吉宁讲师观点 / 培训讲师谈管理 / 培训讲师谈管理:数盲的大数据管理指南

培训讲师谈管理:数盲的大数据管理指南

吉宁博士 2015年12月12日 培训讲师谈管理

 为数盲管理者提供的基本参考

  几年前,美国某大型银行的一位资深分析师向我抱怨道:“真没想到我们的按揭坏账那么严重。早就告诉过按揭部负责人,我的模型明确显示,多笔贷款很可能无法偿还。”


  那位负责人后来告诉我:“或许分析师给我看过他的模型,但那不是我能理解的语言。我甚至不知道他的团队在研究偿还概率问题。”这家银行最终因不良贷款损失数十亿美元。


  身处大数据时代,无论是金融服务、消费品、旅游交通,还是工业产品领域,企业若想在行业内争得一席之地,必须借助数据分析的力量。但这家银行的失败例子警示我们,拥有个中高手、获取大数据,还远不足以成功。企业需要更全面的管理者与“宽客”(quant,定量分析师或金融工程师——译者注)搭档,有效利用他们的分析,达成高质量决策。


  如果你通晓宽客的语言,一切好说(例如凯撒娱乐(Caesars Entertainment)的加里·洛夫曼(Gary Loveman),麻省理工学院博士;亚马逊的杰夫·贝索斯,普林斯顿大学电气工程、计算机专业学士;谷歌的谢尔盖·布林和拉里·佩奇,斯坦福大学计算机专业博士肄业);但一般高管的数学和统计学知识还停留在大学本科水平。或许你能熟练使用电子表格,看懂条形图和饼状图,但如果碰上复杂的数据分析,你的数学恐怕不够用。


  如今大数据已全面介入决策制定,这场革命中的你,如何自我定位?如何避免失败的命运,带领企业力争上游,至少不落伍?本文根据大量高管采访写就,结合了笔者的教学与咨询经验,可为数盲管理者提供基本参考。


  首先要记住,你是数据分析服务的使用者。除了运用市场、管理经验及直觉,你还需要宽客的分析和模型支撑你的决策。宽客的工作固然是收集数据、做出预测,但大多数分析师知识不够全面,难以结合企业现状和市场现实,正确提出假设、选取变量。结果常常是,构建出的模型跟不上飞速变化的外部环境。作为数据分析的实际使用者,你的任务恰恰是判断模型与现实的相符程度。承担这一重要职责,需要管理者进行自身调整,转变心态和思路,并适当补充专业知识。具体来说,可以从下列五方面着手。


开始补课

  开始补课


  要想听懂宽客在说什么,最好记得大学统计学的基本内容,否则需要去补补回归分析、统计推断和实验设计的课。你应该理解推出结论的过程,并适时质疑模型假设是否站得住脚。(参见边栏“从数据分析到决策制定——六大关键步骤”。)


  著名统计学家乔治·博克斯(George Box)曾说:“没有正确的模型,只有有用的模型。”构建模型的目的是简化复杂的世界,它是否“有用”则需要现实来检验。


  可以参加专为高管开设的统计学课程,或在互联网上获取信息,实现大数据自我启蒙。更好的方法是,亲自跟着公司的分析师做一两个项目,在实践中学习。


  信诺保险(CIGNA)医疗运营副总裁詹妮佛·乔伊(Jennifer Joy)采用了后一种方法。乔伊拥有护理学和MBA学位,对数据分析却不够懂行。但她至少清楚,公司分析师提交的报告洋洋洒洒,却未能得出结论——呼叫中心的电话康复辅导是否为客户提供了有效帮助。


  于是乔伊主动去向分析师们请教,尤其是因果研究方面的专家,收获很大。她学会了用实验方法,判断不同目标人群受益于呼叫中心服务的程度:选择两组情况相近的患者,让“实验组”接受电话服务,“对照组”接受邮寄或在线服务,最后对比两组客户的反馈。每项实验仅花费两三个月,多项实验同时进行,可以滚动评估不同项目的执行情况。


  乔伊和分析师团队最终达成共识,电话辅导并非对所有病患都适用,呼叫中心部分员工随即被调整到其他岗位。现在乔伊和团队每年进行二三十项类似实验,测试公司的服务是否满足客户需求。虽然还称不上数据分析专家,但正如她的同事、信诺美国研究部副总裁迈克尔·考辛斯(Michael Cousins)评价的那样,她学会了“从分析师的视角看问题”。


找到合适的宽客

  找到合适的宽客


  卡尔·肯普夫(Karl Kempf)是英特尔工程决策团队的负责人之一,人称“超级宽客”、“首席数学家”。他常常说,高质量的定量决策“无关数学”,而全在于“关系”。分析师和决策者需要深层次的相互信任,能够自由地交换信息,沟通想法。


  不过众所周知,沟通往往不是技术人员的强项。有人曾打趣说,“你跟宽客说话的时候,十个有九个盯着自己的鞋,剩下那一个盯着你的鞋”。话虽如此,能正常沟通的分析师大有人在:宽客不都是数学狂人,也愿意在商界大显身手。完全可能和他们建立良好关系,展开坦诚对话,鼓励他们有理有据提出不同意见。


  美国银行的凯蒂·诺克斯(Katy Knox)与分析师的合作堪称典范。诺克斯在零售部负责零售战略和分销,管理5400多家支行,为超过5000万个人客户和小企业提供服务。几年来,她一直试图将数据分析引入决策过程,提高决策质量,例如判断是否应设立或关闭某家支行,采取措施减少排队时间,在组织内部建立更多沟通渠道、有效激励客户经理创造业绩等。


  美国银行拥有数百位分析师,但配置不够分散,普通主管很难与他们取得直接联系。因此诺克斯坚持建立自己的分析团队,通过经常性的会议和项目汇报,与他们保持紧密联系。


  她尤其重视与两位团队负责人的沟通:他们有零售银行和六西格玛管理背景,能向手下更偏向理论的分析师清楚解释运营中的实际问题。参照诺克斯创造的先例,美国银行改进了对零售银行业务分析师的管理,现在大部分分析师既要对高层分析团队负责,也要向业务部门汇报。


抓好首尾环节

  抓好首尾环节


  正确提出问题是大数据决策最重要的一环,最考验你的经验和直觉。但假设终归只是假设。严谨的分析方法能检验,你提出的假设是否如实描述了世界的运转。


  全视线光学(Transitions Optical)母公司的高管曾认为,该公司对市场营销的投入存在问题,而实际数据既不能证实也不能证伪这个推测。当时的市场部负责人格雷迪·伦斯基(Grady Lenski)决定聘请分析师,不仅要简单判断成本是否过高,更要构建分析模型,衡量不同促销方案的优劣。


  此外,还需关注大数据管理流程中的最后一步:向其他高管呈现分析结果。很多分析师不注重沟通,有时你必须亲自出马。数据分析实际就是“用数据讲故事”。


  如果你是听众,你会喜欢哪类故事?应该使用什么语言,选择哪种语气?平铺直叙,还是图文并茂?哪类图表更生动?无论宽客的分析多么精妙高深,应鼓励他们简明易懂地表述观点,或者你来帮忙翻译。“首先做卡方检验,然后将分类数据转化为序数,再做逻辑回归,之后将经济数据滞后一年……”想想看,你能接受这种术语堆砌吗?


  如果能把数据分析落实到投资回报率上,你的故事更容易被听进去,所以不妨告诉听众,基于分析作出的决策将如何提高转化率、营收和盈利能力。默克集团(Merck)某全球业务部门负责人长期与公司分析团队紧密合作,专门回答高管们的各种疑问,例如推广活动的投资回报情况。每次进行投资回报分析,他和团队都针对可能出现的不同结果,预先设定应对方案,确保数据分析不沦为纸上谈兵。分析完成后,他会安排分析团队和管理团队进行面对面的讨论。


多提问

  多提问


  美国前财政部长劳伦斯·萨默斯曾在一家量化对冲基金担任顾问。他告诉我,那份工作的主要职责就是“找茬”:向智力过人的分析师提出有挑战性的问题,促使他们重新审视自己的假设和模型。经受这样的考验,会使分析团队反省和改进他们的工作。


  无论多信任你的分析团队,你永远有必要多提问,因为你有责任和分析师一道,让数据分析更严谨、更站得住脚。下面列出了几个基本问题供读者参考。如果回答让你听不懂,请对方使用更平实的语言。


  1)你的数据来源是什么?


  2)样本在多大程度上精确反映总体?


  3)样本是否包含异常值?对结果有何影响?


  4)你的分析依据哪些假设?在哪些情况下假设可能不成立?


  5)为什么你选择了这种分析方法?有没有可能使用其他方法?


  6)是否有可能错把非独立变量当成了独立变量?其他分析模型有可能更清楚地揭示因果关系吗?


  弗兰克·弗里德曼(Frank Friedman)是德勤美国负责财务和行政管理业务的首席财务官、管理合伙人,提问题几乎已成为他人格的一部分。他麾下的数据科学家和定量分析师团队,已经协助他制定了几项方案,包括服务定价优化、构建员工绩效预测模型和减少应收账款等。“同事都知道我喜欢刨根问底,”弗里德曼说,“被我问过一通后,他们会自觉回去重新做功课。”他坚持不懂一定要问:“我知道这些分析师智商很高,听不懂他们说话很正常,一定要让他们解释清楚。如果连我自己都不明白,就更没办法让别人信服。”


鼓励质疑

  鼓励质疑


  我们都知道,数字会说谎,骗子最喜欢用数字骗人。永远不要指挥分析师:“看看能不能用数据支持我的想法。”相反,应树立尊重事实的风气。如默克集团分析团队负责人所说:“管理层希望我们以中立、客观的精神,只为股东利益服务。”


  很多资深管理者乐于看到分析师在决策过程中唱反调,期望形成鼓励质疑的企业文化,让预测模型越来越精确。加里·洛夫曼也是质疑文化的倡导者:“在所有人都拼命讨好上司的地方,更有必要树立实事求是的风气。”


  洛夫曼要求下属拿出数据和分析的过程,而无需表达观点;他会参照数据,对自己错误的想法和决策进行自我批评。他以此向经理人和分析师表明,他也会犯错,需要他们客观、不带偏见地检验那些“不成熟”的想法。他常说,就任CEO以来犯的最大错误,就是没有解雇那些反对引入数据分析的物业经理,并承认自己高估了他们的经验。洛夫曼不仅勇于自我批评,更明确表达了对数据分析的重视和支持。


结语

  结语


  沃伦·巴菲特曾说:“当心那些满脑子公式的怪才。”但在当今这个大数据时代,这条忠告可能让你破产。成功的管理者需要结合分析的科学和直觉的艺术:你必须试着走近那些数学怪客,理解他们的公式,改进他们的分析,并劝服别人接受分析结果,最终作出更优决策。


  由于借力大数据,多伦多道明银行(TD)的表现与本文开头提到的那家银行有天壤之别。集团CEO埃德·克拉克(Ed Clark)拥有经济学博士学位,他不仅自己了解数据分析,还要求手下的主管具备足够的数学知识,透彻理解公司赖以为生的金融产品。道明银行得以避开高风险产品,在2008-2009年的金融危机中避免了巨额损失。


  道明银行对数据和分析的重视渗透到了各个部门,例如与绩效考核挂钩的薪酬管理。又如,在零售业务前负责人蒂姆·霍基(Tim Hockey)的坚持下,道明银行支行的平均营业时间比大部分银行都长,因为通过系统性的实验,霍基和团队发现延长营业时间可吸引更多存款。任何人想在管理团队会议上提出新方案,都必须拿出数据。克拉克承认,道明银行并非尽善尽美,但“至少每项决策都有充分的依据”。


  不用说,你的公司不同于克拉克的道明银行。但你同样可以从现实出发,充分发挥创造力,以自己的方式成为另一位大数据管理大师。(译/王晨 校/陈圆妮)


  托马斯·达文波特是巴布森学院(Babson College)信息技术与管理专业杰出教授,德勤数据分析业务资深顾问,国际数据分析研究所(International Institute for Analytics)研究主管。著作包括《跟上宽客的思路》(Keeping up with the Quants,合著者之一,《哈佛商业评论》出版社2013年出版)、《大数据在奏效》(Big Data at Work,即将由《哈佛商业评论》出版社出版)。

 

About 吉宁博士

真正的实战派企业培训师,长期致力于人力资本、公司行为、市场营销、企业战略及领导力发展等组织实践与研究,数十年来参与及主持过的管理咨询项目累计逾千次;受邀主讲过的各类企业培训课程累计逾万次。