题,我有时会抱怨自己成为了团队的瓶颈(其实有点凡尔赛),但并未意识到这是由于我的“授人以鱼而不是授人以渔”的行为造成的,我总是站在自己的角度思考问题。
直到最近一次下属的工作汇报再次犯病,我就比较生气,质问这是为什么,然后下属表达了他们的困惑,比如工作过于繁忙根本没时间去做什么数据分析,然后我才意识到这可能是自己的问题。
那么我该怎么办呢?
下面是我近期的一些思考,分享给大家,当然可能也比较理想化吧
1、培养数据意识
在团队内培养一种用数据和事实说话的习惯至关重要,业务部门的KPI指标体系是我们学习的榜样,虽然KPI体系备受诟病,但它真的是一种有效的数据驱动业务的方式。
数据工作本身亦属于一项业务。当我们把特定的数据工作视为重点时,应该围绕它建立并运营一套指标体系,只有这套体系运营良好时,才能更好地支撑业务。
我们可以先取数,了解初步情况,再报表,常态化了解情况,接着进行分析,从数据中发现问题,最终召开运营分析会议,督促改进发现的问题。
数据团队不要不加区分地将所有精力的投入到满足业务需求上。至少应将30%的精力用于构建在自身的能力体系上,其中用数据驱动自身运营尤为重要。
2、合理安排工作
用数据说话说起来容易,但做起来挺难。从了解业务到收集、分析数据,再到得出结论,这是一个需要不断迭代的复杂过程。想当年自己做一个数据分析,没有一个礼拜的全力以赴根本下不来,而且我只做一件事。
因此,管理者不应该给下属安排过多的工作,如果工作不重要或不紧急,也需要明确告知。否则下属会把所有时间平均分配到每个工作任务上,越是执行力强的团队,越容易犯这种毛病,因为人人都想把“把信送给加西亚”。
但换来的结果往往是:每项工作浅尝即止,大量的工作只能用经验和想象说话,然后反噬给管理者,让管理者觉得自己无所不能。
而作为下属,也要记住要为工作的质量负责,尽量避免低质量的勤奋。老板其实只会记住你做的最棒的那几件事情,对于那种严重影响重点工作的各种琐事,应当果断地反馈并拒绝,聪明的老板会理解的。
3、养成科学思考
万维钢写过一本《科学思考者》的书,系统的阐述了科学思考的方法,其核心在于批判性思维,即从立场出发,选取事实,通过逻辑推导,形成观点。我觉得大家有时间一定要去读一读。
首先要明确自己的立场。立场并非由事实推导而来,而是在思考前已存在的。明确你想要什么,并为之努力,是理性和批判性思维的第一步。你需要清楚地知道,你究竟想要什么。
其次是收集所有事实。事实,即数据,是思考的基础,是可以用客观方法验证的陈述。虽然获取部分事实容易,但获取全部真相则困难。在可能的情况下,应尽可能地收集所有数据。
但考虑到我们不可能获得所有的数据,这里就有一个道德标准,如果你的听众,后来花时间了解了你当初了解的所有数据后,认为你当初的说法是公正的,你就算没误导他。
最后是掌握思维模型,作为科学思考者,我们要能理解科学家的解题思路,这就是各种思维模型,包括演绎法、归纳法、实验法、溯因法、类比法、贝叶斯法、奥卡姆剃刀等。
4、打造数据文化
创建一个支持和鼓励用数据说话的环境也非常重要,下面是我想到的一些做法:

首先,领导者应该以身作则,在自己的工作中积极运用数据说话,要克服“我吃过的的盐比你饭还多”的冲动。

其次,在决策过程中,要知行合一,无论是团队会议还是项目审批,都应始终要求提供数据支持,倒逼大家改变工作方式。

再次,要将数据驱动的元素融入绩效评估中,鼓励和奖励那些有效利用数据支持决策的团队成员。

最后,增强团队成员分析和解释数据的能力,并鼓励他们分享使用数据解决问题的经验。

希望给大家带来启示。




    # 更多精彩热文推荐 #


    关于加强行政事业单位数据资产管理的通知


    多地政府报告纷纷发布,数字经济成为各省市2024年“重点牌”


    福建重磅发布!战略推进数字福建建设


    2023中国大数据百强榜首发!


     2.1亿智慧城市等项目叫停,十二省份运营商政企可能受阻


     数据要素关键词:数据资源、数据资产、数字资产、数据管理、数据治理、数字资产入表


     硕果累累,璀璨夺目——Dataweekly数据资产元年行动计划


    解读财政部《关于加强数据资产管理的指导意见》



继续滑动看下一个
Dataweekly
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存