数据分析：如何将原始数据转化为有价值的行动？

如何实现数据驱动？如果不应用上下文、战略和能力方面的知识，您就无法直接从数据跳跃到行动。
同一组数据将导致不同的见解：取决于谁在看它，他们在寻找什么，他们能够看到什么，他们想要做什么，以及他们甚至可以想到做什么……
两个会计师查看同一组账本有不同理解：他们对背景上下文的了解让他们把账本上的原始数据变成信息。
他们很可能会得到彼此相似的信息。如果他们知道企业主想做什么，他们也能对企业的健康状况提供见解，并提出行动建议。
将原始会计数据转化为可操作的见解需要多层知识。
我在各种数据中都看到了类似的模式。
 
示例 1：电子商务跟单商的可行见解
这个模型是我在Qubit的工作中首次出现的。我们的团队试图利用从网站上收集到的原始数据，为电子商务商户提供可操作的见解。

我们知道我们有大量的数据。我们知道我们的客户真的希望我们能将其转化为可操作的洞察力。我们只是不知道如何做。

最后，我们尝试了5份报告，在我们找到一份有希望的报告之前，完全没有达到目标。我们又对报告进行了十几次迭代，并在此过程中获得了大量的知识，然后我们才成功地实现了上述的三个跳跃，将原始数据转化为有价值的行动。

• 我们必须了解他们的背景上下文：他们的角色和环境，但特别是他们如何解释数据--他们讲述的故事。
• 然后，我们必须更多地了解他们的战略，以便我们能够过滤所有的信息，只显示重要的部分，而不是背景噪音。对他们来说，成功和失败是什么样的？哪几个信息对他们来说是突出的或令人惊讶的？这些就是洞察力--改变他们考虑下一步行动的信息片段。
• 最后，我们意识到，许多见解建议他们在时间有限的情况下不能采取的行动。我们了解到我们需要通过为他们建立一些新的功能来提高他们的能力。

这种数据→可操作的洞察力模型也出现在Pivot Triggers中：

当我们试探分析时，会做一些在我们控制范围内的事情，并希望在我们控制范围外的行为者会做出一些回应。我们寻找这些行为会给我们带来的信号，我们总是在问：我们需要看到什么信号才能觉得我们要继续执行我们的计划？

这些信号就是我们的原始数据。有些是数字，有些是定性的反馈，有些则像我们在进行探究时潜意识发射的情绪状态一样微妙。

我们最终得到的信号总是多于我们去寻找的信号。即使如此，我们也知道我们所关注的只是所有可能数据中的一小部分。另一方面，这比我们不探测时得到的数据要多得多！然后我们进行探测后的回顾。

然后我们做一个 "探查后回顾"，按照上面的小知识跳跃，把信号变成一组新的探查（也就是把数据变成行动）。
 
下面是这种模式的步骤：
第一步：查看数据

首先，我们分享和审查数据——原始信号——但保留判断。

• 什么是冷酷的硬数字？
• 我们得到了哪些定性数据？
• 我们是否注意到其他任何信号？例如，工作量比我们预期的多还是少？一路上让我们感到惊讶的是什么？

• 我们认为这些数据意味着什么？
• 信号与我们设置的触发器相比如何？（我们在开始之前为每个信号设置了一个触发水平，这样我们就无法摆脱健康的认知失调。
• 我们如何看待这些比较？我提醒他们，我们在这里没有成功或失败，我们只是收集信息。
• 这里到底发生了什么？我推动团队就数据的含义提出至少3 个不同的故事。我们不想陷入一个简单的故事。

• 我们回答了一个大问题：我们是继续投入更多还是转向？
• 投入！：当信息指向更多投资时，这会建立我们的动力和信心。我们经常看到比我们最初的想法更令人兴奋的新选择。齐头并进的对齐现象开始出现。
• 转向！：当信息将我们指向一个支点时，这有助于我们重新思考。有时我们会放弃整个事情，但大多数时候，我们会偏离最初的计划并创造新的选择。我们在探索中停留的时间更长。

• 我们设计了一套新的探针来探索我们的一些新选择
• 有时接下来的探测非常明显，有时我们需要做更多的思考，甚至​​增加我们的能力