在最近的一次《福布斯》评论文章,作者认为,一些高管不愿放弃经验驱动的决策,因为他们担心这种转变会损害他们的价值。毕竟,一般高管在他们的组织、行业或职能领域都有几十年的经验,许多人可能会觉得,随着数据驱动的转换加速,这些经验将被否定。

为了缓解这些担忧,并顺利过渡到数据驱动的决策,福布斯文章强调,组织必须建立对数据的信任。请继续阅读,了解如何做到这一点。

第一步:将数据准确性视为团队运动

建立信任的第一步是确保数据供应链中的所有利益相关者理解数据所扮演的关键角色。这不仅仅意味着边缘智能、点击流数据或其他数字生成数据;这意味着确保整个组织都意识到数据准确性的重要性。考虑将数据输入到客户关系管理(CRM)系统、人力资源(HR)平台或其他需要员工频繁输入信息的工作流程中。这些功能通常被当作公司的复选框而忽略,但它们在关键的业务决策中扮演着关键的角色。激励人们准确、完整、及时地输入这些数据,是提高人们对数据信任的基础。

步骤2:克服数据平台的局限性,提高准确性

组织还必须消除对准确性所需数据量的限制,以及对主动行动所需性能的限制。数据科学家或单个业务部门使用专业平台构建机器学习(ML)驱动的项目并不罕见,但只使用相关数据的样本或子集。无论这种做法是由于竖井数据环境还是平台限制,公司克服这些限制是很重要的。在数据驱动决策中建立信任将是困难的,除非你有一个平台能够处理并发查看所有数据所需的性能和规模。

步骤3:透明和复制已证实的结果

另一个关键步骤是确保所有基于ml的分析和公司基于这些见解所采取的行动都可以被复制和验证。《福布斯》的这篇文章警告说,在太多情况下,ML被认为是一个人们知之甚少的“黑盒子”——有时甚至是构建它的数据科学团队。可以理解的是,这个问题会导致对数据驱动的结果的不信任和恐惧,因为当你对自己不理解的东西负责时,你很难感到自信。因此,复制、演示和阐明决策如何制定的能力是数据驱动决策制定的核心要求。

有关这些步骤以及如何将它们应用到业务中的更多信息,请查看《福布斯》文章在它的全部。