商业世界是一个以数据为中心的世界，但重要的是要认识到数据本身并不是目的。就像我们在工作中利用的一切资源一样，我们获取资源的目的是利用资源实现组织目标，而绝不是获取资源囤积在那里。数据是一种充满希望的资源，如果应用得当，数据支持决策的潜力是巨大的。
然而，不要以为获取和分析数据就一定可以得到完美的结论。实际上，数据的获取和分析是有风险的。本文为经理们介绍日常工作中面临的6大数据的挑战，帮助我们识别这一资源为我们所有人带来的一些潜在陷阱，防患于未然。
挑战1：数据质量差
虽然我们习惯于在实物背景下思考质量，但数据本身也是有质量的。事实证明，数据质量始终是每个公司面临的一个重大问题。这些看似信息量巨大的的数据通常不完整、不一致或过时。很可能你正在处理的一个简单的数据就存在着质量问题。
我们都收到过来自客服人员的重复邮件，邮件中提到的客户名称与我们实际系统里的名称稍有不同或根本就是不同的版本。营销数据库往往会包含重复的记录，如地址以及我们名字的不同拼写。我们不得不将重复的邮件做回收并加以处理，由此可见，营销人员由于一个简单的数据质量问题，产生了额外的成本：打印、邮寄和额外的人力资源成本。成百上千条记录放大了这一错误，这种小的数据质量错误代价是昂贵的。
随着市场的急剧变化，我们的战略和营销决策需要快速反应，数据质量问题变得越来越重要。虽然软件和解决方案可以帮助监控和提高结构化和格式化数据的质量，但真正的解决方案是在整个组织范围内做出重大承诺，将数据视为有价值的资产。在实践中，这一点很难实现，需要非凡的纪律执行和领导支持。
挑战2：被数据淹没
数据在组织中无处不在。大多数企业都已经能够熟练地获取有关客户和潜在客户的信息。
● 营销部门通过市场活动现场、网络活动或下载内容的人那里收集数据。
● 高管使用数据支持，定义新的战略。
● 销售人员收集参与销售过程的客户数据。
● 客户支持部门通过捕获有关通话和聊天的信息。
● 管理团队利用记分卡的数据和关键指标。
● 客户数据用于记账，并由质量和客户洞察团队用于监控客户满意度。
我们在各种不同的软件系统中捕获客户信息，并将数据存储在各种数据存储库中。一家全球财富100强公司承认，高达10%的客户数据是由员工在当地的计算机上以电子表格的形式保存的。另一个组织在开展营销活动之前，要求其销售代表对名片上的数据进行录入。
就像远洋水手在船沉没后被困在救生艇上一样，到处都是水，但一滴也喝不下。我们的业务中也存在同样的现象，数据无处不在，越来越多的数据可以从社交和搜索中实时获取。如果数据不易访问，或者数据有重复或不完整的，那么它们就是一堆毫无价值的数字。
越来越多的组织正在整合其不同的软件应用程序，并简化跨企业收集和聚合数据的过程。然而，除了数据质量外，这项工作成本高、耗时长，而且永远没有尽头。
挑战3：不断增长的数据量
我们正在以难以理解的速度制造越来越多的数据。这些新数据大多是非结构化的，而不是整齐地、具有应用意义地输入到我们的软件和数据库应用程序中的那种类型的数据。
例如，所有关于你的产品或品牌的推特都代表着潜在的洞察力，但这些数据是非结构化的，增加了捕获和分析它们的复杂性。虽然有许多软件产品可以帮助应对这一挑战，但非结构化数据代表了新的处理洪流。
挑战4：种瓜得瓜
数据分析软件的好坏取决于为其提供的数据。本期利用数据获取优势的共同点是质量。虽然许多公司在强大的新数据处理应用程序上投入了大量资金，但处理不良的数据会导致有缺陷的决策。我们必须小心谨慎，谨防盲目信任数据分析工作的输出，你必须确认分析中使用的数据是可以信任的。
挑战5：数据分析不是结论性的
我们往往会把数据分析的结果作为结论，但事实并非如此。事实上，数据分析通常显示相关性，而不是因果关系！人们很容易落入信任数据分析输出和混淆相关性与因果关系的陷阱。
相关性展示了一种关系，但它绝不意味着A导致B。建立因果关系是做出准确、有洞察力的决定的关键。如果你过度信任某个数据分析的输出，如果其因果关系实际上是不存在的，那么你的决策一定会有致命的缺陷。
挑战6：放大偏差
在评估数据时，我们的认知偏见被放大了。正如一位睿智的数据科学家曾经说过的那样，“在对数据进行最复杂、最详尽的分析之后，仍然需要有经验的行业专家做出推断和决定。”当我们必须评估数据分析的意义时，我们的偏见就会发生作用。
我们中的许多人倾向于信任或依赖支持我们的立场和期望的数据，而压制相反的数据。就像我们平时看到的新闻和信息，一般都会信任来自与我们自己愿意看到的和喜欢的平台和媒体。数据分析也是一样的，我们也会信任来自我们喜欢的数据来源。所有这些偏见都加剧了我们数据分析中的挑战和潜在错误，当这种错误应用在企业战略决策上，很可能给企业带来巨大的风险，甚至是致命的。
02 Two
管理者驾驭数据的7个策略
如果你的公司没有明确的数据质量或主数据管理的承诺，请花时间评估数据是否存在明显错误，包括重复、不完整或错误的数据记录。有许多商用软件应用程序或支持这项活动，许多公司利用数据专家的专业知识来查询和评估数据质量。此外，你还可以考虑哪些因素提供数据清理的外部服务提供商。重要的是，你要在在企业内部和工作流程中专注于不断提高数据的质量。