# 資料驅動決策：逐步指南

> 資料驅動決策 (DDDM) 涉及收集資料並將其用於做出決策。瞭解資料驅動決策的優點以及如何做出這些決策。

Source: https://asana.com/resources/data-driven-decision-making

## 資料驅動的決策：逐步指南

#### 摘要

資料驅動決策是根據公司的關鍵績效指標 (KPI) 收集資料，並將這些資料轉化為可據以行動的深入解析的過程。 這個流程是現代商業策略的關鍵要素。 在本文中，我們將討論資料驅動決策的優點，並提供一些提示，以便您在工作中做出明智的決策。如果您在工作中即將做出決定，通常很難知道該往哪個方向走。 如果您憑直覺行事，您可能會對自己的選擇更有信心，但這些選擇對您的團隊成員來說是否正確？ 當您使用事實來做出決策時，您會更放心，因為您知道您的選擇是基於資料，旨在最大限度地發揮 Business 版的影響力。

無論是超越競爭對手還是提高獲利能力，資料驅動決策都是現代商業策略的關鍵組成部分。 在下文中，我們將深入探討資料驅動決策的優勢，並提供在工作中做出這些決策的提示。

#### 適用於敏捷企業的決策工具

閱讀這份電子書，學習如何培養員工制定更優秀決策的能力，使您的企業能夠比競爭對手更有效地調整、適應和應對挑戰。
- [取得深入解析](https://asana.com/resources/decision-making-guide-ebook)
- [取得深入解析](https://asana.com/resources/decision-making-guide-ebook)

## 什麼是資料驅動決策 (DDDM)？

資料驅動決策是根據公司的[關鍵績效指標](https://asana.com/resources/key-performance-indicator-kpi)(KPI) 收集資料，並將這些資料轉化為可據以行動的深入解析的過程。 若要簡化此流程，您可以使用 KPI 範本在一處組織指標，並更輕鬆地將原始資料轉化為明確的商業決策。

在此過程中，您可以使用 Business 版 (BI)[報告工具](https://asana.com/resources/reporting-tools)，從而快速且富有成效地收集大量資料。 這些工具簡化了資料可視化，讓沒有進階技術知識的人也能進行資料分析。

### 資料驅動是什麼意思？

簡而言之，資料驅動的概念是指使用事實或資料來找出模式、推斷和深入解析，為您的決策過程提供資訊。 

從本質上講，資料驅動意味著您嘗試在沒有偏見或情緒的情況下做出決策。 因此，您可以確保公司的目標和藍圖是基於證據和您從中提取的模式，而不是您喜歡或不喜歡的內容。 

## 為什麼資料驅動決策很重要？

資料驅動的決策很重要，因為它有助於您根據事實而非偏見做出決策。 如果您處於領導地位，做出客觀的決策是保持公平和平衡的最佳方式。 

最明智的決策源自於衡量您的[Business 版目標](https://asana.com/resources/business-goals-examples)並即時填充的資料。 您可以彙整所需的資料，以便查看模式，並使用[報告軟體](https://asana.com/product/reporting)進行預測。

您可以在資料的支援下做出的一些決策包括：
- 如何推動利潤和銷售
- 如何建立良好的管理行為
- 如何最佳化營運
- 如何提升團隊績效

雖然並非每個決策都有資料支持，但許多最重要的決策都會有資料支持。 

## 做出資料驅動決策的 5 個步驟

做出以資料為依據的決策需要練習。 如果您想提升[領導技能](https://asana.com/resources/qualities-of-a-leader)，就需要瞭解如何將原始資料轉化為可行動的步驟，以實現公司的計劃。 以下步驟可協助您在分析資料時做出更明智的決策。

### 1. 瞭解您的願景

在做出明智的決策之前，您需要瞭解公司[的未來願景](https://asana.com/resources/vision-statement)。 這有助於您使用資料和策略來制定決策表單。 如果沒有背景資訊，圖表和數字就沒有什麼意義。 

**提示：**使用公司的年度目標和關鍵結果 ([OKR](https://asana.com/resources/okr-meaning)) 或季度團隊 KPI 來做出以資料為依據的決策。

### 2. 尋找資料來源

確定您正在努力實現的目標後，您就可以開始收集資料了。 

您使用的工具和資料來源將取決於您收集的資料類型。 如果您的目標是分析與公司內部流程相關的資料集，請使用通用報告工具。 [報告工具提](https://asana.com/product/reporting)供單一參考點，用於追蹤組織中的工作進度。 一些報告工具 (例如 Microsoft 的 Power BI) 可讓您從各種外部來源收集資料。 如果您想分析[行銷趨勢](https://asana.com/resources/six-marketing-trends)或競爭對手指標，可以使用其中一個工具。

您可能需要衡量的一些一般[成功指標](https://asana.com/product/reporting)包括：
- **毛利率：**毛利率是透過從公司的淨銷售額中減去所售商品的成本來衡量的。
- **投資報酬率 (ROI) ：**即收入與投資的比率。投資報酬率通常用於決定一項計劃是否值得投入時間或金錢。 用作 Business 版指標時，通常會追蹤投資的情況。 
- **生產力：**即您的公司生產商品或提供服務的效率的衡量標準。 您可以將總輸出除以總輸入來計算這一指標。 
- **客戶總數：**這是一種簡單而有效的可追蹤指標。 付費客戶越多，可為 Business 版賺取的錢就越多。
- **經常性收入**：SaaS 公司常使用這一指標，即您目前所有作用中的訂閱者在特定時期內所產生的營收金額。 通常每月或每年衡量一次。

您可以根據您的工作角色和您正在努力實現的願景來衡量各種其他資料集。 機器學習使彙整即時資料比以往更簡單。

**提示：**嘗試透過這些指標建立連結的故事。 如果收入下降，請查看生產力，看看您是否可以建立連結構。 持續深入瞭解這些指標，直到您找到嘗試解決的問題的「原因」為止。  

### 3. 組織您的資料

組織資料以改善資料可視化，對於做出有效的 Business 版決策至關重要。 如果您無法在一處查看所有相關資料並瞭解其連結方式，就很難確保您做出最明智的決策。

**提示：**組織資料的其中一種方式是使用[執行儀表板](http://www.asana.com/resources/executive-dashboard)。 執行儀表板是一種可自訂的介面，通常是通用報告工具的一項功能。 此儀表板將顯示對實現目標最關鍵的資料，無論這些目標是策略性、戰術性、分析性還是營運性。

### 4. 執行資料分析

組織好資料後，您就可以開始進行資料驅動分析。 這時，您將從資料中提取可據以行動的深入解析，這將有助於您進行[決策](https://asana.com/resources/decision-making-process)。 

根據您的目標，您可能需要分析來自執行儀表板的資料，同時進[行使用者研究](https://asana.com/templates/for/product/user-research-sessions)，例如案例研究、調查或推薦，以便您的結論包含客戶體驗。 

您的團隊是否希望改進其 SEO 工具，使其與市場上的其他選項相比更具競爭力？ 您可以用來確定必要改進的資料集可能包括： 
- 競爭對手的績效資料 
- 目前的 SEO 軟體績效資料
- 目前的客戶滿意度資料
- 針對各種 SEO/行銷工具的使用者研究

雖然其中一些資訊來自您的組織，但您可能需要從外部來源獲取其中一些資訊。 整體分析這些資料集可能會有所幫助，因為您得出的結論會與單獨分析每個資料集時不同。

**提示：**與您的整個團隊或組織分享您的分析工具。 就像任何協作投入量一樣，從多個角度進行資料分析最為有效。 雖然您可能會在資料中注意到一種模式，但隊友很可能會看到完全不同的東西。 

### 5. 得出結論

在進行資料分析時，您可能會開始針對所見內容得出結論。 不過，您的結論值得單獨一個區段，因為充實您在資料中看到的內容非常重要，這樣您就可以與他人分享您的發現。 

在得出結論時，需要自問的主要問題包括：
- 我看到的這些資料中，有哪些是我已經知道的？
- 我從這些資料中學到了哪些新資訊？
- 如何利用我獲得的資訊來實現我的 Business 版目標？ 

一旦您能夠回答這些問題，就代表您已成功執行資料分析，並應該準備好為您的 Business 版做出資料驅動的決策。

**提示：**資料分析後的自然下一步是寫下一些[智能目標](https://asana.com/resources/smart-goals)。 現在您已深入瞭解事實，可以根據所學建立可實現的目標。 

## 資料驅動決策的工具和技術

在現代 Business 版環境中，有效的資料驅動決策 (DDDM) 需要利用正確的工具和技術。 組織可以使用這些工具來收集、分析和解讀大量資料。 這使他們能夠將原始資訊轉化為可據以行動的深入解析，從而推動其商業策略。

### Business 版智慧軟體

Business 版 (BI) 軟體在資料驅動決策流程中發揮著關鍵作用。 這些強大的平台會從各種資料來源匯整資料，為決策者提供全面的儀表板和報告。 Tableau、Power BI 和 Looker 等熱門商業智慧工具提供強大的資料可視化功能，使用者可建立互動式圖表、圖形和地圖，使複雜的資料集更易於理解。

透過使用 BI 軟體，組織可以：
- 即時監控關鍵績效指標 (KPI)
- 識別商業資料中的趨勢和模式
- 為專案關係人產生自動化報告
- 透過分享深入解析，促進團隊之間的協作

### 資料分析工具

商業智慧軟體著重於報告和視覺化，而資料分析工具則深入研究資料，以發現隱藏的模式和相關性。 這些工具採用複雜的統計方法和演算法來分析結構化和非結構化資料。

熱門的資料分析工具包括：
- 用於統計分析和建模的 R 和 Python
- 用於進階分析和機器學習的 SAS
- Apache Spark 用於處理大規模資料
- Excel 用於基本資料分析和操作

這些工具使資料分析師和資料科學家能夠執行各種類型的分析，例如：
- 描述性分析，以瞭解發生了什麼
- 診斷分析，以確定發生的原因
- 預測分析，以預測未來趨勢
- 規範分析，以推薦行動

### DDDM 中的機器學習和 AI

透過整合機器學習和人工智慧 (AI)，資料驅動的決策在分析能力方面取得了重大進步。 這些技術以驚人的速度處理大量資料，識別人類可能無法辨識的模式和深入解析。

機器學習和 AI 在 DDDM 中的主要應用程式包括：
- 用於預測未來結果的預測模型
- 情緒分析，以了解客戶意見
- 個人化行銷的推薦引擎
- 用於識別詐騙或錯誤的異常偵測
- 用於分析文字資料的自然語言處理

像 Amazon 這樣的公司使用機器學習演算法來優化其供應鏈、預測客戶行為和個人化產品推薦，展現了這些技術在推動 Business 版決策方面的力量。

## 衡量資料驅動決策的影響

若要真正瞭解資料驅動決策的優勢，組織必須建立可靠的方法來衡量其對 Business 版績效的影響。

### DDDM 的關鍵績效指標 (KPI)

KPI 是幫助組織追蹤資料驅動方法有效性的重要指標。 為 DDDM 選擇 KPI 時，需要仔細考慮與 Business 版目標一致的指標，並為決策過程提供有價值的深入解析。
- [閱讀：什麼是關鍵績效指標 (KPI)？](/resources/key-performance-indicator-kpi)

用於衡量 DDDM 影響力的一些重要 KPI 包括：
- **營收增長：**此 KPI 衡量資料驅動決策對公司底線的影響。 它量化了 DDDM 計劃的財務收益，例如資料驅動的行銷活動和資料導向的定價策略。
- **營運效率：**此 KPI 評估資料驅動深入解析所帶來的流程改善。 這可能包括縮短週期時間或提高每位員工的產出等指標，例如透過預測性維護追蹤生產停機時間的減少。
- **客戶滿意度：**此 KPI 衡量資料驅動策略如何影響客戶體驗和忠誠度。 指標可能包括 NPS、留存率或客戶生命週期價值。 它追蹤使用客戶資料進行產品開發和個人化體驗的影響。
- **決策品質和速度：**此 KPI 專注於強化決策流程。 它透過比較使用資料分析與直覺所做選擇的結果，並評估即時資料實現的決策時間縮短，來衡量決策速度和品質的改善。

透過持續追蹤這些 KPI，組織可以量化從資料驅動決策過程中獲得的寶貴深入解析，並展示對其底線的實際影響。
- [閱讀：OKR 對比 KPI：哪一種目標設定架構更佳？](/resources/okr-vs-kpi)

## 資料驅動決策範例

雖然資料分析本身發生在幕後，但資料驅動決策對消費者的影響非常明顯。 以下是不同產業中資料驅動決策的一些範例： 

### 電子商務

您是否曾經在網路上購物，並想知道為什麼您會收到某些推薦？ 嗯，這可能是因為您過去購買過類似的東西或點擊過某個產品。 

像 Amazon 這樣的線上市集會追蹤客戶旅程，並使用點擊率和跳出率等指標來確定您最常參與的項目。 使用這些資料，零售商能夠向您展示您可能想要的東西，而無需您進行搜尋。 

### 醫療保健

在醫療領域，資料驅動的決策正在徹底改變患者照護和治療策略。 醫院和診所利用電子健康記錄 (EHR) 來分析患者資料中的模式，幫助醫生做出更明智的診斷和治療計劃。 例如，透過檢查症狀、治療和結果的歷史資料，醫療保健提供者可以預測哪些患者在某些情況下的風險較高。

此外，製藥公司利用大數據簡化藥物發現流程。 透過分析大量基因和臨床試驗資料，研究人員可以更快速、更有效率地找出有希望的藥物候選物。

### 財務

金融機構以多種不同方式使用資料，從評估風險到客戶區隔。 風險在金融領域尤其普遍，因此公司在做出任何重大決策之前，必須能夠確定風險因素。 歷史資料是瞭解潛在風險、威脅及其發生可能性的最佳方式。 

金融機構還會使用客戶資料來確定其目標市場。 透過根據社會經濟地位、消費習慣等對消費者進行分組，金融公司可以推斷哪些消費者具有最大的終身價值，並將其作為目標。 

### 交通

資料科學在確定安全運輸方面也發揮著重要作用。 美國運輸部門[的安全資料倡議](https://www.volpe.dot.gov/sites/volpe.dot.gov/files/2022-01/Annual_Accomplishments_Jan_13_2022_FINAL.pdf)強調了資料在提高運輸安全性方面的作用。 

該報告從各類型的車禍中提取資料，並評估天氣和道路狀況等因素，以發現問題的根源。 該部門可以利用硬性事實，努力實施更多安全措施。

## 資料驅動決策的優勢

以分析為基礎的決策不僅僅是一項有用的技能，如果您想[以身作則](https://asana.com/resources/lead-by-example)並培養資料驅動的文化，這是一項至關重要的技能。 

當您使用資料進行決策時，您可以確保您的 Business 版保持公平、以目標為導向，並專注於改進。

### 做出自信的決策

比競爭對手更長久的企業之所以能做到這一點，是因為他們對自己的成功能力充滿信心。 如果 Business 版中的決策者在選擇上猶豫不決，就可能導致錯誤、團隊成員高流動率和[風險管理](https://asana.com/resources/project-risk-management-process)不善。 

當您使用資料做出最重要的 Business 版決策時，您會對這些決策充滿信心，這將推動您和您的團隊向前邁進。 自信可以提升[團隊士氣](https://asana.com/resources/team-morale-tips)和績效。

### 防止偏見

使用資料進行決策將防止 Business 版領導者之間的任何偏見。 雖然您可能沒有意識到自己的偏見，但內心的偏好或價值觀可能會影響您做出決策的方式。 

直接根據事實和數字做出決策，可確保您的決策客觀且公平。 這也意味著當團隊成員或專案關係人詢問您為什麼選擇這樣做時，您有東西可以支持您的決定。
- [閱讀：克服這 19 個無意識偏見以助提升包容性。](/resources/unconscious-bias-examples)

### 尋找未解決的問題

如果不使用資料，許多問題就無法得到解答。 在資料集揭示問題之前，您可能也不知道自己有這些問題。 任何數量的資料都可以透過更好地將無法看到的領域視覺化，從而使您的團隊受益，而這些領域在沒有統計資料、圖表和圖表的情況下是無法看到的。 

當您將這些問題提到表面時，您可以有信心地知道您的決策是通過考慮每一點相關資訊而做出的。

### 設定可衡量的目標

使用資料是為團隊設定[可衡量目標](https://asana.com/resources/smart-goals)並成功實現這些目標的最簡單方法之一。 透過查看過去績效的內部資料，您可以確定需要改進的地方，並盡可能詳細地瞭解您的目標。 例如，您的團隊可以使用資料來確定以下目標：
- 客戶數量同比增加 20%
- 每季度將整體預算支出減少 20,000 美元
- 將[專案預算](https://asana.com/resources/project-budget)支出減少 500 美元
- 每季度增加 10 名團隊成員的招聘
- 每次招聘的成本減少 500 美元 

若沒有資料，您的公司將難以了解其資金的去向以及希望削減成本的地方。 設定可衡量的目標最終會導致資料驅動的決策，因為一旦設定，您將確定如何減少整體預算或增加客戶數量。

### 改善公司流程

有多種方法可以在不使用資料的情況下改善公司流程，但當您使用數字觀察團隊成員績效趨勢或使用圖表分析公司支出模式時，您所做的流程改進將不僅僅基於觀察。 

您可以利用資料改進的流程可能包括：
- 基於財務資料的風險管理
- 根據市場定價資料進行成本估算
- 根據新員工績效資料進行團隊成員到職
- 基於客戶回饋資料的客戶服務

如果您不確定結果，變更公司流程可能會很困難，但當事實摆在您面前時，您可以對自己的決策充滿信心。
- [請閱讀：什麽是變更管理？建立成功變更管理流程的 6 個步驟](/resources/change-management-process)

## 實施資料驅動決策的挑戰

雖然 DDDM 的優勢顯而易見，但組織在實施此方法時通常會面臨幾個挑戰。 瞭解並解決這些挑戰對於成功採用資料驅動文化至關重要。

### 資料品質與準確性

有效資料驅動決策的基礎在於所用資料的品質和準確性。 資料品質不佳可能會導致分析有誤，進而導致錯誤的決策。

另一方面，良好的資料管理可確保定量分析的資訊準確且已完成。 這涉及標準化收集、定期稽核和處理資料差距。 藉助可靠的資料，組織可以做出明智的決策，並避免代價高昂的錯誤。

### 確保資料安全及隱私

隨著組織收集和分析越來越多的資料，資料安全和隱私是首要關注的問題。 遵守一般資料保護規範 (GDPR)、加州消費者隱私保護法 (CCPA) 和健康保險携帶與責任法案 (HIPAA) 等法規至關重要。

您可以使用一般[資料保護規範 (GDPR) 合規性核對清單範本組織您的合規性流程](https://asana.com/templates/gdpr-compliance-checklist)，以追蹤加密、存取控制和系統更新。

### 克服變更遭遇的反抗

在實施資料驅動決策時，往往會出現對變革的阻力。 這種文化轉變需要有效的變更管理策略。 清楚溝通效益、重要專案關係人的參與以及公開解決疑慮，有助於克服阻力。 此外，透過訓練和指導計劃，為員工提供必要的技能，對於培養資料驅動型文化至關重要。

### 擴展資料管理

管理大型資料集既帶來機會，也帶來挑戰。 大數據需要儲存解決方案，例如雲端系統、資料湖或混合模型。 有效處理這些大型資料集是及時決策的關鍵。 平行處理、記憶體內運算和串流處理等技術可以幫助組織有效處理大量資料。

透過正面應對這些挑戰，組織可以為資料驅動的決策奠定基礎，使其能夠充分利用資料的力量並推動 Business 版的成功。

## 提升資料驅動力的提示

資料驅動型組織能夠透過數字和圖表進行解析，並找到其背後的意義。 建立更具資料驅動型的文化，首先要更頻繁地使用資料。 然而，這說來容易做起來難。 如果您已準備好開始，請嘗試這些提示，讓您更能以資料驅動。

### 尋找故事

分析資料、數字和圖表的關鍵是尋找故事。 如果沒有「為什麼」，資料本身沒有太大幫助，而決策過程也會困難得多。 如果您想在決策中更多地以資料為導向，請尋找資料所講述的故事。 這對於做出正確的決策至關重要。  

### 查閱資料

在做出任何組織決策之前，問問自己：資料是否支持這一點？ 資料無處不在，可應用於任何重大決策。 那麼，為什麼不在做出艱難選擇時參考它呢？ 資料非常有用，因為它天然不帶偏見，因此在做出任何決定之前，請務必查閱事實。 

### 學習資料可視化

當您能夠清楚地將資料可視化時，找到資料背後的故事就會變得更容易。 雖然學習如何將資料可視化通常是建立資料驅動文化中最困難的環節，但這是識別資料中的模式和差異的最佳方式。 

熟悉不同的資料可視化工具和技術。 嘗試以不同的方式呈現資料，發揮創意。 如果您精通資料可視化，您的資料敘事技巧將會大幅提升。 

## 使用報告軟體輕鬆做出以資料為依據的決策

您需要在面前擁有正確的資料，才能為團隊做出有意義的決策。 通用報告軟體會從您的公司彙整資料，並將其呈現在您的執行儀表板上，以便您以井然有序的圖形方式檢視。

- [專案管理](/resources/project-management)

- [工作細目結構 (WBS)：WBS 是什麼，要如何使用？](/zh-tw/resources/work-breakdown-structure)

專案管理

#### 內容撰稿人

工作分解結構 (Work Breakdown Structure，簡稱 WBS) 是專案管理中最實用的可視化工具之一。當專案範疇複雜、交付項目眾多時，工作細目結構能將整個專案從最高層級逐步分解為可執行的具體任務，確保每項工作都有明確的負責人和完成日期。由於工作細目結構以可視化方式展示，因此可組合使用工作流程管理軟體與專案管理架構來建立。建立方法包括時間軸、 ...

- [制定應變計劃以預防業務風險的 8 個步驟](/zh-tw/resources/contingency-plan)

商業策略

專案規劃

#### 作者

沒有人希望 A 計劃失效，但準備一份強大的 B 計劃是應對任何情況發生的最佳方式。有了可靠的後援計劃，您就可以有效應對非預期事件，並且盡快讓事情重回正軌。應變計劃是一種主動策略，能夠協助您處理事態惡化並確保業務持續進行。在本文中，深入瞭解如何針對非預期事件制定應變計劃，並且制定恢復策略，以確保您的業務維持健康狀態。什麼是業務應變計劃？業務應變計劃是一種策略 ...

- [建立成功變更管理流程的 6 個步驟](/zh-tw/resources/change-management-process)

商業策略

靈感與影響力百寶箱

#### 作者

改變是幫助組織成功的必要元素。隨著企業成長，您不可避免地會需要實施新工具、嘗試新策略，或打入新市場，還有更多改變不勝枚舉。小規模的變更或不會衝擊很多人的變更，很容易實施，但若您需要實施徹底性的組織變革，又該怎麼做呢？若無妥善的規劃，而試圖實施組織變革可能導致混亂、困惑並降低公司的成長速度。您反倒是需要小心推出變革 (在正式變革之前就有制定好的計劃和支援)， ...

- [15 個秘訣助您建立真正有用的待辦清單](/zh-tw/resources/make-better-to-do-lists)

專案管理

#### 作者

Everyone loves checking things off a to-do list, but when done wrong, lists can cause more harm than good. Disorganized lists lead to missed deadlines and unnecessary stress.The g ...

- [Data-driven decision making: A step-by-step guide](/zh-tw/resources/data-driven-decision-making)

專案管理

策略規劃

領導

專案規劃

生產力

- [內容撰稿人](/author/team-asana)

如果您在工作中即將做出決定，通常很難知道該往哪個方向走。 如果您憑直覺行事，您可能會對自己的選擇更有信心，但這些選擇對您的團隊成員來說是否正確？ 當您使用事實來做出決策時，您會更放心，因為您知道您的選擇是基於資料，旨在最大限度地發揮 Business 版的影響力。無論是超越競爭對手還是提高獲利能力，資料驅動決策都是現代商業策略的關鍵組成部分。 在下文中，我 ...