Tư duy thống kê của keonhacai 789 nhà quản lý trong kỷ nguyên dữ liệu lớn

Sách kinh doanh của keonhacai 789 chuyên gia thống kê tiếp tục là một hit khác thường Cuốn sách đã bán được hơn 250000 bản, có tiêu đề "Thống kê là kỷ luật học tập mạnh nhất" Bây giờ chúng ta đang ở trong thời đại của dữ liệu lớn, ý nghĩa thống kê cần thiết cho quản lý doanh nghiệp là gì? Chúng tôi hỏi tác giả, Nishiuchi Kei

MR Nishiuchi Kei

── Điều gì khiến bạn viết cuốn sách này?

NishiuchiĐể thực sự sử dụng số liệu thống kê trong xã hội, quan điểm khoa học xã hội về "những gì cần phân tích" thực sự quan trọng Ví dụ, trong lĩnh vực sức khỏe cộng đồng, mà tôi đang nghiên cứu, số liệu thống kê có thể giúp làm rõ những thứ như "thuốc lá có hại cho cơ thể" và "ăn chay là tốt cho sức khỏe của bạn", nhưng những thách thức về cách thúc đẩy thay đổi trong hành vi của mọi người ngoài kiến thức này về xã hội và con người, như tâm lý học, lý thuyết quản lý tiếp thị Cho đến bây giờ, hầu hết những cuốn sách tôi đã viết với mục đích truyền đạt sự khôn ngoan của khoa học xã hội rõ ràng nhất có thể, và tôi chưa bao giờ viết một cuốn sách cho công chúng thảo luận về keonhacai 789 số liệu thống kê, nhưng điều đó đã xảy ra rằng biên tập viên đề nghị tôi "đặt thẻ mạnh nhất mà tôi có đơn giản" và đó là bài viết đầu tiên của tôi

── khác hơn thế?

NishiuchiTôi đã xem tin tức về keonhacai 789 chủ đề nóng gần đây của "Dữ liệu lớn" và nhận ra rằng có một vài điều mà tôi thấy "thú vị" Là một chuyên gia thống kê, bằng cách nào đó tôi hiểu những gì vượt ra ngoài dữ liệu lớn, những gì có thể và không thể được thực hiện với nó, nhưng tôi có thể cảm thấy rằng giáo dục cơ bản không được chia sẻ nhiều ở Nhật Bản Một lý do chính khác để viết là tôi muốn chia sẻ câu chuyện rằng nếu tôi biết số liệu thống kê, có những điều có thể được hiểu ngay cả khi đó không phải là dữ liệu "lớn" và đó thực sự có thể là một công cụ mạnh mẽ hơn

── Đúng là "dữ liệu lớn" là một chủ đề nóng

NishiuchiCó khá nhiều người đứng đầu bộ phận trong keonhacai 789 công ty lớn, những người nói: "Tôi đã đầu tư vào phần cứng và phần mềm để tránh bỏ lỡ việc xử lý dữ liệu lớn, tư vấn với keonhacai 789 chuyên gia tư vấn nhỏ và cố gắng thiết lập một bộ phận mới, nhưng cuối cùng tôi không biết phải làm gì" Tôi đã nhận được ngày càng nhiều yêu cầu tư vấn từ những người này, nói rằng: "Bạn chỉ nên hỏi người này"

Một "tập hợp" không được phép

── Tại sao số liệu thống kê là mạnh nhất ở nơi đầu tiên?

NishiuchiTôi tin rằng "keonhacai 789 lý thuyết" đã được trao đổi trong keonhacai 789 lĩnh vực khác nhau liên quan đến tính đúng đắn hay không, nhưng ở Nhật Bản có một câu tục ngữ tuyệt vời "bằng chứng về lý thuyết" keonhacai 789 bằng chứng quan trọng nhất trong khoa học xã hội hiện đại được thiết lập thông qua thống kê Điều này đã được đề cập bởi Komiya Kenichi, người hoạt động với tư cách là người đứng đầu bộ phận nhân sự tại Softbank, nhưng hóa ra thật thú vị khi thấy phân tích thống kê của bài kiểm tra năng lực "SPI" được thực hiện cho sinh viên mới tốt nghiệp Thật hợp lý khi thuê sinh viên dựa trên lập luận rằng những người đạt điểm cao về SPI là thông minh và những người thông minh sẽ có thể làm việc, nhưng khi so sánh điểm số SPI cao và thấp tại thời điểm gia nhập công ty với hồ sơ theo dõi mà họ tìm thấy sau khi tham gia, dường như không có mối quan hệ đáng kể nào Do đó, việc sử dụng số liệu thống kê cho keonhacai 789 đánh giá cuối cùng trở nên phổ biến hơn và để chứng minh lý thuyết của chính mình Hơn nữa, điều này áp dụng cho tất cả keonhacai 789 lĩnh vực, cho dù bạn là một nhà tâm lý học hay một nhà kinh tế Chúng tôi đã sử dụng thuật ngữ "học thuật mạnh nhất" để mô tả đơn giản tình hình hiện tại này

── Ví dụ về Amidakkuji giải thích ở đầu cuốn sách của tôi khiến tôi nhận ra

NishiuchiVề tiền xu, xác suất của 5 thẻ giống như xác suất ném 10 thẻ và sau đó tất cả đều giống như xác suất của chúng giống như xác suất của chúng giống như xác suất của chúng giống như thẻ khác Tương tự, về cơ bản, Amidakuji lặp lại một nửa xác suất, dù đi phải hay trái, vì vậy bất kể bạn thêm một đường ngang như thế nào, trường hợp phổ biến nhất cuối cùng sẽ kết thúc ngay bên dưới dòng đã chọn Do đó, nếu bạn chỉ biết nơi bạn sẽ giành chiến thắng trước và yêu cầu người khác thêm một thanh ngang tự do, bạn có thể có được lợi thế so với những người chơi khác bằng cách chọn dòng ngay phía trên chiến thắng (xem "Người quản lý chiến lược", vấn đề tháng 7 năm 2013, trang 73, Hình 1) Tôi đã nghe nói rằng có một số chính quyền địa phương trên thế giới có giá thầu cho keonhacai 789 công trình công cộng, nói rằng: "Nếu cuối cùng keonhacai 789 điều kiện, kết thúc sẽ được quyết định bởi một cổ phần cuối cùng", nhưng kết quả có thể khác nhau tùy thuộc vào việc bạn có kiến thức này hay không

──-Small và keonhacai 789 nhà quản lý doanh nghiệp cỡ trung bình cũng cần kiến thức cơ bản về thống kê

NishiuchiĐúng vậy Tuy nhiên, số liệu thống kê ở cấp độ cơ bản đã quen thuộc với keonhacai 789 nhà quản lý và nhân viên Nhật Bản Ví dụ, Kaizen của Toyota luôn được dạy là "Kaizen" trong keonhacai 789 trường kinh doanh trên khắp thế giới Đây là một phương pháp trong đó mỗi công nhân làm việc trên dòng nhà máy biên dịch dữ liệu về khối lượng sản xuất và tỷ lệ sản phẩm bị lỗi một cách chi tiết và thường xuyên tập hợp dữ liệu, thảo luận "xử lý cản trở cải thiện năng suất" và "nguyên nhân khiến keonhacai 789 sản phẩm bị lỗi xảy ra" để giải quyết vấn đề Đây không chỉ là về Toyota, mà là một sáng kiến được đưa vào thực tế tại tất cả keonhacai 789 địa điểm sản xuất tại Nhật Bản, bao gồm keonhacai 789 nhà máy thị trấn nhỏ Tuy nhiên, thay vì chỉ đơn giản là hoàn thành điều này như một kiểm đếm, giờ đây cần phải thực hiện bước tiếp theo

── Điều đó có nghĩa là không kết thúc nó chỉ là "tập hợp"?

NishiuchiTrong ví dụ về Kaizen, khi chúng ta nghĩ về việc cải thiện một số loại tình huống hiện tại, chẳng hạn như giảm tỷ lệ keonhacai 789 sản phẩm bị lỗi, chúng ta chia nó thành hai nhóm: keonhacai 789 tình huống đã thành công và những tình huống chưa trải qua và phân tích sự khác biệt giữa dữ liệu giữa hai nhóm đó, cho chúng ta sức mạnh về thống kê Ví dụ, nếu chúng tôi phân tích keonhacai 789 tình huống thành công và những tình huống không thành công trong keonhacai 789 hoạt động bán hàng, chúng tôi có thể nói rằng keonhacai 789 nhân viên bán hàng đang đến thăm keonhacai 789 doanh nghiệp vừa và nhỏ thay vì keonhacai 789 công ty lớn sẽ tăng tỷ lệ đóng cửa và số tiền của họ mỗi phiên Kết quả sẽ cho phép toàn bộ bộ phận thực hiện keonhacai 789 biện pháp chiến lược để chọn keonhacai 789 địa điểm bán hàng và xây dựng mạng lưới

Hiệu quả của khảo sát mẫu

── Cuốn sách này cũng là một loại phản đề đối với xu hướng dữ liệu lớn, vậy bạn nghĩ gì về điều này?

NishiuchiThu thập dữ liệu chỉ đơn giản là một từ, nhưng thực sự rất khó thực hiện Cho đến một vài năm trước, cần phải điền vào tờ giấy và sau đó biên dịch mọi thứ theo cách thủ công Tuy nhiên, bây giờ, bằng cách truy cập một trang web, thu thập thông tin, sử dụng keonhacai 789 khảo sát trực tuyến và tích lũy dữ liệu cảm biến, bạn có thể thao tác ngay lập tức một lượng dữ liệu cực kỳ lớn, nếu không phải là vô hạn Điều này được gọi là "Dữ liệu lớn", và chức năng GPS đi kèm với điện thoại thông minh và keonhacai 789 thiết bị khác là một ví dụ quen thuộc Sử dụng chức năng GPS cho phép bạn tích lũy một lượng lớn dữ liệu về vị trí của bạn cứ sau năm phút, nhưng điểm quan trọng là những gì người quản lý đang cố gắng tìm ra từ đó Ngay cả khi vị trí của nhân viên được biết đến, thông tin thu được từ đó là khoảng cách họ đi, thời gian họ đi du lịch và tổng số lượng du lịch, và trên thực tế chúng ta không thể tìm thấy gì thêm Là một người quản lý, mục tiêu hướng tới là kiếm lợi nhuận, vì vậy quan điểm của tổng thống về những gì có khả năng dẫn đến lợi nhuận từ lượng dữ liệu lớn này trở nên rất quan trọng Tuy nhiên, việc phân tích dữ liệu GPS có thể dẫn đến kết luận rằng keonhacai 789 nhân viên dành thời gian nghỉ thường xuyên có tỷ lệ đóng cửa cao hơn so với keonhacai 789 nhân viên tiếp tục di chuyển (LOL)

── Nó được tuyên bố rằng dữ liệu có thể hoàn toàn có khả năng ngay cả khi nó không "lớn"

NishiuchiĐó là về hiệu quả của khảo sát mẫu Ví dụ, giả sử bạn khảo sát 10000 người trong số khoảng 100 triệu người Nhật và phát hiện ra rằng có xu hướng là 6000 Khi chọn một phần của chủ đề theo cách này, luôn có những người đặt câu hỏi về câu hỏi, "Có thể 6000 người đã chọn nó có cách suy nghĩ thiên vị" Tuy nhiên, miễn là họ chọn keonhacai 789 mục tiêu của khảo sát một cách đúng đắn và ngẫu nhiên, khả năng chỉ có 10000 người đó bị sai lệch là cực kỳ thấp và nhiều nhất là độ lệch khoảng 0,1% (xem Hình 2, tháng 7 năm 2013, trang 74, Hình 2) Khác với keonhacai 789 công ty có rủi ro kinh doanh đáng kể là 0,1%, phân tích sử dụng keonhacai 789 khảo sát mẫu sử dụng dữ liệu được trích xuất ngẫu nhiên là thuận tiện và hiệu quả hơn về chi phí Đầu tư vào keonhacai 789 máy chủ tốc độ cao mới nhất để xử lý dữ liệu lớn vẫn còn tốn kém

── Một ví dụ về việc sử dụng dữ liệu được chọn ngẫu nhiên để tiếp thị là "thử nghiệm A/B", được đề cập trong cuốn sách của tôi

NishiuchiVí dụ: khi gửi DM, bạn sẽ không biết thiết kế nào là tốt nhất cho đến khi bạn thử nó Vì vậy, chúng tôi cố gắng tìm hiểu ở quy mô nhỏ làm thế nào để xem liệu một DM sang trọng sử dụng keonhacai 789 thiết kế công phu và giấy chất lượng cao có thực sự hiệu quả hay không Ví dụ: nếu bạn có kế hoạch gửi 10000 tin nhắn, chúng tôi sẽ gửi 100 "DMS mới, cao cấp" và "DMS thông thường" cho khách hàng được chọn ngẫu nhiên và sau đó đưa kết quả vào dữ liệu Điều này sẽ giúp bạn xem liệu DMS mới sẽ dẫn đến việc tăng doanh số và yêu cầu, hoặc liệu chúng có hoàn toàn vô nghĩa hay không Thử nghiệm này, liên quan đến việc cố gắng và so sánh cả keonhacai 789 mẫu A và B, chẳng hạn như thiết kế và chức năng, được gọi là thử nghiệm A/B Ngẫu nhiên, phương pháp thu thập dữ liệu này được chuyên gọi là một thí nghiệm so sánh ngẫu nhiên

── Nó cũng sẽ được tiết lộ rằng những gì họ đã làm keonhacai 789 đến lúc đó không có ý nghĩa

NishiuchiĐúng Ví dụ, một nhà bán lẻ tôi đã giúp phân tích dữ liệu đã gửi cho tôi một DM để cho bạn thấy một chiến dịch quà tặng Đương nhiên, họ đã nhắm đến việc cải thiện sức hút của khách hàng bằng cách tổ chức một chiến dịch, nhưng khi họ thực hiện hai DM, với những món quà thực tế và không có quà, và so sánh họ, họ thấy rằng không có sự khác biệt nào cả Hiệu ứng quan trọng là liệu người được gửi đến cửa hàng có khiến họ nhận ra rằng họ đã nhận được DM hay không và kết quả cho thấy rất ít khách hàng đặt hàng mặt hàng vì họ muốn có một món quà Nói một cách đơn giản hơn, trong trường hợp đó, kết quả phân tích đã thu được cho thấy rõ sự khác biệt giữa những người gửi DM và những người phản ứng tốt ngoài phạm vi lỗi Bằng cách phân tích như vậy, chúng tôi đã có thể gửi DM theo keonhacai 789 điều kiện và chúng tôi có thể giảm chi phí và tăng doanh số

──So thử và lỗi dựa trên phân tích thống kê là hợp lệ

NishiuchiĐúng Hơn nữa, điều này có thể nói là phù hợp hơn cho keonhacai 789 doanh nghiệp vừa và nhỏ so với keonhacai 789 công ty lớn dành thời gian để đưa ra quyết định Ví dụ, một công ty ở Hoa Kỳ bán đồ thủ công trực tuyến, Joan Fabric, đã thử ngẫu nhiên nhiều đề xuất quảng cáo trên trang web của mình và quản lý để tăng gấp ba doanh số cho mỗi khách hàng bằng cách sử dụng một chiến dịch có tên "Mua hai máy may và giảm 10%"

── Nó là cần thiết để tích cực kết hợp tư duy thống kê

NishiuchiNếu bạn thích nó, bạn sẽ phải thích nó, và keonhacai 789 đối thủ cạnh tranh và đối tác kinh doanh của bạn sẽ dần dần sử dụng dữ liệu của bạn làm vũ khí Ví dụ, lấy một công ty vận hành một doanh nghiệp kho, khách hàng đã bắt đầu thực hiện những gì họ có thể làm để giảm rủi ro hàng tồn kho Nếu bạn rời khỏi nó, nó sẽ chỉ giảm doanh số, nhưng nếu bạn sử dụng tốt dữ liệu, bạn có thể biến một cuộc khủng hoảng như vậy thành một cơ hội Tôi hy vọng rằng keonhacai 789 nhà quản lý doanh nghiệp vừa và nhỏ sẽ là người đầu tiên kết hợp số liệu thống kê và thậm chí còn trở nên cạnh tranh hơn

(Phỏng vấn và sáng tác/Tạp chí này, Uematsu Keisuke)

Xuất bản:Giám đốc chiến lược, số tháng 7 năm 2013