构建数据驱动文化

走近 Decision Science

Howard Friedman

Adjunct Professor at Columbia University

未被释放的潜力

 

只有数据还不够——还需要正确的文化

  • 许多项目会停滞、被闲置，或失去干系人信任

  • 及早识别可帮助您避免这些问题

  • 常见陷阱分为两类：数据相关与业务相关

 

culture.png

走近 Decision Science

数据相关

 

  • 可用/可访问数据不足
  • 基础设施或工具不健全
  • 人才不足
  • 质量控制流程薄弱

业务相关

 

  • 缺乏高层支持或赞助
  • 项目管理薄弱或责任不清
  • 沟通不足
  • 投入不够
  • 团队协作差
  • 未形成决策科学文化
走近 Decision Science

五个关键步骤

fivesteps.png

  1. 学会基本术语
  2. 识别有价值的业务问题
  3. 提出好问题
  4. 挑战假设
  5. 拥抱"测试-学习"思维
走近 Decision Science

一、二、三

步骤 1： 掌握语言

  • 理解风险、偏差、实验设计等关键概念
  • 共同词汇促成业务与技术团队的共识

步骤 2： 优先处理正确的问题

  • 从业务挑战出发，而非工具
  • 关注既关键又可解的问题

步骤 3： 提出有力的问题

  • 探索目标、数据、模型与假设
  • 深入表面之下，找出真正重要的事

questions.png

走近 Decision Science

第四与第五

步骤 4： 挑战假设

  • 质疑现状，识别隐性偏见
  • 用数据检验假设，激发创新，优化决策

步骤 5： 拥抱"测试-学习"思维

  • 并非每个实验都会成功——这没问题
  • 关注迭代、学习与长期增长

不止于模型： 关键是赋能每个人做出更优选择

practice.png

熟能生巧。

走近 Decision Science

Passons à la pratique !

走近 Decision Science

Preparing Video For Download...