据传，第一资本集团(Capital One)现任首席执行官理查德·费尔班克(Richard Fairbank)曾在某一天表示，他期待每 10个决策中有7个会按照计划得到实际执行。在上世纪80年代，所有的金融服务公司都会发行通用型信|用卡。当时第一资本的两位创始人费尔班克和奈杰尔·莫 里斯(Nigel Morris)想到了利用客户|数据来进行细分，向不同的细分市场提供不同的信|用卡。因此，他们把信|用卡发给了大量以前从未考虑过的新客 户群，征服了次级市场，也因此掀起了贷款行业的革|命。

　　这一由数据推动的创新对公司有着深远的影响。从1996年至2004年，第一资本的每年股本回报率和每股收益增长双双超过20%。2008年，当金融危机来袭时，第一资本也濒临崩溃，但该公司复苏的事又是另一个故事了。

　　费尔班克是个数据导向型的领导者。数据导向型的领导者：

　　会致力于了解客户和所有能影响客户增长和推动其创新的动态关系。

　　从根本上相信数据有助于推动更出类拔萃的业务决策和成果。

　　在这个方面，得到数据支持的领导者在公司将同时起到催化剂和发动机的作用，他们会选择成为循证决策的主体。你所使用的特定的工具组，必须能以分析法支持你的领导力。你需要评估组织分析法的成熟程度并对之加以培养。

　　你的组织需要在四个方面有强劲的表现，从而支持你成功利用分析法。这四个方面指的是领导力、分析人才、决策、数据成熟度。如果你的组织累积了海量数据， 但产品和营销团队不能利用这些数据来实现足以让组织感知到的增长，那就表示这四个领域中有一个方面出了问题。你应当审视组织的这些领域，并努力弥补缺陷。

　　要素1：领导力

　　从一开始，理查德‧费尔班克和他的团队就把数据和分析法作为第一资本的根本，公司的文化和人才也围绕这一中心进行组织。

　　为了让你的公司分析所有这些数据，第一步应该是对组织进行详细的评估，你需要访问关键的利益相关人，并在全公司范围内进行调研，以查明数据分析法实践经 验的适用范围。这会让组织为推行数据导向或数据支持以及找出自身弱点做好准备。作为一名领导者，你需要利用许多管理技能和风格来运作你的公司。领导力在培 养分析法成熟度方面最大的差距体现在愿景、承诺和责任上。

　　你的组织是否有愿景或愿景宣言，并且所有人都知道且能理解其内容？制定这样的 宣言就是在你引入分析法之前首先要进行的最重要的行动。接下来，数据导向的领导者必须致力于持续运用数据进行关键决策。他们不仅信赖数据，用数据来证明/ 证伪自己对于商业机会的假设，还会从数据中学习，从而发现新的机会，找到差距。

　　当然，你只能管理自己能够衡量的内容。如果领导团队希望 驾驭数据导向决策的力量以促进增长，那就必须让你的团队为他们进行的决策负责。不管你是使用零基预算、平衡计分卡还是其他方法来追踪领导团队的决策和绩 效，在组织内各个级别仍然需要有可量化的问责机制。

　　要素2：掌握分析法的人才

　　第一资本拥有独到的手法来获取掌握分析法的初级和中级管理人才，公司把这些擅长分析的人才充实到制定高影响力决策所涉及的大多数职能部门中。这个过程包 括书面的量化筛选测试、两轮案例面试和两轮行为面试。就案例面试来说，每个面试官都会接受一些正式的培训，所以可以对培训结果进行比较。在听取汇报的会议 上，所有的面试官会分享面试者的分数，并详细讨论这些分数是否有较大差异。最后，他们会把员工在工作上的绩效—也就是员工的年度绩效评分—与他们在面谈流 程中得到的分数相互关联。结果发现，分数最高的候选人的绩效确实要比其他人好。

　　领导层设定了目标，但目标本身并不能直接交付出成果。你需要掌握分析法的人才，这些人才不能仅是你的分析师。就第一步而言，最理想的做法是请来一位掌握分析法的高级领导者，赋予此人影响力以及在组织的职能部门和战略制定中的话语权。

　　不管你是把进行决策当作日常工作的业务专家还是企业的拥有者或领导者，你都需要使用数据来收集洞见，从而推动你自己和组织交付更好的绩效成果。不管是进 行精|品店的季度库存规划还是充实一间零售店的人员，了解数据走向(例如过往销售额或每日客流量)都有助于优化库存和资源。

　　掌握分析法的 专业人士也需要借助数据和决策科学技能来分析数据，他们甚至需要培养人际和业务技能来弥补从数据到业务之间的认知差距。大多数组织发现很难招聘到在商业分 析法方面接受过培训的人，因为正规的分析法教育是直到最近才出现的。不过，你可以在内部培养那些在分析法方面有天赋的人。如果在分析法培训方面进行投资， 并且聘请高级的分析法专家来领导这么一个团队或给团队提供支持，你就能让组织朝着分析法成熟度的目标前进。

　　要素3：进行决策

　　第一资本的决策流程令人刮目相看，而这也是数据导向型组织所必需的。公司还制定了严格的规划流程来评估每个新创意。提出创意的产品或营销经理在估算项目 提案的绩效时必须分析过去的客户|数据，同时还要描绘每个创意涉及的情景和风险，从而避免公司在财务上的损失。一旦某个创意获得批准，就会在全面实施之前进 行项目试点或测试。除了前瞻性的规划流程，第一资本还拥有系统化的审查流程。在一个项目启动而结果开始陆续显现之后，领导者必须监管项目的启动，以评估项 目的运行是否符合预期。如果不如预期，那么他们需要在此过程中进行更改，或者干脆把项目叫停。所有这些决策不仅经过了各自部门的高级管理层的审查，还经过 了不同的小组的正式审查流程。

　　在公司的职能部门(例如战略、营销、产品、运营、入口和创新)里，存在许多机会来使用数据分析优化决策。 例如，公司的营销预算分配就是一个很好的机会，因为划分预算的方法很多，要处理许多目标群体和子群。你是打算增加客户终身价值还是拉来新客户？大多数公司 看到了许多可能性，但根本没有足够的预算进行处理。而这恰恰是数据导向型决策能发挥作用的地方。

　　比如，CEO 的定位决定了他不会去进行组织所有职能和所有层级的具体决策。如果公司有一个高效的决策架构，它就会赋予业务主管权力以及相应的级别和文件来进行这些具体 决策，而他们靠的就是自己接近业务环境，熟悉公司的愿景。解决方法是设置一个能让组织内所有人都能理解的、透明的决策流程。在战略层面，这样的流程可以澄 清： 获得资金的项目的种类。 优先选择一个项目的评估标准。这包括财务和非财务指标，例如客户满意度、创新性、可持续性和社区影响。

　　决策流程要求：

　　1.有一个流程来收集所有的提案，以及与提案的预期投资和回报相关的信息。在形式上可以采用战略规划意见文档，做出关键贡献的人可以在上面推销自己的创意。之后，公司会对收集起来的这些提案进行审查。

　　2.有一个由利益相关人组成的团队来定期审查新的提案，例如每月或每季度正式的规划及审核流程。在审查会议中，利益相关人会查看上一批决策的结果，对其 进行评估并从中吸取经验教训，从而就新的提案进行决策。通常审查和规划是在一个周期内同时发生的。不管你选择什么周期，都要确保有足够的时间把上一批决策 中吸取的经验教训应用到下一个规划周期中。

　　3.有一个清晰的说明，记录项目如何执行，包括流程、标准和指标。每位决策者都应当了解执行新项目的计划、决策推进的标准、每个项目预期会带动的指标以及该指标与组织的总体优先目标和KPI关联的机制。

　　要素4：数据成熟度

　　第一资本的另一个长处是公司为数据成熟度投资打下了坚实的基础。第一资本的数据在抵达数据仓库的时候就已经清|理过了，由于数据是如此的干净和可靠，当它 发现某个趋势出现中断时，它根本不需要去对数据进行重新验证。相反，这种中断表示确实出事了。在21世纪之初，第一资本对其系统进行了升级，对数以百计的 独立系统以及企业数据仓库进行了简化和整合，得到了一个统一的数据仓库。公司的领导者从所有职能部门中挑选出500名最优秀的员工参与这一为期18个月的 项目，确保绩效最高的员工和知识最丰富的人才被投入到这种关键的战略项目中。

　　我们有许多例子证明，在数据分析法上的投资一定会带来回 报。不过，为了得到这个回报，必须要有数据团队来收集和存储正确的数据，并确保分析师和类似的业务用户能顺畅地访问这些数据。然后，组织能取得这样的洞 见，并制定致胜决策和成功战略。这就是分析法回报的来源，是我们多次提到过的投资回报。

　　要应用好分析法，首先你需要有良好的数据基础。 我们所说的“良好的数据”指的是以安全的方式存储下来的及时收集到的准确数据，这样既能保护数据的完整性，又能方便大家随时访问。如果组织在基础设施上进 行了投入，制定了正确的数据收集和存储流程，就已经打好了基础，可以开始将数据当作一项资产来加以利用。糟糕的数据，即不完整、错误百出、不一致且相互矛 盾的数据会大大削弱组织从数据中了解客户和产品情况的能力。它还会严重破坏决策者对于数据分析结论的信心。

　　数据的成熟度最重要的是要靠敏捷的数据基础架构，它必须能灵活调整规模，并支持组织所需的访问活动。此外，在应用分析法的过程中，你会需要获得此前无法提供的数据或指标，而敏捷的基础架构能够让组织快速对新的数据领域和来源进行采集。

　　新的数据来源或领域随后可以被输入到现有的稳固的数据基础架构中。分析师和业务专家都是其用户，只是数据访问的需求各有差异。因此，他们依靠的是基础架构的可用性。

　　令人惊讶的是，开发一个高效的数据基础架构最难的不是如何选择硬件或技术，而是你的信息系统的入口和架构。如果你的组织中没有信息架构方面的人才，可以 聘请外部顾问来入口你的内部团队能够理解的信息流。你和你的领导团队必须找出大家在业务理解上的差异，并且强调你需要的是哪种数据。而且在你公司不断演变 的同时，数据也需要进化。

　　原文经许可，摘自Piyanka Jain和Puneet Sharma所著Behind Every Good Decision: How Anyone Can Use Business Analytics to Turn Data into Profitable Insight一书。Piyanka Jain和 Puneet Sharma于2015年登记版权。秦岭译。该书由位于纽约的美国国际管理协会下属的AMACOM出版。

　　英文版可通过新加坡的McGraw-Hill Education（新加坡）取得。