数据首先是用来作决策的。数据化决策对任何一个企业来说，带来的都是全新的痛苦变革。

    做运营中会收集很多数据，做模型分析、数据分析，企业往往假定用户从这一步到这一步背后有一个必然的过程，并且有一定的逻辑关系。但在购物过程当中，尤其是女性购物者，往往是非理性的冲动决定。那么，数据团队或者业务团队怎么可能用完全理性的逻辑的分析判断用户行为？如果数据还原过程丢失了很多环节或者盲点的话，就会带来偏差和误导。

    数据决策可能带来的偏差

    这是我们面临的第一个挑战：人的决策不见得都是理性的，但通过数据去推演作了很多的假定和判断，至少现在很多企业作决策的时候，更多的是强调理性，做假定所有的决定都是理性的，但是事实上现实生活中原非如此。

    就算说数据反映的用户行为决策都是理性的，也还有问题。谈到数据来供我们作决策的时候，不仅仅量化，还有一些语意化的东西。所以当我们真正关注的时候，即使都是理性的，还是要区分出到底关注的是数据还是数字？不要被数字的假象所迷惑，很多数字是不会告诉我们所有的真相的。

    企业依赖于最容易获得的信息，认为这是作出决策的所有的信息或者必要信心，但恰恰这些最容易获得的信息以及对这些信息的解读，往往不是能够作出好决策的所必须的所有的信息。

    其实在决策过程中，我们还常常受到一些人类本身的局限。在目前的商业环境下，人们通常会限制自己的选择方位，没有打开思路，让更多的东西进入到视野。

    同时，在作决策的过程中，人们往往倾向于去寻找一些支持自己观点的证据。每个人在接受信息时，都会倾向于选择自己听起来比较舒服或者是比较认同的，而自己不认同就把它放弃掉。实际上在商业环境下，管理者常常是有自己的一个判断，而数据团队往往会倾向于从各种维度去找一个数据来证明领导的观点。因此，一个好的决策者，即使有了数据的支持他也常常需要给自己更多的时间去思考去判定。而有了数据的支持和帮助，作决策还可能受到情绪的影响、自信心的影响，所以，这些都是在数据决策过程中会面临的一些挑战或困扰。

    构建出构建数据文化

    在数据化决策里面首先要改变的就是管理者本身、机制的本身。这个过程中，决策者要有一个谦虚的心态去学习，要能够尽可能谨慎地发表有个人倾向的意见，鼓励团队尤其是数据团队去构建更扎实的基础、更好的决策流程。

    首先，数据本身不会告诉人们全部的真相，所以要尊重数据、认识数据，但不迷信数据。企业往往会在构建所谓的数据文化的时候，不是把数据当做信仰，而是把数据变成一种迷信。这个可能是要去调整的。

    对于业务团队而言的话，与其说依赖数据团队或者是BI团队，不如说走到消费者中间，了解客户的真实需求，可能你一个电话或者调研结果，得到的洞察远远超过数据团队花上很多时间给你的一份报告来得更加直接有效。

    其次，构建在各个业务部门有共识的指标体系。大家能在这个层面上去讨论数据，而不是都是站在各自部门或者各自的经验的角度上的理解去谈这些数据。这是最起码的对数据的尊重。现实中，常常发生数据团队做假设或者模型或者分析的时候，早早就被业务团队或者管理团队给打断了，没有理解数据团队在分析过程中做的一些简化和嘉定，也没有克服情绪化去尊重数据。

    第三，数据团队也要深入业务，需要理解数据背后的业务逻辑。他们要天天跟业务部门在一起，了解业务部门的痛点，了解业务部门真正要去改变的方向和目标。如果只是站在他们象牙塔里面是不会提出革命性颠覆性的做法来真正改善业务部门决策的。

    数据需要安全而非监管

    事实上，很多企业都用了安全名义做了数据分析的事情。如果数据不能被一线扣动扳机的人使用，那就是数据团队的失败。如果笔者提出需求，数据团队一个星期去开发然后给出结果，事实上过了那个场景，你作出的决策已经没有办法去改善当时真正要达到的目标了。

    所以数据是应该有一个合理权限的、安全的管理。但是不能因为这样的管理，使得一线部门没有办法介入到数据里去，他们只能介入到BI团队做的一些报表。实际上在很多情形下不能说这些报表没有用处，但是仅仅做到这一点是远远不够的。

    今天笔者认为要关注数据隐私，但不能这把数据都变成了一个个孤岛，每一个企业的数据和每一个企业的数据都没有打通，甚至企业部门之间的数据都是无法打通的，商品的团队只能看到商品的团队，市场的团队只能看到流量的数据。这样，很难发生协同效应，从而推进业务真正改善。

    同时，数据也有时效性和场景化。企业拿到某一消费者在这一周的行为数据，想在下一周基于这个数据做一些精准营销。实际上，企业已经错过了上一周那个场景和时间点，已经很难对未来做一个精准的营销，只不过在历史的某一个时刻你拍了一个快照，对快照里面的场景做了一个分析和判断，然后试图说服自己说，把这个东西应用在今天的场景下，应该也可以成功。所以，在大多数情况下，在运营端企业更需要数据的实时性时效性。

    流程比分析更重要

    有很多一流的分析师或者是BI团队作出了非常有洞见的一个分析，但是缺乏一个有效的决策流程的话，可能会毁了这一切。事实上，在一个企业里面，建立数据化决策的流程，远远重要过有一个多么强大的数据系统和数据分析团队。因为，无论数据师做了多少努力，最终永远是Hippo在作决定。所以在这个过程中，需要组织的力量构建有效的流程，去约束在这个决策环节上所有的参与者，才能够帮助这个企业在数据化决策的过程中不断进步。

    另外，数据的颗粒度和管理成本有关。很多数据团队在开始起步阶段，都会追求把颗粒做得越细越好，当然在现在的商业环境下，颗粒度做得越细，越能更好地发现或更建立洞察，但数据颗粒度越细也代表管理成本越高。在商业环境下需要寻求的是一个权衡，寻求是每次比前一次更优的一个选择。